4. 数据读取

拿到Visium的原始数据之后，第一件事就是把它们拉进Python环境。

我个人习惯用scanpy，它封装好了Visium数据的专用读取器，一行代码就能把空间转录组的三个核心文件——组织切片图像、斑点坐标、基因表达矩阵——打包成一个对象。这个对象叫AnnData，是单细胞和空间转录组数据的事实标准。

嗯，AnnData长得有点像Pandas DataFrame套了个壳，但多了很多专用槽位。今天我们就把它拆开看个明白。

4.1 从原始目录读取Visium数据

Space Ranger输出的是一个标准文件夹，包含三个文件：

• filtered_feature_bc_matrix.h5（基因表达矩阵）
• spatial/tissue_positions_list.csv（斑点坐标）
• spatial/tissue_hires_image.png（高分辨率组织图像）

Scanpy的read_visium函数能自动识别并加载它们。

<code>import scanpy as sc
adata = sc.read_visium("path/to/Visium_output/outs/")
print(adata)

输出类似这样：

<code>AnnData object with n_obs × n_var = 4992 × 36601
    obs: 'in_tissue', 'array_row', 'array_col'
    var: 'gene_ids', 'feature_types', 'genome'
    uns: 'spatial', 'hires_image', 'lowres_image'
    obsm: 'spatial'

看到 obs、var、uns、obsm 这些字段没有？它们就是 AnnData 的核心骨架。

4.2 AnnData对象结构：一张图讲清楚

AnnData 就像一个有五个抽屉的柜子。每个抽屉放不同类型的数据。下图是我画的简化结构：

4.3 逐个拆解AnnData的“抽屉”

下面我用一个表格帮你快速对照每个字段的用途：

你看，.obs 和 .var 用的是 Pandas DataFrame，可以像操作表格一样筛选、添加列。我一个项目里，需要在 .obs 里加一列“区域编号”，直接写 adata.obs['region'] = ['A1', 'A2', ...] 就搞定。

4.4 实际操作：读取后检查内容

假设你已经用 sc.read_visium 载入了数据，接下来我习惯先看三样东西：

<code># 1. 看obs的前几行
print(adata.obs.head())

# 2. 看var的前几行（一般只显示基因名）
print(adata.var.head())

# 3. 看uns的keys
print(adata.uns.keys())

输出类似：

<code>           in_tissue  array_row  array_col
barcode_1       True         0         0
barcode_2       True         0         1
...

           gene_ids feature_types  genome
gene_A    ENSG...    Gene Expression  GRCh38
...

dict_keys(['spatial', 'hires_image', 'lowres_image', 'spatial_neighbors'])

看到 uns['spatial'] 里存的就是图像缩放信息，obsm['spatial'] 里是每个斑点的像素坐标（Y轴已经翻转好，可以直接用）。

4.5 我个人避坑经验

有一次我帮同事调试，他读完数据后adata里面obs是空的，怎么看都少列。排查半天发现是他拷贝数据时把spatial/子目录漏了。read_visium依赖这个子目录里的CSV文件。缺了这个，obs里就只有默认索引。

另外，如果内存不太宽裕，建议读取后马上检查adata.X的稀疏矩阵类型。默认是csr_matrix，占内存小。但如果你误用了.toarray()，分分钟爆内存。我遇到过一个52G内存的服务器，toarray()后直接OOM。