数据存储格式——Anndata

一、AnnData

1.AnnData 介绍与结构

AnnData 是用于存储数据的对象，一般作为 scanpy 的数据存储格式。

使用前事先按照scanpy库

pip install scanpy

anndata 是一个 Python 软件包，用于处理内存和磁盘中的注释数据矩阵，介于 pandas 和 xarray 之间。anndata 提供了大量高效的计算功能，包括 sparse data support, lazy operations, and a PyTorch interface.

1.1 数据结构： Anndata 是一个表格式的数据结构，类似于数据帧（DataFrame），但专门用于高维生物数据。它包括以下主要组件：

• X（数据矩阵）： 存储单细胞数据的核心矩阵，通常是一个二维数组，其中行表示细胞，列表示特征（基因或其他测量值）。
• obs（观测信息）： 包括每个细胞的元信息，如样本名称、细胞类型、质量信息等。obs 是一个观测特征的字典。
• var（变量信息）： 包括每个特征（基因）的元信息，如基因名、功能注释等。var 是一个变量特征的字典。
• layers（层）： 可以存储其他数据层，如归一化后的数据或差异表达分析的结果。
• uns（未排序的数据）： 用于存储其他未排序的数据和元信息

1.2 创建 Anndata 对象： 可以使用 Anndata 构造函数创建一个 Anndata 对象。

import anndata as ad
adata = ad.AnnData(X=data_matrix, obs=obs_info, var=var_info)

1.3 数据操作： Anndata 允许您执行多种数据操作，包括切片、过滤、转置、连接数据、添加元信息等。

# 切片数据
subset_data = adata[:, list_of_genes]

# 过滤细胞
adata = adata[adata.obs['quality'] > 0.9]

# 转置数据
adata_T = adata.T

1.4 数据可视化： Anndata 可以与 scanpy 或其他可视化工具结合使用，以可视化数据、绘制UMAP、t-SNE图等。

import scanpy as sc
sc.tl.pca(adata)
sc.pl.umap(adata, color='cell_type')

1.5 数据存储： Anndata 可以将数据存储为HDF5文件，以便将数据持久化和共享。

adata.write('my_data.h5ad')

1.6 高维数据处理： Anndata 不仅适用于单细胞RNA测序数据，还适用于其他高维生物数据，如蛋白质质谱数据、多组学数据等。

	功能	数据类型
adata.X	矩阵信息	numpy,scipy scarse,matrix
adata.obs	细胞信息（观测量）	pandas dataframe
adata.var	基因信息（特征量）	pandaframe
adata.uns	非结构信息	dict 有序字典

Single Cell Visualizations — CellGenIT Docs 2023.300 documentation