AnnData是python中存储单细胞数据的一种格式

1. AnnData数据结构：

主要包含四个slots：

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 metadata。

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

AnnData object with n_obs × n_vars = 6050 × 32285

    obs: 'in_tissue', 'array_row', 'array_col', 'gender', 'age', 'tissue', 'Strain', 'n_genes_by_counts', 'log1p_n_genes_by_counts', 'total_counts', 'log1p_total_counts', 'pct_counts_in_top_50_genes', 'pct_counts_in_top_100_genes', 'pct_counts_in_top_200_genes', 'pct_counts_in_top_500_genes', 'total_counts_mt', 'log1p_total_counts_mt', 'pct_counts_mt', 'n_counts', 'n_genes'
    var: 'highly_variable', 'means', 'dispersions', 'dispersions_norm'
    uns: 'spatial', 'log1p', 'hvg', 'pca', 'neighbors', 'umap', 'tsne', 'tissue_colors'
    obsm: 'spatial', 'X_pca', 'X_umap', 'X_tsne'
    varm: 'PCs'
    obsp: 'distances', 'connectivities'

AnnData 解释

1. obs

• 含义 : 存储每个观测样本（通常是spot/细胞）的metadata信息。
• 示例内容 :
  • 'in_tissue': 表示细胞是否属于组织的一部分（布尔值或其他标签）。
  • 'array_row', 'array_col': 表示细胞在空间阵列中的位置（行和列索引），通常用于空间转录组学数据。
• 用途 : 这些信息是对每个细胞的描述性特征，可以用于分组、过滤或可视化。

2. uns

• 含义 : 存储未结构化的metadata信息，通常是与整个数据集相关的全局信息，运行参数等
• 示例内容 :
  • 'hvg': 高变基因（Highly Variable Genes）的相关信息，可能是一个列表或字典。
  • 'spatial': 空间转录组学相关的全局信息，例如图像数据或空间坐标系的参考。
  • 'tsne', 'umap': t-SNE 和 UMAP 的参数或配置信息，可能包括降维算法的超参数。
• 用途 : 这些信息通常是对数据集的整体描述，而不是针对单个细胞或基因。

3. obsm

• 含义 : 存储每个spot/细胞 的多维信息（multi-dimensional embeddings）。
• 示例内容 :
  • 'X_pca': PCA 降维后的结果，形状为 (n_cells, n_components)。
  • 'X_tsne': t-SNE 降维后的结果，形状为 (n_cells, 2) 或 (n_cells, 3)。
  • 'X_umap': UMAP 降维后的结果，形状为 (n_cells, 2) 或 (n_cells, 3)。
  • 'spatial': 空间转录组学中细胞的空间坐标，形状为 (n_cells, 2) 或 (n_cells, 3)。
• 用途 : 这些嵌入用于可视化或进一步分析，例如聚类、轨迹推断等。

4. varm

• 含义 : 存储每个基因 的多维信息。
• 示例内容 :
  • 'PCs': 主成分分析（PCA）中每个基因的主成分载荷（loadings），形状为 (n_genes, n_components)。
• 用途 : 这些信息通常用于解释基因在降维空间中的贡献。

5. layers

• 含义 : 存储不同类型的表达矩阵（expression matrices）。
• 示例内容 :
  • 'counts': 原始计数矩阵（raw counts），表示每个基因在每个细胞中的表达量。
  • 'data': 经过预处理的表达矩阵（normalized 或 log-transformed 数据）。
• 用途 : 不同的层允许用户在同一 AnnData 对象中存储和切换不同的数据表示形式。

6. obsp

• 含义 : 存储spot/细胞 的成对关系（pairwise relationships）。
• 示例内容 :
  • 'connectivities': 细胞之间的连接性矩阵，通常基于 k-最近邻图（kNN graph）构建。
  • 'distances': 细胞之间的距离矩阵，通常用于构建 kNN 图。
• 用途 : 这些矩阵用于聚类分析、轨迹推断等任务。

总结

以下是对各字段的简要总结：

这些字段共同构成了一个完整的 AnnData 对象，使得用户可以在同一个对象中存储、操作和分析单细胞数据的不同方面。

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')