拼接12个AnnData对象遇基因重复问题，求正确合并方法

问题根源 #

你之前误用了sc.concat的axis=1参数：该参数用于合并列（基因），会将所有样本的基因列直接拼接，导致相同基因名被自动添加后缀去重。而你的需求是合并行（barcode），将不同样本的唯一barcode整合到同一个AnnData中，同时对齐所有基因并为缺失基因填充0。

实现步骤 #

1. 生成全局基因集合
   提取所有12个AnnData对象中的基因名，取它们的并集作为统一的基因列表：

   import scanpy as sc
   import anndata as ad
   import pandas as pd
   
   # 获取所有样本的基因并集
   all_genes = set()
   for adata in loom_data:
       all_genes.update(adata.var.index)
   all_genes = sorted(all_genes)
   

2. 对齐每个AnnData到全局基因列表
   对每个样本的AnnData重新索引，确保其基因列与全局列表一致，缺失基因的计数（包括剪接/未剪接矩阵）自动填充0：

   aligned_adatas = []
   for adata in loom_data:
       # 对齐主计数矩阵（X）
       adata_aligned = adata[:, all_genes].copy()
       # 处理spliced和unspliced层
       for layer in ["spliced", "unspliced"]:
           if layer in adata.layers:
               # 将层矩阵转为DataFrame后重新索引，填充0
               layer_matrix = pd.DataFrame(
                   adata.layers[layer],
                   index=adata.obs.index,
                   columns=adata.var.index
               )
               layer_matrix_aligned = layer_matrix.reindex(columns=all_genes, fill_value=0)
               adata_aligned.layers[layer] = layer_matrix_aligned.values
       aligned_adatas.append(adata_aligned)
   

3. 合并对齐后的AnnData
   使用axis=0（默认值，合并行）拼接所有对齐后的样本，此时所有barcode会整合为行，基因列完全对齐，缺失值已被填充0：

   merged_adata = sc.concat(aligned_adatas, join="outer")
   

验证结果 #

合并后你会得到一个AnnData对象，其维度应为总barcode数 × 全局基因数，且基因名不会出现重命名后缀，缺失基因的剪接/未剪接计数均为0，可直接用于scVelo分析。

内容的提问来源于stack exchange，提问作者CelineDion