TraCeR 使用教程

1. 项目介绍

TraCeR 是一个开源工具，用于从单细胞 RNA-seq 数据中重建 T 细胞受体序列。它能够识别出具有相同受体序列的细胞，从而推断它们源自同一个克隆性扩展细胞。TraCeR 可用于研究感染过程中的 T 细胞群体。

2. 项目快速启动

安装依赖

TraCeR 需要以下工具和 Python 模块：

• Bowtie2
• Trinity
• IgBLAST
• makeblastdb (可选)
• Kallisto 或 Salmon
• Graphviz (可选)

使用以下命令安装 Python 依赖：

pip install -r requirements.txt

配置文件

TraCeR 使用配置文件来指定工具路径和其他选项。复制示例配置文件 tracer.conf 到 ~/.tracerrc 并编辑，确保以下路径指向正确的工具执行文件：

[tool_locations]
bowtie2_path = /path/to/bowtie2
bowtie2-build_path = /path/to/bowtie2-build
igblast_path = /path/to/igblastn
makeblastdb_path = /path/to/makeblastdb
kallisto_path = /path/to/kallisto
salmon_path = /path/to/salmon
trinity_path = /path/to/trinity
dot_path = /path/to/dot
neato_path = /path/to/neato

运行 TraCeR

运行 TraCeR 命令：

python tracer

或者使用配置文件：

python tracer -c /path/to/tracer.conf

3. 应用案例和最佳实践

以下是一个简单的应用案例：

1. 准备单细胞 RNA-seq 数据。
2. 使用 Bowtie2 将读段与合成的 TCR 基因组对齐。
3. 使用 Trinity 将对齐的读段组装成 TCR 转录本。
4. 使用 IgBLAST 分析组装的转录本。
5. 使用 Kallisto 或 Salmon 定量 TCR 表达。

4. 典型生态项目

TraCeR 可以与以下生态系统项目结合使用：

• Bioconductor：用于生物信息学分析的软件包和工具。
• Scanpy：用于单细胞分析的 Python 库。
• Seurat：用于单细胞 RNA-seq 数据分析的 R 包。

通过整合这些工具，研究人员可以更全面地分析单细胞数据，并深入理解 T 细胞受体的多样性和克隆性扩展。