R-seurat

1. Seurat对象的整体结构

Seurat对象主要包含以下几大组件：

• Assays：存储表达矩阵和相关的数据（如空间转录组数据，通常为"Spatial"）。

• Meta data：样本、细胞、或者空间spot级别的元数据。

• Dimensional Reductions：PCA、UMAP、tSNE等降维分析的结果。

• Images：空间转录组中特有的组件，存储组织图像信息和空间坐标。

2. 典型结构:10x Visium

SeuratObject
├── assays
│   └── Spatial（默认）
│       ├── counts：原始计数矩阵
│       ├── data：标准化表达矩阵（log normalized）
│       └── scale.data：经过缩放的表达数据（比如scale之后）
├── meta.data
│   └── 空间spot相关信息（细胞类型、样本条件等）
├── reductions
│   ├── pca：主成分分析结果
│   └── umap/tSNE：降维可视化结果
└── images
    └── slice1（空间图像信息）
        ├── coordinates：空间坐标数据（x, y位置）
        ├── image：组织的原始切片图像
        ├── scale factors：图像与空间坐标之间的尺度因子
        └── spot radius：空间spots的半径

3. 访问Seurat对象内容的示例代码

library(Seurat)

# 假设数据对象名为obj
# 查看Seurat对象结构
str(obj)

# 提取空间坐标
coords <- GetTissueCoordinates(obj)

# 提取表达矩阵
expr_matrix <- GetAssayData(obj, slot = "data", assay = "Spatial")

# 提取空间图片
image <- obj@images$slice1@image

Python环境(scanpy/Squidpy)

1.AnnData对象的整体结构

AnnData对象
├── X：主表达矩阵（通常为基因表达）
├── obs：观测单元元数据（细胞或spot的元信息）
├── var：基因层面的信息
├── uns：非结构化数据（通常存储如图像、空间坐标元数据）
├── obsm：观测单元的多维信息（如PCA、空间坐标）
├── layers：可选项，存储多个版本的表达数据（如raw counts、normalized数据）
└── obsp/varp：可选，存储pairwise关系数据（如空间邻域图）

2. 空间转录组的典型结构

以10x Visium数据为例：

• 表达数据（counts或normalized）保存在X或layers中。

• 空间坐标一般放置在obsm['spatial']中。

• 组织图像以及尺度因子、空间信息常位于uns中，如uns['spatial']中。

AnnData object
├── X (spots × genes)：表达矩阵
├── obs：spot级别的元数据（如细胞簇、样本组别）
├── var：基因的元信息
├── uns
│   └── spatial
│       └── sample1
│           ├── images：组织图片（高、低分辨率）
│           └── scalefactors：尺度信息（用于坐标与图片对应）
├── obsm
│   └── spatial：空间坐标 (spots × 2，x, y)
└── layers（可选）
    ├── counts：原始计数
    └── normalized：归一化后的表达数据

3. 访问示例代码

import scanpy as sc
import squidpy as sq

# 加载数据
adata = sq.datasets.visium_hne_adata()

# 查看结构
print(adata)

# 获取表达矩阵
expr_matrix = adata.X  # 或 adata.layers['counts']

# 获取空间坐标
coords = adata.obsm['spatial']

# 获取组织图片
image = adata.uns['spatial']['V1_Human_Lymph_Node']['images']['hires']

Seurat 对象和AnnData对象结构的差异总结

两者数据结构互相转化

library(SeuratDisk)

SaveH5Seurat(obj, filename = "data.h5Seurat")
Convert("data.h5Seurat", dest = "h5ad")

Matrix Market Exchange Format （MEX） 格式对应关系

一般数据结构是：

├── matrix.mtx
├── features.tsv（或features.tsv.gz）
├── barcodes.tsv（或barcodes.tsv.gz）
└── spatial/
    ├── tissue_positions_list.csv（或tissue_positions.csv）
    ├── tissue_lowres_image.png
    ├── tissue_hires_image.png
    └── scalefactors_json.json

R中

Python

对比