R语言：利用rhdf5包分别创建单组学，多组学.h5文件
2024-05-18 02:30:06
最近在跑的方法需要.h5作为输入文件，就学习了一下怎么创建.h5文件，原有数据结构如下：
生成单组学.h5文件的代码如下：
library(rhdf5)
library(dplyr)
library(patchwork)
rna.data <- Read10X(data.dir='Processed_dataset/RNA',gene.column = 1)
atac.data <- Read10X(data.dir='Processed_dataset/ATAC',gene.column = 1)dim(rna.data)
dim(atac.data)
###构建.h5文件
h5createFile("SNARE_cellline_atac.h5")
# Saving matrix information.
h5createGroup("SNARE_cellline_atac.h5","matrix")
h5write(atac.data@Dimnames[[2]] , "SNARE_cellline_atac.h5", "matrix/barcodes")
h5write(atac.data@x, "SNARE_cellline_atac.h5", "matrix/data")
dim(atac.data)
h5createGroup("SNARE_cellline_atac.h5","matrix/features")
h5write("genome", "SNARE_cellline_atac.h5", "matrix/features/_all_tag_keys")
Peaks <- rep("Peaks", length(atac.data@Dimnames[[1]]))
h5write(Peaks,"SNARE_cellline_atac.h5", "matrix/features/feature_type")
Genome <- rep("hg38", length(atac.data@Dimnames[[1]]))
h5write(Genome,"SNARE_cellline_atac.h5", "matrix/features/genome")
h5write(atac.data@Dimnames[[1]],"SNARE_cellline_atac.h5", "matrix/features/id")
h5write(atac.data@Dimnames[[1]],"SNARE_cellline_atac.h5", "matrix/features/name")
h5write(atac.data@i, "SNARE_cellline_atac.h5", "matrix/indices") # already zero-indexed.
h5write(atac.data@p, "SNARE_cellline_atac.h5", "matrix/indptr")
h5write(dim(atac.data), "SNARE_cellline_atac.h5", "matrix/shape")
h5closeAll()
atac_file= H5Fopen("SNARE_cellline_atac.h5")
atac_h5 <- h5dump(atac_file,load=FALSE)
##############################################################################
###构建.h5文件
h5createFile("SNARE_cellline_rna.h5")
# Saving matrix information.
h5createGroup("SNARE_cellline_rna.h5","matrix")
h5write(rna.data@Dimnames[[2]] , "SNARE_cellline_rna.h5", "matrix/barcodes")
h5write(rna.data@x, "SNARE_cellline_rna.h5", "matrix/data")
h5createGroup("SNARE_cellline_rna.h5","matrix/features")
h5write("genome", "SNARE_cellline_rna.h5", "matrix/features/_all_tag_keys")
Genes <- rep("Gene Expression", length(rna.data@Dimnames[[1]]))
h5write(Genes,"SNARE_cellline_rna.h5", "matrix/features/feature_type")
Genome <- rep("hg38", length(rna.data@Dimnames[[1]]))
h5write(Genome,"SNARE_cellline_rna.h5", "matrix/features/genome")
h5write(rna.data@Dimnames[[1]],"SNARE_cellline_rna.h5", "matrix/features/id")
h5write(rna.data@Dimnames[[1]],"SNARE_cellline_rna.h5", "matrix/features/name")
h5write(rna.data@i, "SNARE_cellline_rna.h5", "matrix/indices") # already zero-indexed.
h5write(rna.data@p, "SNARE_cellline_rna.h5", "matrix/indptr")
h5write(dim(rna.data), "SNARE_cellline_rna.h5", "matrix/shape")
h5closeAll()
rna_file= H5Fopen("SNARE_cellline_rna.h5")
rna_h5 <- h5dump(rna_file,load=FALSE)
创建好的.h5文件结构如下，和10X提供的.h5文件结构是一样的
生成多组学.h5文件的代码如下：
library(rhdf5)
library(dplyr)
library(Seurat)
library(patchwork)
library(reticulate)
rna.data <- Read10X(data.dir='Processed_dataset/RNA',gene.column = 1)
atac.data <- Read10X(data.dir='Processed_dataset/ATAC',gene.column = 1)length(rna.data@Dimnames[[2]])
cell_name <- rna.data@Dimnames[[2]]
new_cell_name <- sample(cell_name,size= 0.2*length(rna.data@Dimnames[[2]]))rna.data <- rna.data[,rna.data@Dimnames[[2]] %in% new_cell_name]
atac.data <- atac.data[,atac.data@Dimnames[[2]] %in% new_cell_name]
##########################################################################################
multi.data <- rbind(rna.data,atac.data)
###构建.h5文件
h5createFile("SNARE_cellline_train.h5")
# Saving matrix information.
h5createGroup("SNARE_cellline_train.h5","matrix")
h5write(multi.data@Dimnames[[2]] , "SNARE_cellline_train.h5", "matrix/barcodes")
h5write(multi.data@x, "SNARE_cellline_train.h5", "matrix/data")h5createGroup("SNARE_cellline_train.h5","matrix/features")
key <- c('genome','interval')
h5write(key, "SNARE_cellline_train.h5", "matrix/features/_all_tag_keys")
Genes <- rep('Gene Expression', length(rna.data@Dimnames[[1]]))
Peaks <- rep("Peaks", length(atac.data@Dimnames[[1]]))
Features <- c(Genes,Peaks)
h5write(Features,"SNARE_cellline_train.h5", "matrix/features/feature_type")
Genome <- rep("GRCh38", length(multi.data@Dimnames[[1]]))
h5write(Genome,"SNARE_cellline_train.h5", "matrix/features/genome")
h5write(multi.data@Dimnames[[1]],"SNARE_cellline_train.h5", "matrix/features/id")
# cc <- c()
# h5write(cc,"SNARE_cellline_train.h5", "matrix/features/interval")
h5write(multi.data@Dimnames[[1]],"SNARE_cellline_train.h5", "matrix/features/name")
h5write(multi.data@i, "SNARE_cellline_train.h5", "matrix/indices") # already zero-indexed.
