Seurat-Scanpy互通 | R-Python互通

 

Tips:

Atlas级别的数据，需要做加速处理，比如常见的marker鉴定，不要用seurat默认的函数，非常慢。

presto包的算法复杂度极低，再大的数据基本一分钟内就能出结果。

?

1 2	markers_rna <- presto:::wilcoxauc.Seurat(X = all.colon, group_by = 'Major', assay = 'data', seurat_assay = 'integrated') # markers_motifs <- presto:::wilcoxauc.Seurat(X = seuset.flt, group_by = 'celltype', assay = 'data', seurat_assay = 'chromvar')

 

---

 

单细胞数据分析发展到现在，已经分化为两大阵营，Seurat和Scanpy，一个代表了R，有丰富的多组学package支持，一个代表了Python，为大数据和AI而生，都有其各自独特的优势，不可被取代。

作为资深用户就很烦了，懂一个是不行的，必须两个都用，所以R和Python语言你必须都精通，否则非常影响项目的数据分析进展。

我也是最先接触Python的，但后面就专心与R，他们语法存在一定的混淆和冲突，所以我只能放弃一个。经过整个博士的训练，我自认为已经精通R了，没有任何问题能把我难倒，Debug小王子。

但现在我不得不捡起Python，因为Scanpy是在是不得不用，以下就记录一些Python中对应的R的核心功能，以便实时查阅。

 

Seurat对象转Scanpy对象h5ad

【只能导出一个layer，RNA或者ATAC，好处就是metadata都在】默认是导出scale.data的slot，需要指定一下。

?

1 2 3 4

library(sceasy) library(reticulate) sceasy::convertFormat(seuset.flt.allen.D21, from="seurat", to="anndata", assay = "RNA",                        outFile='keyRdata/seuset.flt.allen.D21.RNA.h5ad')

?

1 2	sceasy::convertFormat(escc.seuset, from="seurat", to="anndata", assay = "RNA", main_layer = "count",                        outFile='escc.seuset_RNA.h5ad')

 

2025年01月13日

issue: no slot of name "meta.features" for this object of class "Assay5"

for seurat v5, run this code to downgrade the assay:
sobj[["RNA"]] <- as(sobj[["RNA"]], "Assay")

参考：https://github.com/cellgeni/sceasy/issues/82

　

Scanpy读取h5ad

?

1	adata_ref = sc.read_h5ad(os.path.join(work_dir, '/home/zz950/projects/ApcKO_multiomics/keyRdata/seuset.flt.allen.D21.RNA.h5ad'))

　　

Seurat读取h5ad【来自Python的】

【不要用SeuratDisk的LoadH5Seurat，就用最原始的anndata，只需要count matrix和metadata即可】

?

1 2 3 4 5

library("Seurat") library("anndata") data <- read_h5ad("Kang_2022_Stomach_Reference.h5ad") stomach.ref <- CreateSeuratObject(counts = t(data$X), meta.data = data$obs) print(str(stomach.ref))

 

Seurat读取h5ad【来自10x的】

?

1 2 3

data <- Read10X_h5("download/Epithelial_Count_matrix.h5") Epithelial_metadata <- read.csv("download/Epithelial_metadata.csv", row.names = 1) Epithe.seuset <- CreateSeuratObject(counts = data, meta.data = Epithelial_metadata)

 

Scanpy的数据结构

?

1 2 3 4

adata.var adata.obs adata.X adata.raw

 

查看原始数据

?

1	pd.DataFrame.sparse.from_spmatrix(gc.X[0:10,0:10])

 

Scanpy基本操作

UMAP改颜色

?

1 2	import matplotlib as mpl sc.pl.umap(adata, color=['Sox9', 'Ly6a', 'Tacstd2'], palette="Set2", color_map=mpl.cm.Reds)

?

1 2	import seaborn as sns blue = sns.color_palette('light:blue', as_cmap = True)

Continuous color schemes are given with the color_map argument, categorical schemes are given with palette. All the scatter plots (scatter, pca, tsne, umap, etc...) share these arguments.　　

 

Scanpy obs metadata操作

• 创建一个新的df
• 变换cellName
• 行或列取子集
• 按行或列合并两个df
• 某一列的字符串split
• 取两个vector交集
• 正则匹配

 

创建一个新的df

?

1 2 3 4 5 6

import pandas as pd ref_df = pd.DataFrame(index=a) ref_df["rawName"] = b # or d = {'col1': [1, 2], 'col2': [3, 4]} df = pd.DataFrame(data=d, index=a)

修改列名

?

1	chromsizes.columns = ["Chromosome", "Start", "End"]

 

按行取子集

?

1	adata = adata[:, var_names]

 

按列取子集

类似seurat和R里的%in%函数，非常常用

?

1	adata_subset = adata[adata.obs['celltype'].isin(['a', 'b'])]

　　

按行合并两个df

类似R里的cbind，按索引合并

?

1	merged_df = adata.obs.merge(ref_anno, left_index=True, right_index=True)

　　

按列拼装两个df

类似R里的rbind

?

1	df1.append(df2)

　　

某一列的字符串split

类似R里的strsplit函数，提取自己需要的信息 【这个python比R的语法简单】

?

1	[i.split("-")[0] for i in adata_ref.obs.index]

　　

取两个vector交集

?

1	var_names = adata_ref.var_names.intersection(adata.var_names)

　　

元素计数，类似R的table函数

pd.value_counts(gene_sets.term)

 

human和mouse基因大小转换

fetal_genes[0].str.upper().values

 

R float的matrix转化为integer

?

1 2 3 4

df_float_to_int <- function(counts){   counts<-apply(counts,2,function(x) {storage.mode(x) <- 'integer'; x})   return(counts) }

　　

参考：

scanpy pipeline： http://localhost:17435/notebooks/projects/MRK60/single-cell-org/Python-visualization.ipynb