index和barcode有什么区别

另外，index和barcode有什么区别，为什么用两个fq文件进行区分？
找到10X官方给出的一个解答：https://kb.10xgenomics.com/hc/en-us/articles/115002777072-How-do-I-demultiplex-by-sample-index-and-barcode-

i7 sample index（library barcode）是加到Illumina测序接头上的，保证多个测序文库可以在同一个flow-cell上或者同一个lane上进行混合测序(multiplexed)。当然可以自己指定index，但更多情况下会使用10X公司提供的index序列(bundled index sets)，针对不同项目使用的index也是不同的。不过共性就是：96孔板的每个孔中都加入了4种不同的index oligos混合(详见：https://kb.10xgenomics.com/hc/en-us/articles/218168503-What-oligos-are-in-my-sample-index-)。

image-20190920110219008

它的作用就是在CellRanger的mkfastq 功能中体现出来的，它自动识别样本index名称（例如：SA-GA-A1），将具有相同4种oligo的fq文件组合在一起，表示同一个样本。它保证了一个测序lane上可以容纳多个样本
然后回过头，又看了看GEO的数据记录，发现的确记录了index信息，

但是作者没有上传最原始的BCL文件，因此无法体验mkfastq的功能，但是官网有测试数据。这里了解大体的拆分流程就好

10X Barcode（Cell barcode） 是10X特有的，用来区分GEMs，也就是对细胞做了一个标记。一般在拆分混养测序数据（demultiplexing）这个过程后进行操作，当然这也很符合原文的操作

在实验建库的过程中，barcoding过程(也就是GEM生成的过程)是早于indexing过程(它是PCR的最后阶段)，但是生信分析过程把这两个顺序颠倒过来了，我们需要先根据样本index，利用mkfastq 将reads进行demultiplex，分到各自的测序文库中去，然后对每个文库再处理barcodes信息

UMI的作用呢？
它是为处理PCR 扩增偏差而生

首先，不管是bulk RNA还是scRNA，都需要进行PCR扩增，但是不可避免有一些转录本会被扩增太多次，超过了真实表达量。当起始文库大小很小时（比如单细胞数据），就需要更多次的PCR过程，这个次数越多，引入的误差就越大

UMI就是Unique Molecular Identifier，由4-10个随机核苷酸组成，在mRNA反转录后，进入到文库中，每一个mRNA随机连上一个UMI，根据PCR结果可以计数不同的UMI，最终统计mRNA的数量。

UMI有几个要求：

不能是均聚物 ，如AAAAAAAAAA
不能有N碱基
不能包含碱基质量低于10的碱基
综上所述：raw fastq中包含以下信息
Library Barcode (Sample Index) - Used to pool multiple samples on one sequencing lane
Cell Barcode (10x Barcode) – Used to identify the cell the read came from
Unique Molecular Index (UMI) – Used to identify reads that arise during PCR replication
Sequencing Reads – Used to identify the gene a read came from
那么这三个文件的名称需要修改吗？
我认为是需要修改的，因为命名太模糊，不容易指定文件进行下游分析。
然后看到官网给出的解答：https://support.10xgenomics.com/single-cell-gene-expression/software/pipelines/2.0/using/fastq-input#wrongname ，也的确说需要修改

那么怎么改？
肯定要批量处理，就利用下载SRA的SRR ID好了

比如，将原来的SRR7692286_1.fastq.gz改成SRR7692286_S1_L001_I1_001.fastq.gz

依次类推，将原来_2的改成R1，将_3改成R2

cat SRR_Acc_List-9245-3.txt | while read i ;do (mv ${i}_1*.gz ${i}_S1_L001_I1_001.fastq.gz;mv ${i}_2*.gz ${i}_S1_L001_R1_001.fastq.gz;mv ${i}_3*.gz ${i}_S1_L001_R2_001.fastq.gz);done