前言，今天剛好在群里看到有人問(wèn)“請(qǐng)問(wèn)10X一個(gè)樣本測(cè)多少個(gè)G比較好”，群主給出了答復(fù)，但是我對(duì)300這個(gè)數(shù)怎么來(lái)的還是不理解，出于好奇心，于是去查了一些資料，最終理清楚了。
問(wèn)題來(lái)源：
正文
首先，需要明確一點(diǎn): 數(shù)據(jù)量大小其實(shí)就是堿基的個(gè)數(shù)。
那么，數(shù)據(jù)量大小的計(jì)算方法是：
1. 單端測(cè)序
數(shù)據(jù)量=reads長(zhǎng)度 * reads個(gè)數(shù) (reads長(zhǎng)度很容易得知，reads個(gè)數(shù)等于測(cè)序所得到的fastq文件的總reads數(shù))
2. 雙端測(cè)序
數(shù)據(jù)量=單端reads長(zhǎng)度 * 單端reads個(gè)數(shù) * 2
通常測(cè)序數(shù)據(jù)量的單位都是用“G"表示，例如1G。需要強(qiáng)調(diào)的是，這里所說(shuō)的G不是說(shuō)測(cè)序文件在硬盤(pán)上的大小為1G，而是表示10億個(gè)堿基。這是如何計(jì)算的呢？
首先，我們需要知道1個(gè)堿基=1 byte ；
其次是，1kb=10^3 byte 1M=10^6 byte 1G=10^9 byte。
所以，1G的數(shù)據(jù)量=10^9=10億個(gè)堿基。
此外，測(cè)序數(shù)據(jù)量還有另外一種表示方式，即cluster。一個(gè)cluster表示一個(gè)DNA片段（對(duì)于RNA-seq，則表示一個(gè)片段化后的RNA分子）。比如說(shuō)某一個(gè)樣本測(cè)序數(shù)據(jù)量為30M 的 cluster。如果采用雙端測(cè)序技術(shù)，每個(gè)cluster從兩端都測(cè)一次，每次測(cè)150bp, 所以就會(huì)得到30M * 2=60M的reads數(shù)，然后reads數(shù)乘以每條read的長(zhǎng)度就是我們最后的測(cè)序數(shù)據(jù)量（堿基數(shù)），即為60M * 150=9G的堿基數(shù)。
我們知道了測(cè)序數(shù)據(jù)量是如何計(jì)算的，那么問(wèn)題來(lái)了，對(duì)于一個(gè)測(cè)序樣本，需要測(cè)多少G 的數(shù)據(jù)量才能滿足實(shí)驗(yàn)要求呢？要回答這個(gè)問(wèn)題，首先要搞清楚幾個(gè)概念。
1.測(cè)序深度（Sequencing depth）：是指測(cè)序得到的堿基總量（bp）與基因組大小的比值，即測(cè)序深度=數(shù)據(jù)量大小 / 參考基因組大小?；蛘呃斫鉃榛蚪M中每個(gè)堿基被測(cè)序到的平均次數(shù)。
2. 測(cè)序覆蓋度（Sequencing coverage）：是指測(cè)序獲得的序列占整個(gè)基因組的比例?；蛘呖梢岳斫鉃榛蚪M上至少被檢測(cè)到1次的區(qū)域（或者是堿基），占整個(gè)基因組的比例。
通常來(lái)說(shuō)，測(cè)序深度與基因組覆蓋度之間是一個(gè)正相關(guān)的關(guān)系，測(cè)序帶來(lái)的錯(cuò)誤率或假陽(yáng)性結(jié)果會(huì)隨著測(cè)序深度的提升而下降。在測(cè)序過(guò)程中，10X的測(cè)序深度就能夠滿足基本的實(shí)驗(yàn)?zāi)康摹?/p>
以上是一些背景知識(shí)，回歸正題，當(dāng)我們想做一個(gè)單細(xì)胞樣本的測(cè)序，該測(cè)多少數(shù)據(jù)量呢？以10X為例。
10X官方有PBMC單細(xì)胞測(cè)試數(shù)據(jù)，4000K細(xì)胞，每個(gè)細(xì)胞平均是50K的reads。
我們一般都在公司測(cè)序，那么公司的人一定會(huì)推薦你每個(gè)樣本是3~8K細(xì)胞，平均每個(gè)細(xì)胞15-50K的reads這樣的測(cè)序策略 。
以上我們就知道了對(duì)于單個(gè)單細(xì)胞樣本，平均每個(gè)細(xì)胞需要測(cè)序的reads數(shù)，即15-50K reads/cell，通常為50K reads/cell。
為了得到總的數(shù)據(jù)量，我們必須還要知道reads長(zhǎng)度，因?yàn)槲覀兊挠?jì)算公式就是
雙端測(cè)序：數(shù)據(jù)量=單端reads長(zhǎng)度 * 單端reads個(gè)數(shù) * 2
為了知道reads長(zhǎng)度，我們就不得不去查一查，10X單細(xì)胞測(cè)序的測(cè)序模式是什么。查閱得知，其測(cè)序模式為PE150。這里的PE150就是指雙端測(cè)序，每條read長(zhǎng)度150bp
那有同學(xué)就肯定會(huì)問(wèn)了，那單端測(cè)序呢，舉例：SE150，即 單端測(cè)序，每條read長(zhǎng)度150bp。
知道了這些，那最開(kāi)始的那個(gè)問(wèn)題就解決啦。
由于做的是10X單個(gè)單細(xì)胞樣本，測(cè)序模式為PE150。單個(gè)細(xì)胞需測(cè)序的reads數(shù)推薦為50K reads/cell，以10,000細(xì)胞為例。
數(shù)據(jù)量=150 * 50 * 1000 * 10000 * 2 = 300 * 50000 * 10000 = 150G
參考：如何估算測(cè)序數(shù)據(jù)量？
說(shuō)清楚你的單細(xì)胞轉(zhuǎn)錄組課題多少個(gè)樣品，測(cè)序數(shù)據(jù)量如何
測(cè)多少數(shù)據(jù)量？幾個(gè)G？多少reads？如何換算？