h5write(multi.data@p, "SNARE_cellline_train.h5", "matrix/indptr")
h5write(dim(multi.data), "SNARE_cellline_train.h5", "matrix/shape")
h5closeAll()
multi_file= H5Fopen("SNARE_cellline_train.h5")
multi_h5 <- h5dump(multi_file,load=FALSE)
R语言：利用rhdf5包分别创建单组学，多组学.h5文件相关推荐
- R语言使用forestploter包绘制单组及双组森林图
R语言使用forestploter包绘制单组及双组森林图 您可以使用 forestplot 包绘制单组和双组森林图.该包提供了一个简单的方法来绘制证据汇总图,并可以在一个图中显示多种证据来源的结果. ...
- R语言使用randomForest包构建随机森林模型的步骤和流程、随机森林算法包括抽样样本（观察）和变量来创建大量的决策树（多个树，构成了森林，而且通过样本抽样和变量抽样，让多个树尽量不同）
R语言使用randomForest包中的randomForest函数构建随机森林模型的步骤和流程(Random forests).随机森林算法包括抽样样本(观察)和变量来创建大量的决策树(多个树,构成 ...
- R语言使用fs包的dir_create函数在指定路径下创建新的文件夹、使用file_create函数在指定文件夹下创建文件
R语言使用fs包的dir_create函数在指定路径下创建新的文件夹.使用file_create函数在指定文件夹下创建文件 目录
- R语言使用magick包的image_animate函数和image_morph函数创建一个由n个图像组成的序列，逐渐将一个图像转换成另一个图像（sequence of image morph by)
R语言使用magick包的image_animate函数和image_morph函数创建一个由n个图像组成的序列,逐渐将一个图像转换成另一个图像(Creates a sequence of n ima ...
- R语言使用random包生成随机数或者随机字符串实战：randomNumbers函数创建随机整数的数据集（包含重复项）、randomSequence函数创建不含重复项的随机序列数据集、创建随机字符串
R语言使用random包生成随机数或者随机字符串实战:randomNumbers函数创建随机整数的数据集(包含重复项).randomSequence函数创建不含重复项的随机序列数据集.创建随机字符串 ...
- R语言使用forestplot包绘制森林图：编码创建森林图仿真数据、汇总线修改、元素位置调整、垂直线、字体、风格、置信区间、线型、图例、刻度、标签等
R语言使用forestplot包绘制森林图:编码创建森林图仿真数据.汇总线修改.元素位置调整.垂直线.字体.风格.置信区间.线型.图例.刻度.标签等 目录
- R语言使用compareGroups包compareGroups函数生成表统计表、createTable函数创建二元表、并导出结果到文档（doc、csv、xlsx、pdf）
R语言使用compareGroups包compareGroups函数生成表统计表.createTable函数创建二元表.并导出结果到文档(doc.csv.xlsx.pdf) 目录 R语言使用compa ...
- R语言使用econocharts包创建微观经济或宏观经济图、ptvalue函数可视化前景理论价值函数（Prospect theory value function）
R语言使用econocharts包创建微观经济或宏观经济图.ptvalue函数可视化前景理论价值函数(Prospect theory value function) 目录
- R语言使用econocharts包创建微观经济或宏观经济图：需求曲线、供给曲线、供需曲线、无差异曲线、Laffer曲线、前景理论价值函数曲线、税收图、生产可能性边界线、劳动力供给曲线、计算曲线交叉点等
R语言使用econocharts包创建微观经济或宏观经济图:需求曲线.供给曲线.供需曲线.无差异曲线.Laffer曲线.前景理论价值函数曲线.税收图.生产可能性边界线.劳动力供给曲线.计算曲线交叉点等 ...
最新文章
- [云炬创业基础笔记]第二章创业者测试22
- 记录爬取信用中国，里面的行政许可内容，行政处罚，守信激励的内容，并以excel形式显示
- 数据库面试题【五、索引的优缺点，什么时候使用索引，什么时候不能使用索引】
- oracle导出导入数据库
- 华为无盘服务器,无盘服务器操作系统
- 记录——《C Primer Plus （第五版）》第八章编程练习第四题
- 《MapReduce 2.0源码分析与编程实战》一1.5 看，大象也会跳舞
- 文件i/o函数 open/close
- 未在此计算机上注册ActiveX控件！！！
- 计算机管理找不到防火墙,电脑没有防火墙怎么办
- 微软拼音输入法调整状态栏水平/垂直选项失效解决办法
- JAVA布局管理器导包_在 Java 中，要使用布局管理器，必须导入下列（ ）包。_计算机网络基础答案_学小易找答案...
- foxmail收件箱按照每个人进行划分
- 单字双字三字_单字写法-单字怎么读-双字繁体字怎么写
- JDK8 十大新特性详解
- NX二次开发-NXOPEN C# Part.GetPreviewImage读取prt文件预览图
- 同济大学计算机考研资料汇总
- [有人@你]请查收你的年终总结报告
- Spreadsheet与FineReport数据集对比
- 西安网络教育学院计算机答案,北语网院20秋《计算机基础》作业4题目及答案