小沐同学（AI）|单细胞测序100问(56)

Q：使用AnnData存储单模态数据

A：

完成序列比对和基因注释后，基因组数据通常被总结为一个特征矩阵。这个矩阵的形状是number_observations x number_variables，其中观察值是细胞条形码，变量是注释基因。在分析过程中，这个矩阵的观察值和变量会被注释上计算得出的测量值（例如质量控制指标或潜在空间嵌入）和先验知识（例如源供体或替代基因标识符）。在scverse生态系统中，AnnData将数据矩阵与这些注释关联起来。为了实现快速和内存高效的转换，AnnData还支持稀疏矩阵和部分读取。

虽然AnnData与R生态系统中的数据结构（例如Bioconductor的SummarizedExperiment或Seurat的object）大体相似，但R包使用的是转置的特征矩阵。

AnnData对象的核心是在X中存储稀疏或密集矩阵（scRNA-Seq中的计数矩阵）。这个矩阵的维度是obs_names x var_names，其中obs（观察值）对应于细胞的条形码，var（变量）对应于基因标识符。这个矩阵X被Pandas DataFrames obs和var包含，它们分别保存细胞和基因的注释。此外，AnnData保存了完整的计算矩阵，用于观察值（obsm）或变量（varm），并具有相应的维度。通常将细胞与细胞或基因与基因关联的图形结构保存在obsp和varp中。任何不适合其他slot的非结构化数据都保存在uns中。还可以在layers中存储更多的X值。这样做的用例包括在counts层中存储原始的、未标准化的计数数据，在未命名的默认层中存储标准化数据。

AnnData主要设计用于单模态数据（例如scRNA-Seq）。然而，AnnData的扩展，如MuData，允许高效存储和访问多模态数据。