如何在R中转换scRNA-seq txt矩阵为Seurat可用格式并生成barcode文件

你加载报错的核心原因很简单：Seurat::Read10X() 是专门读取10x标准输出的三个拆分文件（稀疏表达矩阵、基因列表、细胞barcode列表）的，而GSE141445提供的txt是已经整合好的整表：行对应基因，列对应单个细胞，列名本身就是你要找的barcode，不需要额外找资源下载，之前报错是用错了读取逻辑。

方法1：直接读取构造Seurat对象（最省事，不用生成中间文件） #

不用硬凑10x的三个文件格式，直接读入整表拆分行名列名就能创建Seurat对象，新手优先选这个方法：

# 先安装未部署的依赖包
# install.packages("Seurat")
# install.packages("data.table")
library(Seurat)
library(data.table) # 读大文件比内置read.table快10倍以上，不容易卡顿

# 把路径替换为你本地存储的txt文件路径
mat <- fread("GSE141445_scRNA_expression.txt", data.table = FALSE)
# 把第一列的基因名设为矩阵行名，删除原基因名列
rownames(mat) <- mat[,1]
mat <- mat[, -1]
# 转为稀疏矩阵，可减少70%以上的内存占用
mat <- as.sparse(mat)

# 此时矩阵列名就是所有细胞的barcode，直接创建对象即可
seu_obj <- CreateSeuratObject(
  counts = mat, 
  project = "GSE141445",
  min.cells = 3, # 过滤在少于3个细胞中表达的基因
  min.features = 200 # 过滤检测到基因数少于200的低质量细胞
)

跑完这步直接就能衔接下游质控、标准化、降维聚类的标准流程，不会再报缺失barcode的错误。

方法2：生成标准10x格式文件（含独立barcode文件） #

如果你后续需要用Read10X()函数读取，就按下面代码拆成三个标准10x文件，存储在同一个文件夹下即可：

library(data.table)
library(Matrix)
# 读入矩阵的步骤和方法1一致
mat <- fread("你的本地txt文件路径", data.table = FALSE)
rownames(mat) <- mat[,1]
mat <- mat[, -1]
mat <- as.sparse(mat)

# 提前创建存储10x格式文件的文件夹
dir.create("./GSE141445_10x_format/")

# 1. 生成barcode文件：直接提取矩阵列名写入即可
write.table(
  colnames(mat),
  file = "./GSE141445_10x_format/barcodes.tsv",
  sep = "\t", row.names = FALSE, col.names = FALSE, quote = FALSE
)

# 2. 生成基因信息文件：包含两列，第一列为基因ID，第二列为基因名，该数据集行名为基因名时两列填相同内容即可
genes_df <- data.frame(gene_id = rownames(mat), gene_name = rownames(mat))
write.table(
  genes_df,
  file = "./GSE141445_10x_format/genes.tsv",
  sep = "\t", row.names = FALSE, col.names = FALSE, quote = FALSE
)

# 3. 生成稀疏矩阵文件
writeMM(mat, file = "./GSE141445_10x_format/matrix.mtx")

三个文件生成完成后，直接运行Read10X("./GSE141445_10x_format/")就能正常读取，不会再提示缺少barcode文件。

避坑提示 #

• 不要用内置read.table()读取几个G大小的表达矩阵，速度极慢还容易触发内存溢出，data.table::fread()是更优选择
• 读入完成后先运行head(mat[,1:5])查看前5行前5列确认结构，只要第一列为基因名、其余列为细胞表达值就符合预期
• 转稀疏矩阵的步骤不要省略，大矩阵可减少数G的内存占用

内容的提问来源于stack exchange，提问作者mouseheartattack