课前准备（visium HD）--独特的成纤维细胞和血管周围细胞衰老表型塑造了调控纤维化的空间生态位
原创
课前准备（visium HD）--独特的成纤维细胞和血管周围细胞衰老表型塑造了调控纤维化的空间生态位
原创
追风少年i
发布于 2026-06-15 09:00:34
发布于 2026-06-15 09:00:34
作者，Evil Genius
本周我们开始培训。
不过今年的课前情况出乎我的意料，主要还是咨询visium和xenium（CosMx），没有人咨询关于visium HD（Stereo-seq）的相关分析，难道说大家都已经会分析这个平台的数据了？还是跟stereo-seq一样，都是和公司的合作项目？
visium HD或者stereo-seq其实可供借鉴的内容并不多，且数据的稀疏性极高，如果大家自己摸索出来一套可行的逻辑，从注释开始到最后的个性化分析，那大家的分析能力真的可以。
我们来对比一下visium HD（Stereo-seq）和xenium 之间的区别。
visium HD(Stereo-seq)的细胞分割与xenium仍然存在很大的差距。
对比维度 | Visium HD / Stereo-seq (测序平台) | Xenium / Atera (成像平台) | CosMx (成像平台) |
|---|---|---|---|
核心技术原理 | 空间条形码芯片捕获RNA后测序。Visium HD分辨率2μm，Stereo-seq分辨率0.5-0.7μm。 | 基于成像的原位杂交技术。Xenium为靶向检测，Atera为最新全转录组平台，像素尺寸~0.2μm。 | 基于成像的原位杂交技术，通过循环荧光成像直接定位RNA分子。 |
细胞识别方式 | “算”出细胞：将离散的测序像素点（bin）聚类或分配给某个细胞核。 | “看”到细胞：基于真实荧光图像识别细胞轮廓。 | “看”到细胞：基于真实荧光图像识别细胞轮廓。 |
细胞分割依据 | 无直接膜染色，需借用邻近切片HE图像或DAPI核染，通过算法推测细胞边界。 | 多模态染色（细胞核DAPI + 膜染料/RNA信号），基于真实荧光图像直接勾勒边界。 | 多模态染色（细胞核DAPI + 膜染料），结合RNA点云数据进行细胞分割。 |
官方/主流分割工具 | Space Ranger v4.0 + StarDist：官方推荐方法，基于HE图像进行细胞核分割和外扩，模型经超150张HE图的1.7万图块训练。 | 多模态细胞分割：结合核、膜及RNA信号，可配合Cellpose等通用算法或平台内置软件。 | RNA2seg / Cellpose：可整合膜染色与RNA点云信息，RNA2seg为近年提出的专用模型。 |
基因检测范围 | 全转录组（>18,000基因），适合发现性研究。 | Xenium：靶向检测，大Panel达5,000–6,000基因；Atera：全转录组（>18,000基因），打破Panel限制。 | 靶向检测：常规Panel数百基因，最新WTX方案已扩展至1,8000基因。 |
数据稀疏性 | 极高。单个2μm bin捕获RNA量极少，必须聚合到细胞级别才有可信信号。 | 较低。灵敏度高，Atera单细胞中位转录本检出量较Xenium提升8–15倍。 | 较低。成像平台灵敏度高，单细胞基因检出数数千级别。 |
灵敏度与精度 | 分辨率“接近单细胞”，对不规则或相邻细胞区分有限。 | 亚细胞分辨率（0.2μm），单细胞/亚细胞精度高。Atera灵敏度较Xenium提升一个数量级以上。 | 亚细胞分辨率，可清晰定位RNA在细胞核、胞质或突触的位置。 |
细胞分割准确性 | 较低。对致密组织易出错，存在RNA分子跨细胞“溢出”风险。近年通过算法整合HE图像有所改善。 | 高。基于物理边界分割，适合复杂形态细胞。SPLIT算法可进一步校正信号溢出。 | 较高。基于膜染色+RNA点云，RNA2seg模型在手动标注数据上表现优异。 |
