Xenium数据分析 | 下机数据读取

生信大杂烩

发布于 2025-06-10 18:43:33

5680

今天我们将下载10x官方人肺癌FFPE样本Xenium5k下机数据，使用python的spatialdata库，演示如何进行Xenium单个样本/多样本数据读取，以及简单绘图功能展示。

1. 示例数据下载：

数据下载地址: https://www.10xgenomics.com/datasets/xenium-human-lung-cancer-post-xenium-technote

文件解压缩后，文件层级展示如下图，一般一个FOV对应的是一个样本，一个样本对应一个文件夹结果，一张芯片上最多可以选8个FOV，若果一张芯片上拼的样本数超过8个，就会有多个样本被并到一个FOV中，后续下机数据分析的时候想要拆分开的话，需要使用Xenium browser手动圈选，拿到个样本的barcodes，然后就可以拆分样本（一般TMA样本都需要手动圈选操作）。这里我们下载的数据就只有一个FOV，也就是只有一个样本，所以下图展示的是这一个样本的数据。

各关键文件说明如下，10x官方给出了很详细的说明:https://www.10xgenomics.com/cn/support/software/xenium-onboard-analysis/latest/analysis/xoa-output-understanding-outputs

experiment.xenium: Experiment manifest file.

analysis_summary.html对下机数据有个整体了解

下面展示的是细胞分割依据，有15.8%的细胞是根据细胞膜染色帮助识别分割细胞（这部分细胞分割最准确），有82.0%的细胞是通过针对细胞内18S核糖体RNA染色方法来标记并分割细胞，有2.2%的细胞通过DAPI识别出细胞核后，向外扩5um认为是细胞边界（这些细胞分割最不准确）

下面展示的是morphology_focus文件夹下的4个ome.tif文件，对应的是4个通道，0000是DAPI, 0001是green, 0002是yellow, 0003是red。

2. 安装依赖库

3. 数据读取

由于Xenium下机数据较大，多个样本按顺序读取耗时较长，这里我们使用多线程并行读取，缩短时间。

data_dir参数是xenium下机数据文件位置；

sample_info参数是样本信息.txt文件，一共三列，第一列是下机数据问价夹名称，第二列是样本名称，第三列是样本分组名称，使用'\t'分隔，有多个样本的，文件中就有多行。

import os
import threading
import spatialdata as sd
from spatialdata_io import xenium

# 多线程读取Xenium下机数据读取
def xenium_data_load_multithreaded(data_dir, sample_info):
    def sd_read_xenium(sample_data, sample_name, sdata_dict):
        sdata = xenium(path=sample_data, cells_boundaries=True, n_jobs=6)
        sdata_dict[sample_name] = sdata
    threads = []
    sdata_dict = {}
    sample_2_group = {}
    with open(sample_info, 'r') as f:
        for line in f:
            raw_name, sample_name, group_name = line.strip().split('\t')[:3]  # 这里根据自己实际情况修改
            sample_2_group[sample_name] = group_name
            thread = threading.Thread(target=sd_read_xenium, args=(os.path.join(data_dir, raw_name),sample_name, sdata_dict,))
            threads.append(thread)
            thread.start()
    for thread in threads:
        thread.join()
    
    sdata = sd.concatenate(
                sdata_dict,
                concatenate_tables=True, # 这里是将多样本的单细胞数据合并在一起到table中
                obs_names_make_unique=True
            )
    sdata.tables['table'].obs["sample"] = sdata.tables['table'].obs["region"].str.replace('cell_circles-', '')
    sdata.tables['table'].obs["group"] = sdata.tables['table'].obs["sample"].apply(lambda x: sample_2_group[x])
    sdata.tables['table'].obs["cell_boundaries"] = sdata.tables['table'].obs["region"].str.replace('cell_circles', 'cell_boundaries')
    sdata.set_table_annotates_spatialelement(table_name='table', region=[i for i in sdata.shapes.keys() if i.startswith('cell_boundaries-')], region_key='cell_boundaries')
    return sdata

简单绘图展示

fig, ax = plt.subplots(figsize=(10, 10))
sdata.pl.render_images("morphology_focus-S1").pl.show(ax=ax, title="Morphology plot", coordinate_systems="global")
ax.grid(False)

基因表达

from spatialdata import bounding_box_query

fig, ax = plt.subplots(figsize=(10, 10))
crop0 = lambda x: bounding_box_query(
    x,
    min_coordinate=[10000, 20000],
    max_coordinate=[15000, 25000],
    axes=("x", "y"),
    target_coordinate_system="global",
)
crop0(sdata).pl.render_shapes(
    "cell_boundaries-S1", 
    color='EPCAM', 
    outline_width=0.3, 
    outline_alpha=0.9, 
    outline_color='grey').pl.show(ax=ax, title="EPCAM gene expression", coordinate_systems="global")
ax.grid(False)
ax.axis('off')