如何从gz压缩包读取10X数据并正确创建Seurat对象

Read10X() 函数不支持直接读取 .tar.gz 格式的压缩包，该函数的data.dir参数必须传入解压后存放10X测序标准输出文件的本地文件夹路径，要求目标路径下必须存在三个核心文件：表达矩阵文件matrix.mtx、基因名注释文件features.tsv（旧版为genes.tsv）、细胞条码文件barcodes.tsv。你之前用gzfile()读取压缩包再传入函数的写法不符合函数输入要求，自然会运行失败。

• 第一步：解压下载的压缩包
  你可以直接手动右键点击pbmc3k_filtered_gene_bc_matrices.tar.gz，选择解压到当前Downloads文件夹；也可以直接在R控制台运行解压命令，不需要手动操作：

  setwd("C:/Users/myname/Downloads")
  # 将压缩包解压到当前路径下的pbmc3k_data文件夹中
  untar("pbmc3k_filtered_gene_bc_matrices.tar.gz", exdir = "./pbmc3k_data")
  

  解压完成后，你会看到pbmc3k_data文件夹下的层级为filtered_gene_bc_matrices/hg19/，hg19子文件夹里就存放着Read10X需要的三个核心文件。
• 第二步：传入正确路径读取数据
  把解压后存放三个核心文件的文件夹路径传入data.dir参数即可，不需要和教程写的路径完全一致，匹配你本地的实际路径就行：

  pbmc.data <- Read10X(data.dir = "./pbmc3k_data/filtered_gene_bc_matrices/hg19/")
  

校验小技巧：运行Read10X前，可以先执行list.files("./pbmc3k_data/filtered_gene_bc_matrices/hg19/")，如果返回结果里能看到三个核心10X文件，说明路径填写正确，后续读取不会报错。

• gzfile()仅能读取单个.gz格式的压缩文件，无法处理包含多层目录结构的tar归档压缩包，不要用该函数处理.tar.gz格式的10X数据包
• Windows系统编写文件路径时，不要直接用单斜杠\，要么替换为正斜杠/，要么用双反斜杠\\，避免触发转义字符报错
• 不用刻意对齐教程里写的示例路径，只要找到你本地存放三个10X核心文件的文件夹，把对应路径填入参数即可正常读取

内容的提问来源于stack exchange，提问作者Mr. George