Visium

Visium HD 分析组织结构和细胞间的相互作用 。

基本使用和分析流程

1. 数据准备：

   • Visium HD数据通常以8微米和16微米的分辨率提供，10x公司推荐使用8微米的数据进行分析，但Seurat支持同时加载多个分辨率的数据 。

2. 加载数据：

   • 使用Seurat的Load10X_Spatial函数加载数据，可指定bin.size参数来选择不同的分辨率 。

3. 数据预处理：

   • 包括数据的标准化，通常使用标准对数正规化方法处理空间数据 。

4. 聚类和降维：

   • 可使用Seurat的FindVariableFeatures、ScaleData、RunPCA、FindNeighbors、FindClusters和RunUMAP函数进行聚类和降维分析 。

5. 基因表达可视化：

   • 使用SpatialFeaturePlot和DimPlot函数可视化基因表达情况 。

6. 空间组织区域识别：

   • 利用BANKSY包识别空间定义的组织区域，这有助于发现和分割组织结构域 。

7. 与scRNA-seq数据整合：

   • 使用RCTD去卷积方法整合scRNA-seq数据，可以借助Seurat的BuildClusterTree和FindAllMarkers函数进行 。

8. 细分解剖区域：

   • 使用CreateSegmentation和Overlay函数创建和识别感兴趣的区域 。

代码示例

以下是使用Seurat进行Visium HD数据分析的示例代码：

# 加载Visium HD数据
localdir <- "path_to_your_data"
hd_data <- Load10X_Spatial(data.dir = localdir, bin.size = c(8, 16))

# 设置默认的分析分辨率
DefaultAssay(hd_data) <- "Spatial.008um"

# 数据标准化
hd_data <- NormalizeData(hd_data, assay = "Spatial.008um")

# 寻找可变特征并降维
hd_data <- FindVariableFeatures(hd_data, assay = "Spatial.008um")
hd_data <- ScaleData(hd_data, assay = "Spatial.008um")
hd_data <- RunPCA(hd_data, assay = "Spatial.008um")

# 聚类分析
hd_data <- FindNeighbors(hd_data, dims = 1:50)
hd_data <- FindClusters(hd_data, resolution = 0.5)

# 可视化基因表达
SpatialFeaturePlot(hd_data, features = "gene_of_interest")