空转python版【2】：visium空转h5ad数据转化为seurat测试

KS科研分享与服务-TS的美梦

发布于 2025-12-31 18:31:25

1390

上一节介绍了python版visium数据的分析，问题这不随之而来了嘛！在scRNA分析的时候，就有这个需求，现在scRNA的seurat和scanpy两大主要工具的互转已经没有任何阻碍了，而且还有多种方式。参考：https://mp.weixin.qq.com/s/x4HOHNwikvuTCRK4kQRjRA,https://mp.weixin.qq.com/s/mjyYgSSwNejWYciRuQX5MA。空转数据依然有这样的需求，有些分析需要用到R，有些需要用到python，掌握两者的互转那么分析和可视化也就没有太多阻碍了，空转数据与scRNA的不同之处在于有图像信息。这里测试几个工具，方便大家选择，相信后面还会有更多的工具。测试的方法无排名！

加载数据

这个数据是已经读取且完成降维聚类的空转visium data，数据形式是anndata！

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import anndata as ad
import scanpy as sc
import squidpy as sq

adata = sc.read_h5ad('./adata_spatial_endometrium.h5ad')
adata

AnnData object with n_obs × n_vars = 2016 × 15696
    obs: 'in_tissue', 'array_row', 'array_col', 'pxl_row_in_fullres', 'pxl_col_in_fullres', 'n_genes_by_counts', 'log1p_n_genes_by_counts', 'total_counts', 'log1p_total_counts', 'pct_counts_in_top_50_genes', 'pct_counts_in_top_100_genes', 'pct_counts_in_top_200_genes', 'pct_counts_in_top_500_genes', 'total_counts_mt', 'log1p_total_counts_mt', 'pct_counts_mt', 'n_counts', 'clusters'
    var: 'gene_ids', 'feature_types', 'mt', 'n_cells_by_counts', 'mean_counts', 'log1p_mean_counts', 'pct_dropout_by_counts', 'total_counts', 'log1p_total_counts', 'n_cells', 'highly_variable', 'means', 'dispersions', 'dispersions_norm'
    uns: 'clusters', 'clusters_colors', 'dendrogram_clusters', 'hvg', 'log1p', 'neighbors', 'pca', 'rank_genes_groups', 'spatial', 'umap'
    obsm: 'X_pca', 'X_umap', 'spatial'
    varm: 'PCs'
    obsp: 'connectivities', 'distances'

1-schard

schard是一款R包，在scRNA数据转化时演示过（h5ad2seurat函数），使用简单，一句话的事，太贴心了，也支持visium数据的转化(h5ad2seurat_spatial函数）！测试完它，说实话其他的都不想再看了！一如既往的好！ Github:https://github.com/cellgeni/schard

#安装包
devtools::install_github("cellgeni/schard")
library(schard)
library(Seurat)

#转化一句话的事
endometrium_r = schard::h5ad2seurat_spatial('./adata_spatial_endometrium.h5ad')

endometrium_r

An object of class Seurat 
15696 features across 2016 samples within 1 assay 
Active assay: Spatial (15696 features, 0 variable features)
 1 layer present: counts
 2 dimensional reductions calculated: Xpca_, Xumap_
 1 image present: CTR4

head([email protected])[1:5,1:5]

                      orig.ident nCount_Spatial nFeature_Spatial
AAACAAGTATCTCCCA-1 SeuratProject       3759.627             3664
AAACACCAATAACTGC-1 SeuratProject       3386.548             2501
AAACAGAGCGACTCCT-1 SeuratProject       3382.449             2650
AAACAGGGTCTATATT-1 SeuratProject       3500.898             2852
AAACCGGGTAGGTACC-1 SeuratProject       3705.356             3556
                               _index in_tissue
AAACAAGTATCTCCCA-1 AAACAAGTATCTCCCA-1         1
AAACACCAATAACTGC-1 AAACACCAATAACTGC-1         1
AAACAGAGCGACTCCT-1 AAACAGAGCGACTCCT-1         1
AAACAGGGTCTATATT-1 AAACAGGGTCTATATT-1         1
AAACCGGGTAGGTACC-1 AAACCGGGTAGGTACC-1         1

Seurat::SpatialPlot(endometrium_r,features = 'total_counts')

Seurat::SpatialDimPlot(endometrium_r,group.by = 'clusters')

总之，它还是一如既往的又稳又简洁，推荐指数🌟🌟🌟🌟🌟

目前（2025年底）我尚未发现其他可媲美schard的工具了，无论是简洁度还是转化度很多工作在scRNA的转化上没有问题，但是没有涉及到空转数据。所以不再介绍其他工作，即使转化也需要自行添加image，或者额外的操作，没必要这么麻烦。

2-anndataR

anndataR是之前介绍过的h5ad转seurat的包之一，目前更新了。直接一步到位。但是对于空转的h5ad数据，只能转表达矩阵及降维信息，无法转化image信息。在转化seurat没问题的前提下，可以转一下思路，转化之后添加image即可，其他的包也可以进行类似操作。

#安装包
#devtools::install_github("scverse/anndataR")

#先转
adata <- anndataR::read_h5ad("./adata_spatial_endometrium.h5ad", as = "Seurat")

#后添加image
CTR4_img <- Read10X_Image(image.dir = file.path("./CTR4_processed_data/spatial/"), filter.matrix = TRUE)#Load a 10X Genomics Visium Image
CTR4_img <- CTR4_img[Cells(x = adata)]#保留图像中与表达矩阵一致的spot
adata[["CTR4"]] <- CTR4_img

#测试：
Seurat::SpatialPlot(adata,features = 'total_counts')

#测试
Seurat::SpatialDimPlot(adata,group.by = 'clusters')

本文参与腾讯云自媒体同步曝光计划，分享自微信公众号。

原始发表：2025-12-26，如有侵权请联系 [email protected] 删除

数据

本文分享自 KS科研分享与服务微信公众号，前往查看

如有侵权，请联系 [email protected] 删除。

本文参与腾讯云自媒体同步曝光计划，欢迎热爱写作的你一起参与！

登录后参与评论

0 条评论

热度