生信单细胞数据 rds mtx转换成h5ad格式从 NCBI 下载单细胞数据及格式转换记录在 NCBI 上下载的单细胞

从 NCBI 下载单细胞数据及格式转换记录

在 NCBI 上下载的单细胞数据常见格式：

h5ad：Python scanpy 可以直接读取
rds：R Seurat/SingleCellExperiment 对象，Python 直接读有困难
mtx：Matrix Market 格式，Python 可以直接读取，结合元信息可组合成 h5ad

1. mtx 格式

可以直接用 Python 读取，例如：

import scanpy as sc
import scipy.io

# 读取 mtx 文件
matrix = scipy.io.mmread("matrix.mtx").T  # 转置为细胞 x 基因
# 加上基因和细胞元信息
import pandas as pd
genes = pd.read_csv("genes.tsv", header=None, sep="\t")
cells = pd.read_csv("barcodes.tsv", header=None, sep="\t")

import anndata
adata = anndata.AnnData(X=matrix.toarray(), var=genes, obs=cells)

完整组合后可以保存为 h5ad 方便后续分析：

adata.write_h5ad("data.h5ad")

2. rds 格式

Python 不一定能直接读取 R 的 rds 文件

推荐 用 R 转换成 h5ad，步骤如下：

2.1 安装依赖包

if (!requireNamespace("BiocManager", quietly = TRUE))
    install.packages("BiocManager")

BiocManager::install("SingleCellExperiment")
BiocManager::install("HDF5Array")
BiocManager::install("zellkonverter")

# Seurat 包
install.packages("Seurat")
install.packages("SeuratDisk")

2.2 读取 rds 并转换

library(Seurat)
library(SeuratDisk)
library(zellkonverter)

rds_path <- "/xxx/xxx.rds"
h5ad_path <- "/xxx/xxx.h5ad"

# 读取 rds
obj <- readRDS(rds_path)

# 转成 SingleCellExperiment 对象
sce <- as.SingleCellExperiment(obj)

# 保存为 h5ad
writeH5AD(sce, h5ad_path)

2.3 错误处理：R 内存限制

R 默认内存限制较小，可能读大 rds 报错

可以解锁限制：

install.packages('usethis')
library(usethis)

usethis::edit_r_environ()

打开后，在文件里粘贴：

R_MAX_VSIZE=100Gb

保存并重启 R，即可增加可用内存。

3. 总结

文件格式	Python 可读性	转换方法
h5ad	✅ 直接读取	-
mtx	✅ 可读取 + 元信息组合	可生成 h5ad
rds	❌ 不能直接读取	用 R + zellkonverter 转 h5ad