4 份数据集一览

判断逻辑：先 PBMC 3k 跑通主线（02-06 章用的就是它），再按章节按需下后面三份。不要一开始就把 4 份全下完 — 后三份每份都几十 MB，没用上时占磁盘没意义。

为什么从 PBMC 3k 开始

三个原因：

1. 小。7.3 MB，几秒钟下完，笔记本能跑
2. 是行业基准。Seurat / Scanpy 官方教程都用它，遇到问题去 Stack Overflow 搜，几乎都有现成答案
3. 细胞类型清晰。PBMC 包含 T / B / NK / 单核细胞 / DC 等几个明确类型，聚类后能直接看到结构。这是入门期建立信心的关键

学完 02-06 之后，PBMC 3k 你会摸得很熟。再换其他数据集时就有了一个稳定参考系。

PBMC 3k：下载和读取

数据放进 BioF3 推荐的统一数据目录（参考 数据与环境准备）：

mkdir -p ~/biof3-data/pbmc3k
cd ~/biof3-data/pbmc3k

curl -L -O https://cf.10xgenomics.com/samples/cell-exp/1.1.0/pbmc3k/pbmc3k_filtered_gene_bc_matrices.tar.gz
tar -xzf pbmc3k_filtered_gene_bc_matrices.tar.gz

解压后目录结构：

~/biof3-data/pbmc3k/
└── filtered_gene_bc_matrices/
    └── hg19/
        ├── matrix.mtx
        ├── genes.tsv
        └── barcodes.tsv

Seurat 读取：

library(Seurat)

data_dir <- "~/biof3-data/pbmc3k/filtered_gene_bc_matrices/hg19"
counts <- Read10X(data.dir = data_dir)
pbmc <- CreateSeuratObject(counts = counts, project = "PBMC3K")
pbmc
# 输出: 13714 features across 2700 samples within 1 assay

到这一步：13714 个基因 × 2700 个细胞的稀疏矩阵已经在内存里。02 章会接着这一步往下走。

Scanpy 读取（如果走 Python 路线）：

import scanpy as sc

adata = sc.read_10x_mtx(
    "~/biof3-data/pbmc3k/filtered_gene_bc_matrices/hg19",
    var_names="gene_symbols",
    cache=True,
)
adata
# 输出: AnnData object with n_obs × n_vars = 2700 × 13714

5k PBMC CITE-seq：什么时候用 {#5k-pbmc-cite-seq}

学到 07 多模态数据分析 时再下。它额外有 32 个抗体的蛋白表达（ADT），让你能在同一群细胞里同时看 RNA 和蛋白。

mkdir -p ~/biof3-data/pbmc5k-citeseq
cd ~/biof3-data/pbmc5k-citeseq

curl -L -O https://cf.10xgenomics.com/samples/cell-exp/3.1.0/5k_pbmc_protein_v3_nextgem/5k_pbmc_protein_v3_nextgem_filtered_feature_bc_matrix.tar.gz
tar -xzf 5k_pbmc_protein_v3_nextgem_filtered_feature_bc_matrix.tar.gz

读取（注意 CITE-seq 输出是双 assay 结构）：

library(Seurat)

data_dir <- "~/biof3-data/pbmc5k-citeseq/filtered_feature_bc_matrix"
counts <- Read10X(data.dir = data_dir)

pbmc <- CreateSeuratObject(counts = counts$`Gene Expression`, project = "PBMC5K_CITE")
pbmc[["ADT"]] <- CreateAssayObject(counts = counts$`Antibody Capture`)
pbmc
# 输出: An object of class Seurat
#       ... gene 33538 ... ADT feature 32 ... 5247 cells

Read10X 自动识别两种 feature type，分别读进 RNA 和 ADT 两个 assay。

Seurat v5 用户：可以把 CreateAssayObject 换成 CreateAssay5Object，两者输出兼容，新版有更细粒度的 layer 控制。看你项目的 Seurat 版本。

