单细胞转录组数据格式转换全攻略：h5ad、rds与mtx

1. 单细胞数据格式转换背景解析

在单细胞转录组分析领域，数据格式的兼容性问题一直是困扰研究人员的常见痛点。作为一名长期从事生物信息分析的从业者，我经常需要处理来自不同来源的单细胞数据，其中NCBI GEO数据库是最常用的公共数据来源之一。这些数据通常以三种主流格式存储：h5ad、rds和mtx。

h5ad格式是Python生态中scanpy等工具链的"原生"格式，而rds则是R语言Seurat包的标准存储格式。这种生态割裂导致跨平台分析时经常需要格式转换。根据我的经验，约70%的单细胞数据分析项目都会遇到格式转换的需求，特别是在需要整合多个数据集或使用不同分析工具时。

重要提示：虽然Python可以直接读取mtx格式，但完整的单细胞数据还需要包含基因和细胞注释信息，这些通常分散在多个文件中，需要手动整合。

2. 三种单细胞数据格式深度解析

2.1 h5ad格式详解

h5ad是基于HDF5的AnnData对象存储格式，具有以下核心优势：

• 支持稀疏矩阵存储，节省磁盘空间
• 内置分层结构存储观测(obs)和变量(var)注释
• 兼容Python生态中的scanpy、scvi-tools等主流分析工具

在scanpy中读取h5ad文件仅需一行代码：

python复制import scanpy as sc
adata = sc.read_h5ad("your_data.h5ad")

2.2 mtx格式处理全流程

Matrix Market格式(mtx)通常包含三个关键文件：

1. matrix.mtx - 表达矩阵(基因×细胞)
2. genes.tsv/features.tsv - 基因注释
3. barcodes.tsv - 细胞条形码

完整转换流程如下：

python复制import scanpy as sc
import scipy.io
import pandas as pd
from anndata import AnnData

# 读取矩阵文件(注意需要转置)
matrix = scipy.io.mmread("matrix.mtx").tocsr().T  # 转换为细胞×基因的稀疏矩阵

# 读取基因和细胞注释
genes = pd.read_csv("genes.tsv",