从cellranger的h5文件中提取数据

参考链接：

• https://support.10xgenomics.com/single-cell-gene-expression/software/pipelines/5.0/advanced/h5_matrices
• 参考源码/path/to/CellRanger-6.1.2/lib/python/cellranger/{matrix.py，feature_ref.py}

在Cellranger比对后的数据中也存有h5格式的数据，我们也可以从这个数据里面获取数据。
上述参考链接有两种方法，这里只讲一种，首先是source一下环境：

source /path/to/CellRanger-6.1.2/sourceme.bash

然后编辑一个python脚本test.py如下:

import cellranger.matrix as cr_matrix
filtered_matrix_h5 = "filtered_feature_bc_matrix.h5"
filtered_feature_bc_matrix = cr_matrix.CountMatrix.load_h5_file(filtered_matrix_h5)
#print(bytes.decode(filtered_feature_bc_matrix.bcs[0]))  # 细胞barcode
#print(filtered_feature_bc_matrix.m[1:10，]) # 矩阵10行
#print(filtered_feature_bc_matrix.m.shape)  # 矩阵大小
#print(filtered_feature_bc_matrix.feature_ref.feature_defs[0].name)  # symbol
# 获取类似feature.tsv格式的数据（三列 : id  symbol和type）
for FeatureDef in filtered_feature_bc_matrix.feature_ref.feature_defs:
        print(bytes.decode(FeatureDef.id).strip(),"\t",FeatureDef.name.strip(),"\t",FeatureDef.feature_type.strip(), sep='')

load_h5_file()返回的数据格式CountMatrix类

CountMatrix类

也是类似于对应filtered_feature_bc_matrix/目录下面 features.tsv和barcodes.tsv和matrix.mtx，不过数据格式类型不相同。
这里的feature_ref每个基因存储格式是python的namedtuple格式：

FeatureDef数据格式

barcode是OrderedDict格式的keys()，也就是一个list格式，不过里面的变量是bytes格式，需要使用bytes.decode()转成str来显示
最后是matrix的格式是sp_sparse.spmatrix，是稀疏矩阵的一种存储方式。

稀疏矩阵