单细胞基础之后 · 空间转录组与 Python · 8 篇
空间组学入门
从空间转录组开始，读懂表达矩阵、组织图像和空间坐标，完成质控、区域划分、空间基因筛选、参考映射与多样本比较。
从这里开始
- 01 空间转录组测到了什么 区分传统采样点、空间分箱与分割细胞，理解表达矩阵为什么必须和组织图像、真实坐标及生物学重复一起解释。
- 02 读入空间表达、坐标和组织图像 从 Space Ranger 输出开始，按条码连接表达与坐标，保留基因编号和原始计数，再用正确的图像缩放关系检查叠加结果。
- 03 检查空间数据质量，再决定保留哪些位置 把总计数、检测基因数和线粒体比例画回组织位置，结合切片形态选择阈值，保留逐点质控记录与未经归一化的计数。
- 04 从表达聚类到组织区域 先用表达建立可解释的聚类基线，再把标签放回组织位置，区分表达近邻图和空间邻接图，检查跨空隙连边与区域注释。
- 05 寻找有空间规律的基因 用 Moran's I 描述相邻位置的表达相似性，理解置换检验、多重比较与空间表达图各自能回答什么。
- 06 借助单细胞参考解释空间表达组成 从混合表达的线性模型理解参考映射，用非负最小二乘建立可检查的基线，并区分表达权重、细胞丰度与不确定性。
- 07 分析区域和细胞的邻居 在空间图上统计标签相邻次数，使用置换参照解释邻域富集，区分采样点区域关系、细胞邻近与细胞通讯。
- 08 比较多张空间切片与实验条件 明确供体、切片和采样点的层级，将可比组织区域的原始计数按生物学重复汇总，再进行有明确解释范围的条件比较。
把表达放回组织里看
单细胞分析能告诉我们细胞之间有哪些表达差异，却不一定保留它们原来待在哪里。空间转录组把位置一起记录下来：一个基因的高表达是在组织边缘、某片区域，还是零散分布？两个细胞群在表达上不同，在组织里又是不是邻居？
八篇文章怎样衔接
| 篇章 | 要解决的问题 | 主要输出 |
|---|---|---|
| 空间转录组测到了什么 | 一个采样点、一个分箱和一个细胞是不是一回事 | 数据类型与实验记录 |
| 读入表达、坐标和组织图像 | 三类文件怎样正确连接 | 导入对象与叠加图 |
| 检查空间数据质量 | 低计数区域要不要删除，坐标有没有放错 | 质控记录与保留对象 |
| 从表达聚类到组织区域 | 聚类编号怎样对应到组织结构 | 表达聚类图与空间邻接图 |
| 寻找有空间规律的基因 | 高表达是否集中在相邻位置 | 空间相关统计量与表达图 |
| 借助单细胞参考解释组成 | 混合采样点可能包含哪些表达成分 | 参考匹配权重与拟合误差 |
| 分析区域和细胞的邻居 | 两类标签的相邻次数是否偏多 | 邻域富集与原始计数 |
| 比较多张切片与实验条件 | 哪些差异能在独立样本间重复 | 区域级计数与条件比较 |
第二至七篇先处理一张切片。每篇重新读入前一步保存的文件，不依赖上一次 Python 会话还开着。第八篇再处理多张切片，保留供体、样本和切片的对应关系。
关于配图配图使用 cell2location 论文公开的小鼠脑 Visium 数据及配套单核参考，从计数重新分析。主切片为 ST8059048，多切片图汇总五张切片的采样点数与计数水平。数据入口