整合来自不同样本的单细胞数据--解决 AnnData 合并过程中出现的 ValueError：无法从重复轴重新索引的问题

项目场景：

使用scanpy包进行单细胞数据分析时，往往需要整合多个样本的数据，也就是将多个AnnData对象合并为一个AnnData对象。

例如将adata_1和adata_2合并为adatas，可行的一种方法是：·

import anndata as ad 
adatas = [adata1,adata2]
adatas = ad.concatenate(adatas)

(concatenate请参考https://anndata.readthedocs.io/en/latest/generated/anndata.AnnData.concatenate.html#anndata.AnnData.concatenate)

问题描述：

在一次合并中，出现报错：“ValueError: cannot reindex from a duplicate axis”

原因分析：

“ValueError: cannot reindex from a duplicate axis”，按我的理解是指合并方向上的索引出现重复。

在本例中即adata_1和adata_2中的adatas.obs_names(adata.obs.index)有重复。
来看看单个数据的obs.index:

adata_1.obs_names  #adata_1.obs.index
Index(['AAACCCAAGCTGTTAC-1', 'AAACCCAAGTTTCTTC-1', 'AAACCCACATGGGATG-1',
       'AAACCCAGTCTGTAGT-1', 'AAACCCATCACATTGG-1', 'AAACCCATCTCTGCCA-1',
       'AAACGAAAGAGTCGAC-1', 'AAACGAAAGCATTTCG-1', 'AAACGAAGTCCATAGT-1',
       'AAACGCTCACCCATAA-1',
       ...
       'TTTGGTTGTAAGCAAT-1', 'TTTGGTTGTAGCTTGT-1', 'TTTGGTTGTCACTCTC-1',
       'TTTGGTTTCTCCGAAA-1', 'TTTGTTGCAATTTCTC-1', 'TTTGTTGCACTAGTAC-1',
       'TTTGTTGCAGCTCATA-1', 'TTTGTTGGTCGACGCT-1', 'TTTGTTGTCCGTACGG-1',
       'TTTGTTGTCCTGGTCT-1'],
      dtype='object', length=5699)

可以看到未经处理的index默认就是每个细胞的barcode字符串

第一种可能：单个数据内部obs.index重复（因为index是单个实验的barcode，因此可能性比较小）；
第二种可能：两个数据使用了相同的obs.index造成重复（两个实验的barcode重复，可能性比较大）.

接下来依次排查解决。
解决方案：
首先，为排除第一种可能，对单个数据的obs_name进行make_unique，调用AnnData对象obs_names_make_unique函数：

data_1.obs_names_make_unique()
data_2.obs_names_make_unique()

再次进行数据合并：
adata = ad.concat(adata, merge = "same")
不再出现报错，问题解决。
但出现警告：

Observation names are not unique. To make them unique, call `.obs_names_make_unique`.

说明第二种可能性也发生了，即不同样本使用了相同的barcode，造成合并后index和细胞不一一对应。
为了区分不同样本的obs，在原先默认的obs.index上加上样本标记，例如：

adata_1.obs_names=['sub_CRC3-'+x for x in adata_1.obs_names]
adata_1.obs_names
Index(['sub_CRC3-AAACCCAAGCTGTTAC-1', 'sub_CRC3-AAACCCAAGTTTCTTC-1',
       'sub_CRC3-AAACCCACATGGGATG-1', 'sub_CRC3-AAACCCAGTCTGTAGT-1',
       'sub_CRC3-AAACCCATCACATTGG-1', 'sub_CRC3-AAACCCATCTCTGCCA-1',
       'sub_CRC3-AAACGAAAGAGTCGAC-1', 'sub_CRC3-AAACGAAAGCATTTCG-1',
       'sub_CRC3-AAACGAAGTCCATAGT-1', 'sub_CRC3-AAACGCTCACCCATAA-1',
       ...
       'sub_CRC3-TTTGGTTGTAAGCAAT-1', 'sub_CRC3-TTTGGTTGTAGCTTGT-1',
       'sub_CRC3-TTTGGTTGTCACTCTC-1', 'sub_CRC3-TTTGGTTTCTCCGAAA-1',
       'sub_CRC3-TTTGTTGCAATTTCTC-1', 'sub_CRC3-TTTGTTGCACTAGTAC-1',
       'sub_CRC3-TTTGTTGCAGCTCATA-1', 'sub_CRC3-TTTGTTGGTCGACGCT-1',
       'sub_CRC3-TTTGTTGTCCGTACGG-1', 'sub_CRC3-TTTGTTGTCCTGGTCT-1'],
      dtype='object', length=5699)

在adata_1的obs_names字符串前加上用来样本名称“sub_CRC3”，用来在后续整合分析中区分各样本。