单细胞数据类型和数据对象格式

单细胞数据中的数据类型

Count Data（计数数据）

• 原始的测序读数计数，表示每个细胞中每个基因检测到的RNA分子数量
• 通常是整数值，受测序深度和细胞大小等技术因素影响
• 存在较大的细胞间差异，需要标准化处理

Normalized Data（标准化数据）

• 对原始计数数据进行标准化处理后得到的数据
• 常见标准化方法包括：
  • Library size normalization（文库大小标准化）：根据每个细胞的总测序深度进行调整
  • Log-transformation（对数转换）：通常会加上一个伪计数(pseudocount)，如log(counts+1)
  • 其他方法如SCTransform、TPM、FPKM等
• 标准化后的数据可以更好地用于下游分析，如聚类和差异表达分析

单细胞数据对象格式

Seurat对象

• R语言中最流行的单细胞分析工具包
• 包含多个数据矩阵层，如"RNA"层存储基因表达数据
• 主要组成部分：
  • raw counts（原始计数）
  • normalized data（标准化数据）
  • scaled data（缩放数据）
  • metadata（元数据）：包含细胞类型、实验条件等信息
  • dimensionality reduction（降维结果）：如PCA、UMAP、t-SNE等

SingleCellExperiment对象

• Bioconductor生态系统中的一个标准单细胞数据对象
• 基于SummarizedExperiment开发
• 主要组成：
  • assays：存储多种表达数据类型（counts、normalized、logcounts等）
  • colData：细胞的元数据
  • rowData：基因的元数据
  • reducedDims：降维结果
• 与许多Bioconductor工具兼容

AnnData对象

• Python生态系统中的标准单细胞数据格式，由Scanpy开发
• 数据存储在.h5ad文件中
• 主要组成：
  • X：主要表达矩阵
  • obs：细胞注释（相当于元数据）
  • var：基因注释
  • obsm：降维结果
  • layers：可以存储多种数据类型（如原始计数和标准化数据）
• 支持稀疏矩阵存储，对大数据集有优势

这些数据对象提供了标准化的数据结构，便于各种单细胞分析工具的开发和使用。不同平台之间也有转换方法，例如可以将Seurat对象转换为SingleCellExperiment对象或AnnData对象，反之亦然。