玩转服务器 — 运行Cell Ranger你必须知道的两个参数

生信菜鸟团 · 公众号 · 生物 · 2024-12-03 20:53

正文

滴水穿石非一日之功

Cell Ranger

Cell Ranger 是由 10x Genomics 开发的一款高效数据分析软件，用于处理单细胞和空间转录组测序数据。它集成了从测序数据预处理、比对、基因表达定量到细胞聚类分析的一站式流程，能够生成基因表达矩阵、细胞聚类结果及可视化图表。Cell Ranger 支持单细胞转录组（scRNA-seq）和免疫组库（TCR/BCR）等多种分析，广泛应用于生命科学研究中，是单细胞测序数据分析的核心工具。

关于cellranger的定量流程，前面已经多次分享了。参考：

在共享服务器运行会遇到的问题

由于我们之前都是在自己的服务器上运行，早期我们教程分享的代码是：

$ cat run-cellranger.sh
bin=/home/data/bylin/cellranger-6.1.2/bin/cellranger
db=/home/data/bylin/refdata-gex-GRCh38-2020-A
ls $bin; ls $db

fq_dir=/home/x9/raw
$bin count --id=$1 \
--localcores=4 \
--transcriptome=$db \
--fastqs=$fq_dir \
--sample=$1   \
--expect-cells=5000

这个只设置了线程的调用，代码本身没有错，但是由于没有限制内存，往往会占用过多的内存。

更有甚者，提交cellranger定量任务的时候，线程和内存均不做限制，任务一提交就会占满服务器线程。如果是在共享服务器使用【共享服务器日常使用限不超过48线程200G内存，资源查看】，很容易影响到别人的使用，从而被系统监控kill掉任务。

如何避免占用过多资源

要想避免cellranger占用过多公共资源，那么首先我们来要来看一下问题的原因：

https://www.10xgenomics.com/support/software/cell-ranger/latest/analysis/running-pipelines/cr-gex-count

https://www.10xgenomics.com/support/software/cell-ranger/latest/getting-started/cr-choosing-how-to-run

从官方文档，我们可以看到，默认情况下，Cell Ranger 会使用所有可用的系统核心和系统90%的内存。这意味着如果不进行特定设置，即便仅提交了一个样本的运行任务，Cell Ranger 也会自动占用服务器中大部分资源，导致资源浪费。所以，如果在共享服务器中运行，必须要设置线程和内存这两个参数：

--localcores     #设置管道一次可以调用的最大核心数。
--localmem   #设置管道一次可以调用的最大内存

建议的代码：

明白了原因，通常我们建议一个样本仅需设置4个线程，内存50G，即可满足绝大部分样本的定量需求。

#! /bin/bash -xe
#
bin=/home/data/username/biosoft/cellranger-8.0.0/bin/cellranger
db=/home/data/username/ref/homo/refdata-gex-GRCh38-2020-A
ls $bin; ls $db

fq_dir=${2}
/usr/bin/time -v $bin count --id=$1 \
--localcores=4 \
--localmem=50 \
--transcriptome=$db \
--fastqs=$fq_dir \
--sample=$1   \
--create-bam=false \
--expect-cells=5000