CellRanger是10x Genomics公司开发用于处理和分析单细胞 RNA 测序（scRNA-seq）数据的工具，将原始 scRNA-seq 数据从测序仪中提取和处理，包括数据去噪、质量控制、细胞检测和聚类分析等，还提供可视化工具，帮助研究者对单细胞数据进行可视化分析和解释。
下面跟着小编一起看看这款强大的分析软件的数据解读的内容吧！
Summary
Estimated Number of Cells
本次样本测到的细胞数，和实验上机的细胞数量和细胞质量有直接关系
Mean Reads per Cell
每个细胞测到的平均reads，一般是Number of Reads 除以Estimated Number of Cells的数值，至少测到20K reads才能反映真实的细胞状况，比较好的数据推荐测到30k reads/cell以上
Median Genes per Cell
每个细胞检测到的基因中位数
Sequencing
Number of Reads
整个样本测到的reads总数
Valid Barcodes
带有正确10x Barcode的数据比例，每个Bracode对应到每个细胞
Valid UMIs
UMI校正后匹配的UMI比例
Sequencing Saturation
测序饱和度，一般60-80%左右，这个指标非常重要，如果捕获的细胞数较多，但是每个细胞里面的平均reads数少，那么饱和度就较低，反之饱和度较高。总的来说，测序饱和度越高，再增加测序量的意义就越小
测序饱和度曲线在终点附近的斜率可被解释为增加测序深度后获得收益的上限。虚线画在合理接近饱和点的值上。如果曲线末端区域平滑，说明测序接近饱和，再增加测序量，检测到的基因数目也不会有太大的变化。
Q30
Q30常被用作测序质量的评价指标，其计算公式为：Q=-10log10(P)，其中P为出现一个碱基测序错误的概率。根据公式可知，当1000个碱基中有一个碱基测序出现了错误，即P=0.001，即Q=30，Q30一般＞80%
Q30 Bases in Barcode
基于barcode的质量分数，大于30的比率
Q30 Bases in RNA Read
基于RNA Reads的质量分数，大于30的比率
Q30 Bases in UMI
基于UMI的质量分数，大于30的比率
Mapping
Reads Mapped to Genomes
比对到参考基因组上的Reads在总Reads中占的比例；人鼠样本一般要求≥80%
Reads Mapped Confidently to Genome
比对到参考基因组并得到转录本GTF信息支持的Reads占总Reads中占的比例；如果一条Reads既可以比对到一个基因的外显子区（exon区），又可以比对到非外显子区（非exon区），那么算Reads比对到外显子（exon区）
Reads Mapped Confidently to Intergenic Regions
比对到基因组的基因间区域的Reads占总Reads中占的比例（比对到唯一基因间区的Reads的比例）
Reads Mapped Confidently to Intronic Regions
比对到内含子区域的Reads在总Reads中占的比例。跟细胞样本相比，细胞核的实验会有更高的内含子区域的比对率，这是正常现象，且内含子区域的reads被认为是核转录本，被用于RNA Velocity分析中，所以千万不要小看这部分reads
Reads Mapped Confidently to Exonic Regions
比对到外显子区域的Reads在总Reads中占的比例
Reads Mapped Confidently to Transcriptome
比对到已知参考转录本的Reads在总Reads中占的比例；这一部分的Reads主要是对UMI进行计数统计
Reads Mapped Antisense to Gene
比对到基因反义链上的Reads所占的比例
Cells
上图曲线横坐标为barcode序列数，纵坐标为UMI 数目。蓝线对应的barcode为有效细胞，灰线为背景噪音。在前期bead与细胞形成油包水的结构过程中，会存在没有把细胞包进去的情况，这时候的油包水结构里面就只有bead试剂，而cDNA的碱基序列一般都是barcode碱基序列的 10倍以上 ，就是由此来确定哪些是真实的细胞，哪些是background。如果这个曲线出现一个明显陡降的趋势，这表明与细胞相关的barcode和空白的barcode区分的很好。
Fraction Reads in Cells
每个样本过滤处理后，细胞reads数占总reads数的百分比，表示与细胞相关的UMI可靠地比对到基因组，理想值是＞70%。如果样品中游离的mRNA很多，该数值相对就会偏低，这个参数反映测序数据的利用率
Median Genes per Cell
每个细胞检测的基因中位数；一般要求≥700，有利于细胞分群，每个细胞的基因中位数与样本的细胞类型有关，例如成熟B细胞、T细胞检测到的基因中位数较少，而肿瘤组织、干细胞等组织，基因表达水平高，检测到的基因中位数也较高
基因中位数曲线在终点附近的斜率可解释为在此点之后增加测序深度所能获得结果的上限。曲线末端接近平滑状态说明测序达到饱和，继续增加测序量，每个细胞检测到的基因数也不会有特别大的变化
Total Genes Detected
检测到的基因总数，每个基因至少检测到一条UMI
Gene Expression
这里显示的是每个细胞的UMI总数。细胞UMI数量越多，表示该细胞基因表达水平可能较高。
将每个细胞聚类划分到细胞簇中。聚类将具有相似表达谱的细胞组合在一起。
中科新生命单细胞转录组布局先进的10x Genomics平台，积累了丰富的项目经验，目前已经完成200+组织类型的单细胞解离，单细胞实验成功率高，提供单细胞与多组学联合的一站式解决方案，包含单细胞测序类、单细胞蛋白组、空间转录组、空间蛋白组、深度空间代谢组、全息空间多组学以及常规转录、蛋白、代谢组检测，快来联系我们展开单细胞实验吧！！！
往期10x单细胞转录组Q&A参考链接：
10×单细胞转录组常见Q&A（一）| 实验开展前最需要了解的几大问题
10×单细胞转录组常见Q&A（二）｜实验质控相关
10×单细胞转录组常见Q&A（三）｜数据质控专题
【干货分享】10x 单细胞转录组常见Q&A（四）| 降维聚类专题
中科优品推荐
【中科新生命】重点布局单细胞多组学平台，先后建立了基于10x Genomics 最新Chromium X的单细胞转录组测序平台以及“一站式”单细胞蛋白质组服务平台。其中，Chromium X作为当前业内通量最高的单细胞测序平台之一，可以实现百万级细胞通量检测，为大规模单细胞图谱、高通量药物筛选、稀有细胞鉴定分析等需求提供助力。
<< 滑动查看下一张图片 >>
联系客服
