10X空间转录组Visium && HD && Xenium分析全更新

作者，Evil Genius

哎呀， Xenium和HD的空间项目进来了，又要有很多新的工作要做了。

很多分析呢，大家如果只是自己玩一玩，那随便做做就也可以了，但如果像我一样作为公司的分析人员，尤其是大公司的核心分析人员，生信经理之类的，那一定要对自己的分析结果负责，对要求就会高得多,因为分析的水平代表了公司水平。

还有很多人我觉得态度上就有问题，认为官方代码都是现成的，完全不需要公司分析，这种偏见从我做生信就一直有，其实就跟我们上学一样，上高中大家用的一样的教材，都是看的一样的内容，但是高考的结果却是千差万别。cell、nature等高分杂志的文章代码很多都是公开的，但是大家用这些代码能发cell、nature么？再比如单细胞平台，10X单细胞的平台原理大家都知道，但是国内做的水平就是比国外要差，为什么？

其实我们很多都缺乏一种精神，这种精神是在西方世界、包括日本很推崇并且深入骨髓的，那就是工匠精神。

关于Xenium，主推squidpy，文章在高精度空间转录组分析之squidpy和空间网络图,主要分析就是降维聚类和邻域富集分析。

Xenium中，Seurat也出了示例教程，在Analysis of Image-based Spatial Data in Seurat

关于HD ，之前分享过STEP，文章在10Xvisium HD高精度平台探索, 主要分析精度为8um 和 16um

高精度HD目前Seurat也更新的教程，在Analysis, visualization, and integration of Visium HD spatial datasets with Seurat • Seurat (satijalab.org)

总体来讲，python版本的分析更加优秀，这一篇对visium、HD、Xenium

基础分析进行全系列的脚本更新(因为这是公司的要求)。

我们首先来看visium

Normalization, dimension reduction and cell clustering

可视化

图片剪切

基因可视化

Plot genes on the selected region

接下来我们来看HD，示例数据在 https://www.10xgenomics.com/datasets/visium-hd-cytassist-gene-expression-libraries-of-mouse-brain-he，其中我们需要注意的是HD可以有多个精度，Data from each bin size is stored in separate layers, which allow users to select data at different resolutions to analyze.，多个精度的分析结果我们都要保留(2um、4um、8um、16um精度)。

Layer selection选择，我们需要选择需要分析的精度，当然，也可以是多个精度

(Optional) Clustering and dimensional reduction,这一步是可选的，因为Space Ranger已经为8微米和16微米的桶尺寸提供了cluster和UMAP结果。

从8µm bin大小重新聚集细胞可能会很耗时，因为spot数量通常超过300,000。

可视化

要使方向与原始组织方向对齐，可以使用convert_image_data函数。下面是调整方向的方法:

转换图像数据后，所有图形将使用调整后的坐标进行可视化。

还可以在同一图上突出一个特定的cluster

Select a region of interest for detailed visualization

Compare the spatial resolution of different bin sizes

使用sp_feature_plot在不同分辨率下可视化基因表达。

写出数据

最后来看Xenium

Normalization, dimension reduction and cell clustering

(可选)使用Baysor生成细胞多边形，并将基因表达分配给多边形(细胞分割)

Xenium对象已经包含由10x Analyzer生成的细胞多边形数据。如果您想使用其他工具(如Baysor)绘制细胞多边形，请按照以下步骤操作。在生成细胞多边形后，通过运行polygons_cell_mapping将每个多边形与最近的细胞基于欧几里得距离关联起来。最后，需要使用generate_polygon_counts将基因表达值分配给细胞多边形。这一步完全是可选的，可以省略而不影响任何后续的分析。

可视化

可视化细胞和基因在降维空间和空间空间上的表达。

可视化细胞注释

Select a field of view to visualize the cell annotation

上面的网格图允许我们选择感兴趣的特定区域进行可视化。

基因可视化

Gene imputation

提供包装函数运行基因插入使用三种不同的工具:SpaGE, gimVI和tangram。

生活很好，有你更好