最近越来越多的分析需要用到loom文件，其中主要是python的数据分析以及RNA速率分析的时候，格式之间的转化需要我们分析一下，这里分享给大家R及python对于loom文件的操作

R语言读取loom文件

读取loom文件的软件主要是RNA速率分析的软件velocyto.R

不过这里注意R语言读取loom需要hdf5r，比较难装，大家可以多研究一下,这里提供一个例子

hdf5r安装

###安装hdf5r

curl -O https://support.hdfgroup.org/ftp/HDF5/releases/hdf5-1.10/hdf5-1.10.1/src/hdf5-1.10.1.tar

cd hdf5-1.10.1

./configure

make -j4

make check

make install

library(velocyto.R)

data

R语言创建loom文件

rds转换成loom

library(SCopeLoomR)

library(Seurat)

#creat directory

if (!dir.exists(paste0(outdir,'/input'))){

dir.create(paste0(outdir,'/input'))

}

data1

barcode

#seurat3_nonsingle and single

data2

m

data3

#build_loom

setwd(paste0(outdir,'/input'))

build_loom(file.name="original.loom",dgem=data3)

R语言独自创建loom文件,同样是R包SCopeLoomR

library(SCopeLoomR)

看一下函数build_loom

参数:

file.name: A string naming the .loom file to be generated.创建loom 的名称

dgem: A matrix of the gene expression with M genes as rows and N cells as columns. 矩阵文件

title: A short description of content of loom. loom文件的描述

genome: The genome used for the mapping. 人或者小鼠

default.embedding: A M-by-2 data.frame of the embedding (X and Y coordinates) of the cells.坐标文件

default.embedding.name: A description name for the given default.embedding

##参数足够用了

添加信息的时候：

loom

add_hierarchy(loom = loom, hierarchy = create_hierarchy(level.1.name = "Mouse", level.2.name = "Toy Datasets", level.3.name = ""))

add_col_attr(loom=loom, key = "Cell type", value=cell.info$cellType, as.annotation=T)

###添加seurat的信息

seurat.annotation

add_seurat_clustering(loom = loom

, seurat = seurat

, default.clustering.resolution = "res.2"

, annotation = seurat.annotation

, annotation.cluster.id.cn = "res.2"

, annotation.cluster.description.cn = "Annotation")

可见这个包专门为单细胞数据分析而生

记住一点，维度必须相同

python读取loom文件

python读取loom主要是pyscenic和scanpy的需要

import scanpy as sc

data = scanpy.read_loom('brain10x.loom', sparse=True),一般读取就可以

sparse参数指的是 是否读取稀疏数据矩阵

import loompy as lp

lf = lp.connect(f_pyscenic_output, mode='r+', validate=False )

##关闭

lf.close()

python创建loom文件

import loompy as lp

row_attrs = {

"Gene": np.array(adata.var_names) ,

}

col_attrs = {

"CellID": np.array(adata.obs_names) ,

"nGene": np.array( np.sum(adata.X.transpose()>0 , axis=0)).flatten() ,

"nUMI": np.array( np.sum(adata.X.transpose() , axis=0)).flatten() ,

}

lp.create(sample + '.loom', adata.X.transpose(), row_attrs, col_attrs)

##这个地方与R相似，但是python更好用一点

希望大家保持学习的态度，请保持愤怒，让王多鱼倾家荡产