我宣布:单细胞R与python之间转换的奔溃时代已结束

这两天被seurat与scanpy之前的转换差点折腾断气了.......

电脑也差点干甭了......

SeuratDisk 和 MuDataSeurat 的各种坑.....

为什么要绞尽脑汁去debug别人的包？或许写包的人就是想折磨我们呢？与其在这些事情上浪费时间和精力，还不如自己搞一个？

数据转换的目的只有一个：

转换前后信息保持一致

有什么标准流程吗？

没有.....

于是.....

scBridge就这样出来了.....

🎯 为什么需要 scBridge？

作为单细胞分析人员，我们经常遇到这些困扰：

R和Python生态割裂：Seurat (R) 和 Scanpy (Python) 各有所长，但数据转换总是麻烦

SeuratDisk各种bug：转换失败、数据丢失、版本不兼容...

MuDataSeurat限制多：只支持部分功能，文档不清晰

手动转换太痛苦：写大量代码，还得处理格式问题

✨ scBridge 

    scBridge是一个专门解决 Seurat 和 AnnData (h5ad) 格式的双向转换问题而生。

    吹牛X点说：双向自如，随意切换，想用R就用R，不想用了换python继续搞，看python不爽了，两行代码再回到R。

核心优势

🔄 双向转换：Seurat → h5ad 和 h5ad → Seurat

🐍 Python集成：完美配合 Scanpy 生态系统|

📦 零配置：自动管理临时文件，开箱即用 

🔧 版本兼容：同时支持 Seurat v4 和 v5

🛡️ 稳定可靠：绕过已知bug，完整保留数据 

🎯 简单易用： 只需两个函数：`seurat2py()` 和 `py2seurat()` 

📦 快速安装

# 从GitHub安装

install.packages("remotes")remotes::install("xiaoqqjun/scBridge")

## 依赖要求

R包： Seurat (≥4.0.0), Matrix, reticulate  Python模块：scanpy, pandas, numpy, scipy

# python 需要大家自行配置pip install scanpy pandas numpy scipy

🚀 使用示例

场景1：R → Python

源对象UMAP：

将你的 Seurat 分析结果发送给 Python 生态：

library(scBridge)# 一行代码搞定seurat2py(seurat_obj, "output.h5ad")

转换后我在python 绘图：

Python → R

     我们再把它转回R，此时我们可以只需要找到这个文件的位置即可，操作还是在R：

library(scBridge)# 读入Rseurat_obj <- py2seurat("output.h5ad")# 继续Seurat分析DimPlot(seurat_obj, reduction = "umap")

table(test_obj$orig.ident)

names(test_obj@meta.data)

DimPlot(test_obj)

seurat2py(test_obj, "output.h5ad")

## 我们再把这个output.h5ad 转回来

test2rda <- py2seurat("output.h5ad")names(test2rda@meta.data)## 对比一下列名完全一致# 此时默认的Idents如果是SeuratProject，需要调整一下## 新版本这里我做了优化，没测试行不行：DimPlot(test2rda)## 可以设置我们之前的DimPlot(test2rda,group.by = "big_celltype")## 可能需要设置一下IdentsIdents(test2rda) <- test2rda$big_celltype

这是再转回来的UMAP.

地址：https://github.com/xiaoqqjun/scBridge

欢迎老铁们试用+建议！！