Visium Breast Cancer：空间转录组

学到 09 空间转录组学 时再下：

mkdir -p ~/biof3-data/visium-breast-cancer
cd ~/biof3-data/visium-breast-cancer

curl -L -O https://cf.10xgenomics.com/samples/spatial-exp/1.1.0/V1_Breast_Cancer_Block_A_Section_1/V1_Breast_Cancer_Block_A_Section_1_filtered_feature_bc_matrix.tar.gz
tar -xzf V1_Breast_Cancer_Block_A_Section_1_filtered_feature_bc_matrix.tar.gz

PBMC scATAC 10k：染色质可及性 {#pbmc-scatac-10k}

学到 10 scATAC-seq 分析 时再下：

mkdir -p ~/biof3-data/pbmc10k-scatac
cd ~/biof3-data/pbmc10k-scatac

curl -L -O https://cf.10xgenomics.com/samples/cell-atac/2.1.0/10k_pbmc_ATACv2_nextgem_Chromium_Controller/10k_pbmc_ATACv2_nextgem_Chromium_Controller_filtered_peak_bc_matrix.h5

注意：scATAC 完整分析还需要 fragments.tsv.gz 和它的 index 文件，10 章会讲。

不下数据也能体验：云平台

如果你只想先看看 BioF3 是什么，不必先配本地环境。云平台已经把 PBMC 3k 跑完一遍存在那儿了，登录后能：

• 浏览已完成的 QC、聚类、注释结果
• 在线点击不同细胞类型，看 marker 基因
• 一键复制图、参数、Methods 段

详见 单细胞云平台使用指南。

常见坑

坑 1：国内直连 10x 服务器超时

10x 的下载链接在境内有时候慢甚至断流。

避免：

• 用 curl -L --retry 5 --retry-delay 5 加重试参数
• 或用 aria2c -x 4 多线程
• 实在不行用国内镜像（不少高校 / 测序公司有 PBMC 3k 镜像）
• 完全不行就用云平台：/single-cell 已经把 PBMC 3k 跑完了

坑 2：解压后路径里多一层 filtered_gene_bc_matrices

PBMC 3k 解压后真实的 matrix 文件在 filtered_gene_bc_matrices/hg19/ 里，不是直接在解压根目录。Read10X 路径要指到 hg19 那一层，否则报"file not found"。

坑 3：Seurat 老教程用 hg19，不是 hg38

PBMC 3k 用的参考是 hg19（2017 年的数据）。别尝试把它跟你自己的 hg38 数据合并 — 基因名兼容但坐标不兼容，下游 region 注释会错。

坑 4：把 4 份数据全下完，磁盘占用 280 MB

新手容易"先全下了不浪费"，结果 90% 用不上。按章节按需下 — 学到 07 再下 CITE-seq，学到 09 再下 Visium。

坑 5：Visium 只下了表达矩阵，画不出空间图

Visium 数据有两个 tar：_filtered_feature_bc_matrix.tar.gz（表达矩阵）和 _spatial.tar.gz（图片 + 坐标）。两个都要才能在切片上画图。第一次下只下了一个会很困惑。

下一步

接着深入：

1. 02 原始数据处理与 Cell Ranger — 想从 FASTQ 走起，了解表达矩阵怎么生成的
2. 03 质量控制、聚类与细胞类型注释 — 直接用刚下的 PBMC 3k 矩阵跑完整分析

绝大多数读者推荐先跳过 02、直接进 03：因为 PBMC 3k 已经是处理好的矩阵，02 章讲的 Cell Ranger 流程对入门期不是必须的。等回头有自己的 FASTQ 时再补 02。

横向延伸：

• 单细胞云平台使用指南 — 不想配环境，想直接看结果时
• 公共数据库与数据检索 — 想找其他公开数据集（不只 10x 这 4 份）时

下载资源

数据来源

• 10x Genomics Datasets
• Seurat PBMC 3k 教程
• Scanpy PBMC 3k 教程