https://www.nature.com/articles/s41467-024-50281-5

#系统报错改为英文Sys.setenv(LANGUAGE = "en")##禁止转化为因子options(stringsAsFactors = FALSE)##清空环境rm(list=ls())library(dplyr)library(Matrix)library(reshape2)library(ggplot2)library(ggrepel) #用于注释文本library(magrittr)library(Seurat)library(tidyverse)setwd("E:\\peixun/super.lesson\\s8/")load("anno.scRNA_harmony.rdata")setwd("E:\\peixun/super.lesson\\s8/data/")

## 可视化umap图DimPlot(scRNA_harmony,label = T)

## 预设 cluster 颜色huage_seurat_to_adata <- function(    object,                      # Seurat 对象    dimred = c("UMAP", "TSNE"),  # 降维方式（单选）    assay  = "RNA",              # 使用的 assay 名    slot   = "counts",           # 使用的表达矩阵 slot（一般是 counts）    path   = "./"                # 文件保存路径（目录）) {  # 1. 参数检查与标准化 ---------------------------------------------  if(!inherits(object, "Seurat")) {    stop("`object` 必须是一个 Seurat 对象。")  }  dimred <- match.arg(dimred)       # 只允许 "UMAP" 或 "TSNE"  dimred_lower <- tolower(dimred)   # 对应 reductions 名：umap / tsne  if(!assay %in% Assays(object)) {    stop(paste0("assay '", assay, "' 不在 Seurat 对象中。可用 assay: ",                paste(Assays(object), collapse = ", ")))  }  if(!dir.exists(path)) {    dir.create(path, recursive = TRUE)  }  # 确保 path 末尾有 /  if(!grepl("/$", path)) {    path <- paste0(path, "/")  }  # 2. 准备 meta.data ---------------------------------------------  seurat_obj <- object  seurat_obj$barcode <- colnames(seurat_obj)  meta_df <- seurat_obj@meta.data  # 添加降维坐标到 meta.data  red_name <- dimred_lower  # "umap" 或 "tsne"  if(!red_name %in% names(seurat_obj@reductions)) {    stop(paste0("Seurat 对象中没有 '", dimred, "' 降维结果 (reductions$", red_name, ")。"))  }  cell.embeddings <- seurat_obj@reductions[[red_name]]@cell.embeddings  if(dimred == "UMAP") {    meta_df$UMAP_1 <- cell.embeddings[, 1]    meta_df$UMAP_2 <- cell.embeddings[, 2]  } else if (dimred == "TSNE") {    meta_df$TSNE_1 <- cell.embeddings[, 1]    meta_df$TSNE_2 <- cell.embeddings[, 2]  }  # 3. 保存 meta.data ---------------------------------------------  write.csv(    meta_df,    file      = file.path(path, "metadata.csv"),    quote     = FALSE,    row.names = FALSE  )  # 4. 保存表达矩阵（counts.mtx） ---------------------------------  counts_matrix <- GetAssayData(seurat_obj, assay = assay, slot = slot)  # 如果不是稀疏矩阵，转换一下，节省空间  if(!inherits(counts_matrix, "dgCMatrix")) {    counts_matrix <- as(counts_matrix, "dgCMatrix")  }  writeMM(    counts_matrix,    file = file.path(path, "counts.mtx")  )  # 5. 保存 PCA 信息 ----------------------------------------------  if(!"pca" %in% names(seurat_obj@reductions)) {    warning("Seurat 对象中没有 PCA 降维结果 (reductions$pca)，将跳过 pca.csv。")  } else {    pca_embed <- seurat_obj@reductions$pca@cell.embeddings    write.csv(      pca_embed,      file      = file.path(path, "pca.csv"),      quote     = FALSE,      row.names = FALSE    )  }  # 6. 保存 gene 名称 ---------------------------------------------  gene_names <- rownames(counts_matrix)  write.table(    data.frame(gene = gene_names),    file      = file.path(path, "gene_names.csv"),    quote     = FALSE,    row.names = FALSE,    col.names = FALSE  )  message("✅ seurat_to_adata 完成，文件已保存到: ", normalizePath(path))  invisible(path)}

huage_seurat_to_adata(  scRNA_harmony,  dimred = "UMAP",  assay  = "RNA",  slot   = "counts",  path   = "./")

import pandas as pdimport numpy as npimport scanpy as scimport anndatafrom scipy import iofrom scipy.sparse import coo_matrix, csr_matriximport osos.chdir("E:/peixun\\super.lesson\\s8\\data")sc.settings.verbosity = 0         sc.logging.print_versions()sc.settings.set_figure_params(dpi=80, facecolor='white')

def huage_seurat_to_adata(    counts,          # R 中导出的 counts.mtx    meta,            # R 中导出的 metadata.csv    gene_name,       # R 中导出的 gene_names.csv 或 txt    pca,             # R 中导出的 pca.csv    obsm="X_umap",   # 存到 adata.obsm 的键名，比如 "X_umap" 或 "X_tsne"    reduction1="UMAP_1",  # TSNE_1 或 UMAP_1    reduction2="UMAP_2",  # TSNE_2 或 UMAP_2):    """    将 Seurat 导出的 mtx + metadata + gene_names + pca 转成 AnnData 对象。    Parameters    ----------    counts : str or Path        counts.mtx 的路径（基因 x 细胞）。    meta : str or Path        metadata.csv 的路径，至少包含 'barcode' 列。    gene_name : str or Path        基因名文件路径（csv/txt，假定第一列是基因名）。    pca : str or Path        PCA 文件路径（细胞 x PC），行顺序与 metadata 一致。    obsm : str        嵌入存入 adata.obsm 的键名，比如 "X_umap" 或 "X_tsne"。    reduction1 : str        metadata 中低维坐标的第一维列名（如 "UMAP_1" 或 "TSNE_1"）。    reduction2 : str        metadata 中低维坐标的第二维列名（如 "UMAP_2" 或 "TSNE_2"）。    Returns    -------    adata : anndata.AnnData    """    # 加载表达矩阵    X = io.mmread(counts)    # 创建anndata    adata = anndata.AnnData(X=X.transpose().tocsr())    cell_meta = pd.read_csv(meta)#metadata    with open(gene_name, 'r') as f:gene_names = f.read().splitlines()    adata.obs = cell_meta    adata.obs.index = adata.obs['barcode']    adata.var.index = gene_names    pca = pd.read_csv(pca)    pca.index = adata.obs.index    adata.obsm['X_pca'] = pca.to_numpy()    adata.obsm[obsm] = np.vstack((adata.obs[reduction1].to_numpy(), adata.obs[reduction2].to_numpy())).T    return adata

## 预设 cluster 颜色sc_adata=huage_seurat_to_adata(counts='./counts.mtx',                        meta='./metadata.csv',                        gene_name='./gene_names.csv',                        pca='./pca.csv',                        obsm='X_umap',                        reduction1='UMAP_1',reduction2='UMAP_2')sc_adata  

sc.pl.umap(sc_adata, color=['celltype'], frameon=False,legend_loc='on data')