hello，大家好，就在昨天（2021.5.10）李彥宏舉辦了第一屆生物計算大會，不知道大家聽了沒有，其實我認為最值得關注的一點就是同一樣本的多組學檢測，就是說同一樣本，同時檢測外顯子，轉錄組，ATAC，蛋白組等，才能真正解決生物學問題。這也是未來發展的趨勢，好了，我們開始今天的分享，10X空間轉錄組之區域交流中心。
其中關于10X空間轉錄組的細胞通訊分析，之前的文章都分享過，大家可以參考10X空間轉錄組做細胞通訊的打開方式，空間通訊分析章節2，10X空間轉錄組通訊分析章節3，有關10X單細胞和10X空間轉錄組在細胞通訊分析上的差異，在文章10X空間轉錄組（10X單細胞）之論細胞通訊空間分布的重要性我也詳細介紹過，大家都可以參考，這這里就不再贅述，直接進入我們的主題，尋找10X空間轉錄組區域交流的熱點中心。
其實對于這個的問題，讀過我之前分享的文章應該都有所了解，就像人群一樣，不可能兩個人群都在進行很深的交流，而是形成了幾個人群，人群內部之間交流很多，群與群之間交流稀疏，如下圖
圖片.png
不同類型具有明顯的區域分布，而交流很明顯也有區域分布，習慣了10X單細胞分析結果的同學們，對于這樣的分布，不知道有什么想法，好了，開始我們今天的代碼分享。
stLearn Cell-cell interaction analysis
1. Data loading and preprocessing
import stlearn as st
import pandas as pd
import random
st.settings.set_figure_params(dpi=100)
# read in visium dataset downloaded from: support.10xgenomics.com/spatial-gene-expression/datasets/1.0.0/V1_Breast_Cancer_Block_A_Section_2
data = st.Read10X("[PATH_TO_DATASET]")
# st.add.image(adata=data, imgpath="C:\\Users\\uqjxu8\\GIH\\Bioinformatics\\SPA\\Data\\visium\\Human_Breast_Cancer_Block_A_Section_1\\spatial\\tissue_hires_nobg.png",
# library_id="V1_Breast_Cancer_Block_A_Section_1",visium=True)
# preprocessing
st.pp.filter_genes(data,min_cells=3)
st.pp.normalize_total(data)
st.pp.scale(data)
2. Count cell type diversity (between-spots)
再次強調，10X空間轉錄組和10X單細胞做個性化分析必須先注釋，不然都是耍流氓
Read in the cell type predictions for each spot from Seurat label transfer results based on a labelled scRNA dataset
st.add.labels(data, 'tutorials/label_transfer_bc.csv', sep='\t')
st.pl.cluster_plot(data,use_label="predictions")
../_images/tutorials_stLearn-CCI_4_1.png
Count cell type diversity for between-spot mode
st.tl.cci.het.count(data, use_label='label_transfer')
st.pl.het_plot(data, use_het='cci_het')
A_1A.Celltype.diversity.png
這個地方可見，細胞類型的空間分布是具有空間異質性的。10X單細胞是完全做不到的。
3. Ligand-receptor co-expression (between-spots)
Read in user input LR pair
data.uns["lr"] = ['IL34_CSF1R']
Ligand-receptor co-expression in the neighbouring spots
st.tl.cci.lr(adata=data)
st.pl.het_plot(data, use_het='cci_lr', image_alpha=0.7)
圖片.png
我們所需要的就是尋找這樣的交流熱點中心，和熱點中心的細胞類型分布,這對于我們研究組織，了解疾病的發生和治愈，都具有非常大的價值，值得深入的挖掘。
A_1A.Nrg1_Erbb4.png
生活很好，等你超越
