anndata とは？初心者のための基本と使い方ガイド共起語・同意語・対義語も併せて解説！

この記事を書いた人

高岡智則

年齢：33歳性別：男性職業：Webディレクター（兼ライティング・SNS運用担当）居住地：東京都杉並区・永福町の1LDKマンション出身地：神奈川県川崎市身長：176cm 体系：細身〜普通（最近ちょっとお腹が気になる）血液型：A型誕生日：1992年11月20日最終学歴：明治大学・情報コミュニケーション学部卒通勤：京王井の頭線で渋谷まで（通勤20分）家族構成：一人暮らし、実家には両親と2歳下の妹恋愛事情：独身。彼女は2年いない（本人は「忙しいだけ」と言い張る）

anndata とは？基礎から学ぶポイント

このページでは anndata という Python のライブラリについて、初心者でも分かるように丁寧に解説します。

anndata は何をするものか、どんなデータを扱うのか、どのように使い始めるのかを順番に見ていきます。

anndata の役割とは

AnnData は「annotated data」の略で、データ本体とデータに付いた説明を一つの箱にまとめる仕組みです。つまり数値データと、それに紐づく説明やメタデータを一緒に管理できます。

主な役割は二つです。第一に大きなデータマトリクス X を効率よく扱えること。第二に行データや列データのメタ情報を別のオブジェクトとして保存できることです。

AnnData の中身

典型的な AnnData オブジェクトにはいくつかの部品があります。以下は代表的なものです。

X：データの主成分マトリクス。遺伝子発現や特徴量の数値データを格納します。

obs：細胞ごとのメタデータを表すデータフレーム。例として細胞IDや条件、細胞型など。

var：特徴ごとの情報を表すデータフレーム。遺伝子名や特徴名など。

uns：未構造化データと呼ばれる補助データ。カラー設定や解析フラグなど自由に保管します。

obsm、obsp、varm：座標情報や間接的な補足データの保存場所。

raw：元の生データを保持する場所。再現性を確保するときに役立ちます。

使い方の基本

使い方はとてもシンプルです。まずは AnnData クラスを使ってデータを作成します。例として以下のようにします。

from anndata import AnnData

adata = AnnData(X=X_matrix, obs=obs_dataframe, var=var_dataframe)

ここで X_matrix はデータマトリクス、 obs_dataframe は細胞ごとの情報、 var_dataframe は遺伝子情報などをそれぞれ用意します。

作成したデータは次の段階で解析ツールに渡されます。Scanpy のようなツールはこの AnnData をデータ容器として利用します。

Scanpy との関係

単一細胞データ解析ツールの Scanpy は AnnData をデータの中心に置く設計です。Scanpy はデータの正規化、クラスタリング、可視化などの処理を AnnData の部品に対して順番に実行します。

注意点と実践のコツ

データが大きくなると メモリ の使用量が増えます。実験データは大きいことが多いので、初めは小さなデータセットで基本を練習し、必要に応じてデータを分割して作業しましょう。

表で見る AnnData の代表的な部品

<th>機能

説明
X	データの主成分マトリクス。数値データを格納します。
obs	行ラベルに対応するメタデータ。例: 細胞の条件、クラス、クリアデータ。
var	列ラベルに対応する情報。例: 遺伝子名、特徴名。
uns	未構造データ。解析の補助情報や設定を格納します。
obsm	細胞の座標情報などの補助データを格納します。
varm	特徴の座標情報を格納します。
raw	元の未加工データを保存します。再現性のための保管庫として使います。

実践的な使い方のヒント

初めて触る人はまずデータの形を確認しましょう。adata.X の形状が (細胞数, 遺伝子数) を意味します。obs の列名と var の行名を確認して、どのデータがどの特徴を表しているかを把握します。

まとめ

anndata はデータとその説明を一つの箱にまとめることで、複雑な生物学データの解析をシンプルにします。AnnData の部品を理解することから始め、 Scanpy などの解析ツールと組み合わせて使うと巨大なデータでも効率的に作業できます。

anndataの同意語

AnnData: anndataライブラリが提供する、遺伝子発現データなどの注釈付きデータを格納する主要なデータ構造。X（データ行列）、obs（細胞のメタデータ）、var（遺伝子のメタデータ）などを1つのオブジェクトにまとめます。
AnnDataオブジェクト: AnnDataクラスのインスタンス。データ本体のXと、細胞や遺伝子の注釈情報を1つにまとめたデータ構造です。
anndataライブラリ: Pythonのオープンソースライブラリで、単一細胞データの注釈付きデータを扱う AnnData の実装と機能を提供します。
anndataパッケージ: 上と同義。Python環境で利用するライブラリとしての呼び方です。
アノデータマトリクス: 注釈付きデータマトリクスの英語表現を日本語にした直訳。anndataのデータ本体を指すことが多い表現です。
注釈付きデータマトリクス: X（データ本体の行列）と obs/var の注釈を一体化して管理するデータ構造の総称。単一細胞データ解析で中心となる構造です。
注釈付きデータ行列: 同じ意味の別表現。データ本体の行列と、それに対応する注釈情報を併せ持つデータ形式を指します。
AnnDataクラス: AnnDataというクラス名そのもの。Pythonのanndataライブラリで中心的に扱われるデータ構造の正式名称です。

