
-
生物通官微
陪你抓住生命科技
跳动的脉搏
对单细胞格式转换工具的基准测试揭示了其互操作性缺陷,由此推出了CrossCell以实现可靠的跨生态系统数据交换
《BMC Genomics》:Benchmarking single-cell format conversion tools reveals interoperability gaps and introduces CrossCell for reliable cross-ecosystem data exchange
【字体: 大 中 小 】 时间:2026年07月23日 来源:BMC Genomics 3.9
编辑推荐:
摘要背景单细胞RNA测序分析依赖于两种技术生态系统——R语言的Seurat/Bioconductor工具包和Python语言的Scanpy/AnnData工具包,这两种工具包所使用的RDS与H5AD格式之间并不具备直接的互操作性。虽然存在一些转换工具,但目前还没有系统的评估方法来
单细胞RNA测序分析依赖于两种技术生态系统——R语言的Seurat/Bioconductor工具包和Python语言的Scanpy/AnnData工具包,这两种工具包所使用的RDS与H5AD格式之间并不具备直接的互操作性。虽然存在一些转换工具,但目前还没有系统的评估方法来检测这些工具在处理不同类型数据集时的可靠性、性能以及数据保真度。
我们对五种工具(Zellkonverter、anndataR、convert2anndata、easySCF、CrossCell)进行了全面系统的评估,从七个方面进行对比:转换的稳定性、运行性能、内存使用效率、表达数据的准确性、元数据类型的完整性、与Seurat V5版本的兼容性以及大规模数据处理能力。该评估涵盖了68个数据集,细胞数量介于1,438到1,665,937之间。我们发现H5AD格式转换为RDS格式存在显著问题。不同编程语言之间的函数接口差异会导致隐式的类型变化(如Int32变为Float64),进而影响后续数据的准确性。现有的工具在处理细胞数量少于74,000的数据集时就已经表现不佳,因此大规模数据转换的问题仍未得到解决。作为本次评估的一部分而推出的CrossCell是一款基于Rust语言且与运行环境无关的工具包,它在所有55个标准数据集上的转换成功率均为100%,其处理速度比其他工具快2.5至4.9倍,内存使用量则可减少37%至61%,此外它还能成功处理最多包含167万个细胞的13个CELLxGENE格式数据集。
本研究揭示了当前跨生态系统数据交换中存在的重大互操作性问题及故障模式,为相关领域的研究人员提供了工具选择指南及最佳实践建议。这套完全基于容器化的评估工具包(包含68个数据集、7个评估维度,支持一键复现实验结果)是该领域首个可复现的评估框架,可直接用于评估未来的新型工具。而其与运行环境无关的设计理念也为解决跨语言数据交换中的瓶颈问题提供了可行的解决方案。
单细胞RNA测序分析依赖于两种技术生态系统——R语言的Seurat/Bioconductor工具包和Python语言的Scanpy/AnnData工具包,这两种工具包所使用的RDS与H5AD格式之间并不具备直接的互操作性。虽然存在一些转换工具,但目前还没有系统的评估方法来检测这些工具在处理不同类型数据集时的可靠性、性能以及数据保真度。
我们对五种工具(Zellkonverter、anndataR、convert2anndata、easySCF、CrossCell)进行了全面系统的评估,从七个方面进行对比:转换的稳定性、运行性能、内存使用效率、表达数据的准确性、元数据类型的完整性、与Seurat V5版本的兼容性以及大规模数据处理能力。该评估涵盖了68个数据集,细胞数量介于1,438到1,665,937之间。我们发现H5AD格式转换为RDS格式存在显著问题。不同编程语言之间的函数接口差异会导致隐式的类型变化(如Int32变为Float64),进而影响后续数据的准确性。现有的工具在处理细胞数量少于74,000的数据集时就已经表现不佳,因此大规模数据转换的问题仍未得到解决。作为本次评估的一部分而推出的CrossCell是一款基于Rust语言且与运行环境无关的工具包,它在所有55个标准数据集上的转换成功率均为100%,其处理速度比其他工具快2.5至4.9倍,内存使用量则可减少37%至61%,此外它还能成功处理最多包含167万个细胞的13个CELLxGENE格式数据集。
本研究揭示了当前跨生态系统数据交换中存在的重大互操作性问题及故障模式,为相关领域的研究人员提供了工具选择指南及最佳实践建议。这套完全基于容器化的评估工具包(包含68个数据集、7个评估维度,支持一键复现实验结果)是该领域首个可复现的评估框架,可直接用于评估未来的新型工具。而其与运行环境无关的设计理念也为解决跨语言数据交换中的瓶颈问题提供了可行的解决方案。