источник проблемы

Объекты AnnData (в Python) и объекты Seurat (в R) являются основными структурами данных в двух очень популярных платформах анализа данных секвенирования одноклеточной РНК.

Существует множество инструментов, которые могут завершить преобразование объектов adata и seurat объектов Python в R. Однако во многих случаях, когда мы используем для преобразования пакет R, предоставленный другими, преобразование завершается неудачно даже с пакетом преобразования R, который поставляется в комплекте. Сёра иногда сообщает об ошибке.

Причина неудачного преобразования

Версия несовместима：SeuratилиAnnData的不同版本可能会引入新的功能или更改数据存储方式,Это приводит к тому, что инструмент преобразования не может правильно обрабатывать файлы в последних или более старых форматах.

Потерянные метаданные：Инструменты преобразования могут ожидать присутствия определенной информации метаданных в исходных файлах.。如果这些信息缺失или格式不正确,Процесс преобразования может завершиться неудачно.

Неподдерживаемый тип данных：某些特定的数据类型или结构可能在一个框架中有良好的支持,В других рамках это не так. Например,Seurat и AnnData могут различаться при работе с разреженными матрицами или сложной информацией о популяции клеток.

дефекты программного обеспечения：Все программное обеспечение может существоватьbug,Даже широко используемые и протестированные пакеты программного обеспечения не являются исключением. Некоторые проблемы с преобразованием могут быть вызваны необнаруженными или неисправленными ошибками в программном обеспечении.

универсальное решение

Будь то R или Python, единственная разница — это структура хранения данных. Но сами данные не меняются.

• Первый шаг — экспортировать основные данные аннаданных в Python.

#Экспорт импорта данных в Python scipy.sparse as sparseimport scipy.io as sioimport scipy.stats as statsimport numpy as npimport scanpy as scimport os​all_data=sc.read_h5ad("./fibroblast.h5ad")​cellinfo=all_data.obsgeneinfo=all_data.varmtx=all_data.X.T​​cellinfo.to_csv("cellinfo.csv")geneinfo.to_csv("geneinfo. csv")sio.mmwrite("sparse_matrix.mtx",mtx)!pwd

• Второй шаг — прочитать экспортированные данные в R и создать объект seurat.

cellinfo=read.csv("/home/data/t040413/heart_muscle/item1_NF_DCM_HCM/fibroblast/cellinfo.csv",row.names = "X")head(cellinfo)​geneinfo=read.csv("/home/data/t040413/heart_muscle/item1_NF_DCM_HCM/fibroblast/geneinfo.csv",row.names = "X");head(geneinfo)#geneinfo=geneinfo[,c(2,3)]head(geneinfo)​# counts=ReadMtx(mtx = "./sparse_matrix.mtx",#                cells = "./cellinfo.csv",#                features = "./geneinfo.csv")​counts=Matrix::readMM(file = "/home/data/t040413/heart_muscle/item1_NF_DCM_HCM/fibroblast/sparse_matrix.mtx")head(counts)[,1:9]dim(counts)rownames(counts)=rownames(geneinfo)colnames(counts)=rownames(cellinfo)library(Seurat)​​All.merge=CreateSeuratObject(counts = counts,project = "All.merge",meta.data = cellinfo)dim(All.merge)