首页
学习
活动
专区
圈层
工具
发布
社区首页 >专栏 >10X官方发布10X visium HD细胞分割方法

10X官方发布10X visium HD细胞分割方法

原创
作者头像
追风少年i
发布2025-06-16 21:31:26
发布2025-06-16 21:31:26
5450
举报

作者,Evil Genius

日前Space Ranger已经更新到v4.0版本,开始支持HD数据的细胞分割。

细胞分割一直都是空间组学的一大难题,横平竖直的bin模式不是细胞真实的分布状态(这个在之前的文章中屡次提到)。

首先关于visium HD, poly-A based gene expression和probe-based gene expression均已可用,也就是说新鲜组织样本与FFPE样本均可以做10X的visium HD。

软件更新方面,Space Ranger v4.0支持细胞分割算法。

Space Ranger v4.0 introduced cell segmentation for H&E images using the spaceranger segment pipeline, and for Visium HD data with H&E images using the spaceranger count pipeline 。 在Visium HD分析中Space Ranger利用StarDist实现进行细胞分割,该深度学习模型非常适合星形凸体的实例分割,如细胞核。StarDist使用卷积神经网络(CNN)与类似U-Net的编码器-解码器架构,从输入图像片段中提取相关特征。结果是一组带标签的实例掩码,它们被表示为星形凸多边形,从而勾勒出各个细胞。之所以选择StarDist,是因为在针对多种人体和鼠类组织的内部测试中,它展现出优于同类方法的性能。特别是,由于StarDist采用独特的径向距离预测方法,它在准确分离紧密聚集的细胞以及在高度拥挤的环境中分割细胞方面表现出色。

该方法使用了超过150张HE染色图的1.7万个图块进行训练,包括如下组织类型:人类:胸腺、皮肤(黑色素瘤)、前列腺、结肠、结肠癌、乳腺癌、乳腺癌、扁桃体、胸腺、脑癌、脑癌、肺癌、肺癌和脾脏小鼠:脑、骨、睾丸、小肠、脾、胚胎、肝、肺、肾和胸腺(10X的研发能力确实可以)。

从目前搜集的情况来看,有4篇HD的实验类文章,其中一篇用到的是单细胞空间联合,另外三篇全部是细胞分割,由此可见细胞分割是大趋势。

文章系如下:

文献分享(第四篇HD文章)---小胶质细胞机制驱动阿尔茨海默病免疫治疗患者的amyloid-β清除

文献分享---空间转录组学鉴定与肺纤维化远端肺重构相关的分子生态位失调(Xenium + HD)

顶刊分享----组织驻留记忆CD8 T细胞多样性具有时空印记(HD + cellpose + Xenium)

文献分享--颗粒酶K+CD8+ T细胞与成纤维细胞相互作用,促进鼻息肉中性粒细胞炎症(首篇10X HD平台实验类文章)

我们来看看示例数据

数据质量上看还有待提高。

生活很好,有你更好

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

原创声明:本文系作者授权腾讯云开发者社区发表,未经许可,不得转载。

如有侵权,请联系 cloudcommunity@tencent.com 删除。

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
目录
  • 作者,Evil Genius
  • 日前Space Ranger已经更新到v4.0版本,开始支持HD数据的细胞分割。
  • 细胞分割一直都是空间组学的一大难题,横平竖直的bin模式不是细胞真实的分布状态(这个在之前的文章中屡次提到)。
  • 首先关于visium HD, poly-A based gene expression和probe-based gene expression均已可用,也就是说新鲜组织样本与FFPE样本均可以做10X的visium HD。
  • 软件更新方面,Space Ranger v4.0支持细胞分割算法。
  • Space Ranger v4.0 introduced cell segmentation for H&E images using the spaceranger segment pipeline, and for Visium HD data with H&E images using the spaceranger count pipeline 。 在Visium HD分析中Space Ranger利用StarDist实现进行细胞分割,该深度学习模型非常适合星形凸体的实例分割,如细胞核。StarDist使用卷积神经网络(CNN)与类似U-Net的编码器-解码器架构,从输入图像片段中提取相关特征。结果是一组带标签的实例掩码,它们被表示为星形凸多边形,从而勾勒出各个细胞。之所以选择StarDist,是因为在针对多种人体和鼠类组织的内部测试中,它展现出优于同类方法的性能。特别是,由于StarDist采用独特的径向距离预测方法,它在准确分离紧密聚集的细胞以及在高度拥挤的环境中分割细胞方面表现出色。
  • 该方法使用了超过150张HE染色图的1.7万个图块进行训练,包括如下组织类型:人类:胸腺、皮肤(黑色素瘤)、前列腺、结肠、结肠癌、乳腺癌、乳腺癌、扁桃体、胸腺、脑癌、脑癌、肺癌、肺癌和脾脏小鼠:脑、骨、睾丸、小肠、脾、胚胎、肝、肺、肾和胸腺(10X的研发能力确实可以)。
  • 从目前搜集的情况来看,有4篇HD的实验类文章,其中一篇用到的是单细胞空间联合,另外三篇全部是细胞分割,由此可见细胞分割是大趋势。
  • 文章系如下:
  • 文献分享(第四篇HD文章)---小胶质细胞机制驱动阿尔茨海默病免疫治疗患者的amyloid-β清除
  • 文献分享---空间转录组学鉴定与肺纤维化远端肺重构相关的分子生态位失调(Xenium + HD)
  • 顶刊分享----组织驻留记忆CD8 T细胞多样性具有时空印记(HD + cellpose + Xenium)
  • 文献分享--颗粒酶K+CD8+ T细胞与成纤维细胞相互作用,促进鼻息肉中性粒细胞炎症(首篇10X HD平台实验类文章)
  • 我们来看看示例数据
  • 数据质量上看还有待提高。
  • 生活很好,有你更好
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档