适用场景 | 需要全转录组数据的大范围探索（空间图谱构建、差异筛选），作为空间发现的“第一步”。 | Xenium：靶向验证与深挖；Atera：兼具全转录组发现与单细胞验证能力，填补前两者空白。 | 靶向验证、细胞互作研究，需要高清成像与中等通量基因检测的项目。 |
最新进展/平台 | Space Ranger v4.0：新增StarDist细胞分割流程，支持HE图像直接生成细胞级表达矩阵。 | Xenium Prime 5K：5,000基因Panel；Atera：2026年新平台，全转录组+高通量+单细胞分辨率。 | CosMx WTX：1,8000基因方案，检测效率与scRNA-seq相当或更优。 |
今天我们来看看visium HD在衰老和纤维化组织的运用。
其中单细胞数据：富集分析识别细胞衰老
搜集一下marker
细胞类型 | 标志物 |
|---|---|
主要细胞类型 | 成纤维细胞（Col1a1, Dcn）、内皮细胞（Cdh5, Pecam1）、淋巴管内皮细胞（Lyve1, Prox1）、血管周围细胞（Rgs5, Acta2）、髓系细胞（Itgam, Itgax, Cd68）、T/NK细胞（Cd3e, Nkg7） |
成纤维细胞亚群 | 2个祖细胞群（Pi16+, Bmp5+）、活化成纤维细胞、Lrrc15+肌成纤维细胞、软骨样成纤维细胞、循环成纤维细胞、筋膜成纤维细胞 |
髓系细胞亚群 | 中性粒细胞、单核细胞/早期巨噬细胞、Spp1hi巨噬细胞、Mrc1+巨噬细胞 |
衰老细胞鉴定：SenSig + projectR 转移学习
SenSig：此前发表的体内衰老基因特征（来自 p16+ vs p16- 基质细胞）
projectR：广义最小二乘回归 + Wald 检验
判定标准：投影权重为正 + p < 0.01 → 标记为衰老细胞
衰老表型特异性SASP
SnC亚型 | 特异性SASP | 代表性基因 |
|---|---|---|
活化成纤维细胞 SnC | ECM降解 | Mmp2/3/8, Ctsb/k, Adamts7 |
纤维软骨基质 | Col11a1, Fmod, Mgp | |
炎症/趋化 | Ccl8, Cxcl12, Saa3 | |
Wnt信号 | Wnt9a, Dkk3, Rspo3 | |
肌成纤维细胞 SnC | 纤维化ECM | Col5a1, Col6a1/3, Col12a1, Col24a1 |
ECM糖蛋白 | Ltbp2, Spp1, Tnc | |
ECM调节因子 | Mmp9/13, Serpine1, Timp1 | |
血管周围细胞 SnC | 血管重塑 | Col4a1/2, Col18a1, Angpt1/2, Adamts9 |
空间注释：visium HD
细胞类型解卷积：RCTD
空间共定位分析：STAPLE + Squidpy
STAPLE：自动化空间转录组学分析
Squidpy：计算成对空间共现概率
衰老表型的空间生态位
VisiumHD空间聚类结果（Seurat v5）
聚类 | 组成细胞 | 空间位置 |
|---|---|---|
成纤维细胞主导 | 活化成纤维细胞、肌成纤维细胞 | 颗粒间区 |
血管细胞 | 内皮细胞、血管周围细胞 | 颗粒间区 |
髓系细胞 | 巨噬细胞、中性粒细胞 | 颗粒表面附近 |
淋巴细胞cluster | B细胞、T细胞 + 抗原呈递髓系细胞 + 活化成纤维细胞 | 颗粒间区 |
祖细胞cluster | Pi16+成纤维细胞 + Mrc1hi髓系细胞 | 植入物外部，脂肪侧 |
筋膜成纤维细胞 | 筋膜成纤维细胞 | 筋膜和肌肉-植入物界面 |
三个主要空间生态位
生态位1：SnC Fibrotic Signaling Niche
特征 | 描述 |
|---|---|
位置 | PCL颗粒表面 |
主要衰老表型 | 肌成纤维细胞（Fibrosis + Cell Adhesion模式高） |
伴随细胞 | Spp1hi巨噬细胞、中性粒细胞、血管细胞 |
ECM特征 | 高细胞密度，ECM纤维结构不明确 |
高表达基因 | Col6a1, Tnc, Spp1 |
转录特征 | 纤维化ECM、免疫抑制信号 |
