工欲善其事 必先利其器

前面我们介绍了华大 DNBelab C SeriesTM?单细胞转录组定量的基本流程：?DNBC4tools—华大DNBelab系列单细胞分析pipeline

明确需求

其中在准备样本数据步骤有提到，多样本处理首先需要制作一个自己的样本信息对应列表sample.tsv?：

第一列是样本名称第二列是 cDNA 文库测序数据，多个 fastq 文件以逗号分隔，R1 和 R2 文件以分号分隔。第三列是寡核苷酸文库测序数据。多个 fastq 文件以逗号分隔，R1 和 R2 文件以分号分隔。

比如我需要处理的样本文件名是：

图片

需要生成的sample.tsv?文件格式是：

代码语言：javascript代码运行次数：0

运行

复制

$sample1 /data/cDNA1_R1.fq.gz;/data/cDNA1_R2.fq.gz /data/oligo1_R1.fq.gz,/data/oligo4_R1.fq.gz;/data/oligo1_R2.fq.gz,/data/oligo4_R2.fq.gz?$sample2 /data/cDNA2_R1.fq.gz;/data/cDNA2_R2.fq.gz /data/oligo2_R1.fq.gz;/data/oligo2_R2.fq.gz?$sample3 /data/cDNA3_R1.fq.gz;/data/cDNA3_R2.fq.gz /data/oligo3_R1.fq.gz;/data/oligo3_R2.fq.gz登录后复制

我们现在需要根据样本文件名规律来生成示例文件的对应信息。手写是不可能手写的，容易出错不说，还不能重复。这里通常需要我们来编程批量进行文本处理。

DeepSeek 助力

初步观察这个需求实现起来还是挺复杂的，以前往往需要花费一定时间来进行代码实现。现在AI盛行，这个时候我们就可以使用DeepSeek来快速生成我们需要的代码。比如下面的代码：

代码语言：javascript代码运行次数：0

运行

复制

ls *.gz | awk -F_ 'BEGIN {OFS=”t“} {? ? sample = $1;? ? lib = $2;? ? split($3, temp, ”.“);? ? direction = temp[1];? ??? ? all_samples[sample] = 1;? ??? ? if (lib ~ /^L[0-9]+/) {? ? ? ? lib_num = substr(lib, 2) + 0; ?# 提取L后面的数字? ? ? ??? ? ? ? # 记录文库顺序? ? ? ? if (!(sample SUBSEP lib_num in lib_seen)) {? ? ? ? ? ? libs_order[sample] = libs_order[sample] ? libs_order[sample] ” “ lib_num : lib_num;? ? ? ? ? ? lib_seen[sample, lib_num] = 1;? ? ? ? }? ? ? ??? ? ? ? # 存储文件路径? ? ? ? if (direction == ”f1“) {? ? ? ? ? ? f1_files[sample, lib_num] = $0;? ? ? ? } else if (direction == ”r2“) {? ? ? ? ? ? r2_files[sample, lib_num] = $0;? ? ? ? }? ? } else if (lib == ”oligo“) {? ? ? ? if (direction == ”f1“) {? ? ? ? ? ? oligo_f1[sample] = $0;? ? ? ? } else if (direction == ”r2“) {? ? ? ? ? ? oligo_r2[sample] = $0;? ? ? ? }? ? }}END {? ? for (sample in all_samples) {? ? ? ? # 处理L00数据? ? ? ? l00_f1 = ”“;? ? ? ? l00_r2 = ”“;? ? ? ??? ? ? ? if (sample in libs_order) {? ? ? ? ? ? split(libs_order[sample], lib_nums, ” “);? ? ? ? ? ? n = length(lib_nums);? ? ? ? ? ??? ? ? ? ? ? # 冒号排序确保文库顺序? ? ? ? ? ? for (i=1; i<=n; i++) {? ? ? ? ? ? ? ? for (j=1; j<=n-i; j++) {? ? ? ? ? ? ? ? ? ? if (lib_nums[j+1] < lib_nums[j]) {? ? ? ? ? ? ? ? ? ? ? ? tmp = lib_nums[j];? ? ? ? ? ? ? ? ? ? ? ? lib_nums[j] = lib_nums[j+1];? ? ? ? ? ? ? ? ? ? ? ? lib_nums[j+1] = tmp;? ? ? ? ? ? ? ? ? ? }? ? ? ? ? ? ? ? }? ? ? ? ? ? }? ? ? ? ? ??? ? ? ? ? ? # 构建f1和r2列表? ? ? ? ? ? for (i=1; i<=n; i++) {? ? ? ? ? ? ? ? num = lib_nums[i];? ? ? ? ? ? ? ? if ((sample, num) in f1_files) {? ? ? ? ? ? ? ? ? ? l00_f1 = l00_f1 ? l00_f1 ”,“ f1_files[sample, num] : f1_files[sample, num];? ? ? ? ? ? ? ? }? ? ? ? ? ? ? ? if ((sample, num) in r2_files) {? ? ? ? ? ? ? ? ? ? l00_r2 = l00_r2 ? l00_r2 ”,“ r2_files[sample, num] : r2_files[sample, num];? ? ? ? ? ? ? ? }? ? ? ? ? ? }? ? ? ? }? ? ? ??? ? ? ? # 合并L00字段? ? ? ? l00_combined = l00_f1 ”;“ l00_r2;? ? ? ??? ? ? ? # 处理Oligo数据? ? ? ? oligo_data = ”“;? ? ? ? if (oligo_f1[sample] && oligo_r2[sample]) {? ? ? ? ? ? oligo_data = oligo_f1[sample] ”;“ oligo_r2[sample];? ? ? ? }? ? ? ??? ? ? ? print sample, l00_combined, oligo_data;? ? }}' ?> sample2.tsv登录后复制