anndataの対義語・反対語

未構造化データ: 構造化・注釈付きではない、形式が定まっていないデータ。AnnData は観測データや特徴量をラベル付きで格納する構造化データの容器なので、未構造化データは対照的です。
生データ: データを収集したままの加工前の状態。AnnData は前処理済みデータを想定する場面が多いので、生データは対義的な状態と捉えられます。
注釈なしデータ: サンプル（obs）や遺伝子（var）などの注釈情報が欠落しているデータ。AnnData は注釈付きデータを格納する前提です。
空データ: 観測数・変数数がゼロのデータセット。AnnData の基本的な構造が欠けている状態を意味します。
データなし: データそのものが存在しない状態。分析・格納の対象がゼロの状態です。
X行列だけのデータ: 特徴量を格納する X 行列のみを持ち、観測・変数の注釈情報（obs/var/uns）が欠けている状態。
非テーブル型データ: 表形式データではなく、画像・テキストなど非表形式データ。AnnData は表形式データ向けの容器なので、非テーブル型は対義的です。
非ラベル付きデータ: データにラベル・カテゴリ情報が付与されていない状態。
複数データ構造を同時に持つデータ: AnnData のような統合された単一データ構造ではなく、複数のデータ構造（ファイル群やデータベースなど）で管理されている状態。

anndataの共起語

AnnData: 単一細胞RNAシーケンスデータを格納する中心的なデータ構造。X（発現データ）やobs、var、uns などのメタデータを一つにまとるクラスです。
scanpy: AnnDataを前提に単一細胞データの前処理・解析・可視化を行うPythonライブラリ。主な処理はこの組み合わせで行われます。
h5ad: AnnDataオブジェクトを保存するためのHDF5形式のファイル。大規模データの保存・読み込みに適しています。
X: 発現データの中心的な行列。セル数×遺伝子数で構成され、dense（密行列）または sparse（疎行列）として格納されます。
obs: 各セルのメタデータを格納する領域。例: 細胞タイプ、細胞周期、処理条件など。
var: 各遺伝子のメタデータを格納する領域。例: 遺伝子名、遺伝子特徴、検出情報など。
uns: 未整理（unstructured）データ領域。辞書形式で自由なメタデータを格納します。
obsm: 多次元の観測データ行列。例: PCA座標やUMAP座標など、セルごとの低次元表現を格納します。
layers: X以外のデータ層を格納する領域。例: raw_counts、normalized_counts など、複数のデータ表現を管理します。
adata: AnnDataオブジェクトを指す実務的な変数名。分析の対象となるデータを格納する実体です。
read_h5ad: H5ADファイルからAnnDataを読み込む関数・メソッド。
write_h5ad: AnnDataをH5AD形式で保存する関数・メソッド。
anndata2ri: PythonのAnnDataとRのデータ構造を橋渡しするツール。言語間でデータを移行する際に使用します。
numpy: 数値計算ライブラリ。データ配列の基礎となるデータ構造を提供します。
pandas: データ操作ライブラリ。obs/varのデータはDataFrame風に扱われ、整形・結合に便利です。
scipy.sparse: SciPy の疎行列実装。XがCSR/CSC形式で格納されることが多く、メモリ効率が高いです。
scRNA-seq: 単一細胞RNAシーケンス。分析対象となるデータの種類を指します。
single-cell: 単一細胞データ全般の総称。scRNA-seqと同義で使われることも多い語です。
UMAP: 次元削減と可視化の代表的手法。obsmに座標が格納され、データの視覚化に用います。
PCA: 主成分分析。データの次元を削減する基本的手法の一つです。
TSNE: t-SNE。非線形次元削減による可視化手法。UMAPと併せて使われることがあります。
neighbors: 最近傍グラフの計算。sc.pp.neighbors などで近傍情報を作成し、UMAPやクラスタリングの基盤になります。
connectivities: 近傍グラフの結合情報。neighborsの結果として得られ、データの構造を表現します。
Seurat: R言語の類似ツール。AnnData/Scanpyとデータを比較・移行する際に参照されることが多い名門ツールです。