生态位2：SnC Immune Signaling & Tissue Remodeling Niche
特征 | 描述 |
|---|---|
位置 | 远离颗粒表面 |
主要衰老表型 | 免疫信号成纤维细胞（Complement + ECM Degradation模式高） |
伴随细胞 | 淋巴细胞（B/T）、抗原呈递髓系细胞 |
ECM特征 | 松散排列的ECM纤维 |
高表达基因 | Mmp3, Saa3, Cxcl12 |
转录特征 | 免疫细胞募集、补体信号、ECM降解 |
生态位3：SnC Cartilage Development Niche
特征 | 描述 |
|---|---|
位置 | 相邻于前两个生态位 |
主要衰老表型 | 软骨发育成纤维细胞（Cartilage Development模式高） |
伴随细胞 | 几乎无免疫细胞 |
ECM特征 | 致密、高度排列的ECM（类似筋膜/肌腱） |
高表达基因 | Col1a1, Mgp, Cilp |
转录特征 | 软骨/肌腱ECM、Wnt信号 |
血管周围衰老细胞的空间分布
特征 | 描述 |
|---|---|
位置 | 跨越Fibrotic Signaling和Immune Signaling生态位 |
分布 | 与成纤维细胞SnCs邻近 |
共存细胞 | 内皮细胞、成纤维细胞 |
RCTD细胞类型解卷积结果
分析项 | 结果 |
|---|---|
解卷积方法 | RCTD（参考scRNA-seq标签） |
双/多细胞bins比例 | 高，特别是成纤维细胞+髓系细胞+血管细胞的组合 |
解释 | 不是技术伪影，反映这些细胞在生态位中的共定位 |
细化聚类后的生态位组成
聚类 | 包含细胞类型 | 对应生态位 |
|---|---|---|
成纤维细胞cluster1 | 活化成纤维细胞 + B细胞 + 抗原呈递髓系细胞 | Immune Signaling & Tissue Remodeling |
成纤维细胞cluster2/3 | 肌成纤维细胞 + 活化成纤维细胞 + 血管细胞 + 巨噬细胞 + 中性粒细胞 | Fibrotic Signaling |
血管细胞cluster | 血管周围细胞 + 内皮细胞 | 血管相关，跨越两个生态位 |
细胞间通信分析（Squidpy）
生态位 | 配体-受体对 | 功能 |
|---|---|---|
Fibrotic Signaling | Spp1（SnC）→ 髓系细胞 | 免疫调节 |
Cxcl5（SnC）→ 髓系细胞 | 免疫调节 | |
Tgfb1（SnC）→ 成纤维细胞 | 纤维化信号 | |
Pdgfa（血管周围SnC）→ Pdgfra（成纤维细胞） | 成纤维细胞活化 | |
Immune Signaling | Cxcl12（SnC）→ Cxcr4（淋巴细胞） | 免疫细胞募集 |
Cxcl12（SnC）→ Ackr3（成纤维细胞/LECs） | 信号清除/限制 | |
Saa3（SnC）→ Tlr2（先天/适应性免疫细胞） | 炎症激活 |
其中visium HD分析的核心方法
RCTD进行细胞类型的解卷积，被标记为“unknown”的 bin 被排除在分析之外。为了获得更多关于细胞亚型的信息，将注释为髓系细胞和成纤维细胞的 bin 进行计算学分离，并使用与 Seurat 分析中描述的类似流程进行亚聚类。
RCTD的分析结果描绘包含混合细胞类型（例如成纤维细胞或髓系细胞）的 bin，这些信息是无法通过无监督聚类获得的。通过应用 RCTD 并使用从 scRNA-seq 获得的细胞类型标签，我们观察到包含成纤维细胞、髓系细胞和血管细胞的双联体 bin 的比例很高。
使用 Squidpy模块分析成对的空间共现和细胞类型邻域。该分析同时针对较低分辨率（不含髓系细胞和成纤维细胞亚聚类）和较高分辨率的细胞类型标签进行。
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
推荐阅读
目录
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号