加载GSE92332单细胞数据时遇ValueError：文件扩展名问题

问题根源 #

你的错误提示里出现了mtx.gv文件，说明Scanpy的通用读取函数sc.read在扫描文件夹时误识别了无关文件，或者文件夹内的文件结构/命名不符合它的预期。另外，你用错了读取函数——针对10X标准输出的matrix.mtx.gz/barcodes.tsv.gz/genes.tsv.gz这类文件，应该用Scanpy专门的sc.read_10x_mtx函数，而非通用的sc.read。

解决方案 #

1. 先确认文件状态 #

• 修正文件名：确保你的基因文件是genes.tsv.gz（你写的genes.tsv.tz应该是下载/解压时的笔误，需修正为正确的.gz后缀）
• 清理文件夹：删除目标文件夹内的无关文件（比如错误提示里的mtx.gv、其他样本压缩包、临时文件等），只保留三个核心文件：
  • matrix.mtx.gz
  • barcodes.tsv.gz
  • genes.tsv.gz

2. 使用正确的加载代码 #

替换你原来的代码为以下内容：

import scanpy as sc

# 直接传入包含三个核心文件的文件夹路径
adata = sc.read_10x_mtx(
    "/Users/---/desktop/single-cell-tutorial/latest_notebook/GSE92332_RAW",
    var_names='gene_symbols',  # 可选：用基因名作为变量名，若要使用Ensembl ID则改为'gene_ids'
    cache=True
)

# 以下两步按需执行（一般情况下不需要转置，稀疏矩阵也无需转为array）
# adata = adata.transpose()
# adata.X = adata.X.toarray()

额外说明 #

• sc.read_10x_mtx会自动匹配文件夹内的三个标准文件，无需手动指定单个文件路径，也不会误识别无关文件
• 保留稀疏矩阵格式（adata.X默认是稀疏矩阵）能大幅节省内存，只有当后续分析必须使用密集矩阵时，再执行adata.X = adata.X.toarray()

内容的提问来源于stack exchange，提问作者CeDeR