用途：在单细胞和大规模 bulk RNA-seq 中存储、读写与计算表达矩阵，避免内存溢出。核心是选择与访问模式匹配的稀疏格式，并处理 R 与 Python 的约定差异。
主要能力：介绍 dgCMatrix（CSC，列操作快）、dgRMatrix（CSR，行操作快）、dgTMatrix（COO，构建期快，之后应转换）；覆盖 scipy 的 csc/csr/coo；说明稀疏密度超过约 10–15% 时稠密往往更快；给出按场景的选择建议，如单细胞用 dgCMatrix 或 CSR adata.X，bulk 常用稠密。
关键提示：R Bioconductor 把细胞放在列，Python scverse 把细胞放在行，经 anndata2ri、zellkonverter、rpy2 转换会隐式转置一次，往返两次会相互抵消造成静默错误。建议用文件中间格式：adata.write('file.h5ad') 后用 zellkonverter::readH5AD('file.h5ad')。
存储与用法：HDF5 单文件、本地快、生态成熟；Zarr 分块、适合云端与并行写。提供稀疏度检查、构造与 CRS/CSC 转换、行列求和与过滤、稀疏 CPM 与 log1p（保持零值稀疏）、save_npz 与 h5ad/zarr 保存等示例。
大规模数据：scanpy backed 模式 sc.read_h5ad(..., backed='r') 按需加载，.X 只读、.obs/.var 全量加载，许多函数仍需内存；可分段处理。Bioconductor 用 HDF5Array + DelayedArray 做延迟计算，但 DESeq2/edgeR/limma 的支持程度需查文档。百万级样本可用 Zarr + Dask。
限制：稠密转换会带来约 24GB 级内存峰值，热图、部分 sklearn/XGBoost 与绘图函数易触发；超大稀疏 h5ad 即使 backed 模式也可能吃内存。10X 输出优先用 .h5 而非 MTX。资料未提供具体收费、价格与平台信息。