快速得到我们需要的样本对应信息文件sample2.tsv?：(检查文件信息)

代码语言：javascript代码运行次数：0

运行

复制

$cat?sample2.tsv?D10 ? ? D10_L001_f1.fq.gz,D10_L002_f1.fq.gz;D10_L001_r2.fq.gz,D10_L002_r2.fq.gz D10_oligo_f1.fq.gz;D10_oligo_r2.fq.gzD15 ? ? D15_L001_f1.fq.gz,D15_L002_f1.fq.gz;D15_L001_r2.fq.gz,D15_L002_r2.fq.gz D15_oligo_f1.fq.gz;D15_oligo_r2.fq.gzD5-2 ? ?D5-2_L001_f1.fq.gz,D5-2_L002_f1.fq.gz;D5-2_L001_r2.fq.gz,D5-2_L002_r2.fq.gz ? ? D5-2_oligo_f1.fq.gz;D5-2_oligo_r2.fq.gzD2-1 ? ?D2-1_L001_f1.fq.gz,D2-1_L002_f1.fq.gz;D2-1_L001_r2.fq.gz,D2-1_L002_r2.fq.gz ? ? D2-1_oligo_f1.fq.gz;D2-1_oligo_r2.fq.gzD8-2 ? ?D8-2_L001_f1.fq.gz,D8-2_L002_f1.fq.gz;D8-2_L001_r2.fq.gz,D8-2_L002_r2.fq.gz ? ? D8-2_oligo_f1.fq.gz;D8-2_oligo_r2.fq.gzD5-1 ? ?D5-1_L001_f1.fq.gz,D5-1_L002_f1.fq.gz;D5-1_L001_r2.fq.gz,D5-1_L002_r2.fq.gz ? ? D5-1_oligo_f1.fq.gz;D5-1_oligo_r2.fq.gzD2-2 ? ?D2-2_L001_f1.fq.gz,D2-2_L002_f1.fq.gz;D2-2_L001_r2.fq.gz,D2-2_L002_r2.fq.gz ? ? D2-2_oligo_f1.fq.gz;D2-2_oligo_r2.fq.gzD12 ? ? D12_L001_f1.fq.gz;D12_L001_r2.fq.gz ? ? D12_oligo_f1.fq.gz;D12_oligo_r2.fq.gzD8-1 ? ?D8-1_L001_f1.fq.gz,D8-1_L002_f1.fq.gz;D8-1_L001_r2.fq.gz,D8-1_L002_r2.fq.gz ? ? D8-1_oligo_f1.fq.gz;D8-1_oligo_r2.fq.gz登录后复制

然后就是批量生成运行脚本代码语言：javascript代码运行次数：0

运行

复制

dnbc4tools rna multi --list sample2.tsv --genomeDir ~/reference/human/homo_ensembl_112_dnbc4_index --threads 10登录后复制

示例

示例

至此，后面提交批量运行任务即可。详见：

DNBC4tools—华大DNBelab系列单细胞分析pipeline玩转服务器—从前台到后台，让你的任务无忧运行