🧬 R语言下 Seurat 与 Anndata 的快捷互读

Seurat 是 R 语言中最常用的单细胞分析框架，而 Anndata (.h5ad) 则是 Python 生态下 Scanpy 体系的核心数据格式。跨语言、多模态联合分析场景下，如何快速、安全地在二者之间互相转换，是很多科研人员面临的常见问题。

本文总结了在 R 语言环境下，如何利用 reticulate 和 anndata 包，快速实现：

• 从 Anndata (.h5ad) 读取并转换为 Seurat 对象
• 将 Seurat 对象写出为 .h5ad 格式，便于 Python 环境读取

该方法无需中间文件转换，避免信息丢失，适用于空间转录组、单细胞多组学等多种数据类型。

✅ 1. 读取 .h5ad 文件并转换为 Seurat 对象

以下代码示例演示了如何直接在 R 中读取 .h5ad 文件，并转换为标准 Seurat 对象，同时保留常用降维信息（如 UMAP 坐标、空间坐标）：

pacman::p_load(Seurat, reticulate, anndata, dplyr)
use_condaenv("<your conda env name which deploy Scanpy>", required = TRUE)

{
    adata.obj <- read_h5ad("<your anndata file>.h5ad")
    stRNA.obj <- CreateSeuratObject(counts = t(as.matrix(adata.obj$X)), meta.data = adata.obj$obs)
    
    ### 添加空间与降维信息
    {
        X_umap <- adata.obj$obsm$X_umap
        dimnames(X_umap) <- list(Cells(stRNA.obj), c("umap_1", "umap_2"))
        stRNA.obj[["umap"]] <- CreateDimReducObject(embeddings = X_umap, key = "UMAP_")

        spatial <- adata.obj$obsm$spatial
        dimnames(spatial) <- list(Cells(stRNA.obj), c("spatial_1", "spatial_2"))
        stRNA.obj[["spatial"]] <- CreateDimReducObject(embeddings = spatial, key = "spatial_")
    }
}

### 保存 Seurat 对象
stRNA.obj %>% qs::qsave("<your seurat file>.qs")

✅ 2. 将 Seurat 对象写出为 .h5ad 文件

依赖 scCustomize::as.anndata() 函数，可将 Seurat 对象直接写出为 .h5ad 格式，便于在 Python 端继续分析：

pacman::p_load(Seurat, reticulate, anndata, dplyr)
use_condaenv("<your conda env name which deploy Scanpy>", required = TRUE)

readRDS("<your seurat file>.Rds") %>% 
    scCustomize::as.anndata(x = ., assay = "RNA", 
                            file_path = ".", 
                            file_name = "<your anndata file>.h5ad", 
                            main_layer = "counts", 
                            other_layers = NULL
    )

✅ 3. 总结

该方法通过 reticulate 无缝桥接 Python 与 R 语言，结合 anndata 和 scCustomize 工具，实现了：

• 单细胞数据在 R/Python 生态间的高效、双向互读
• 保留空间信息、降维结果，避免数据丢失
• 支持多模态、空间组学、单细胞多组学等复杂数据结构