- 综合排序
- 最热优先
- 最新优先
细胞邻域分析
作者，Evil Genius年前我们就不过多往前走了，多分享一些现有的方法，其中核心就是细胞邻域。 高精度平台的这种细胞邻域分析相对容易，dist计算出所有位点之间的距离，距离小于20um的即为邻域细胞。 我们以肿瘤细胞邻域分析并进行分层聚类为例import argparseimport scanpy as scimport numpy as npimport pandas as pdfrom sklearn.cluster <= radius)[0]def hierarchical_clustering(input_file, radius, output_dir): """ 使用层次聚类根据邻域细胞类型进行聚类 # 获取肿瘤细胞索引 tumor_cells_indices = adata.obs.query("cell_type == 'Tumor'").index # 提取肿瘤细胞邻域的所有细胞类型
47320编辑于 2024-12-24空间转录组学数据分析细胞邻域依赖的基因表达(分子邻域)
作者，Evil Genius今天我们来继续分享关于空间转录组的内容，回到之前的一个分析，空间转录组有四大矩阵1、分子矩阵，gene X barcode，这是最开始大家拿到的矩阵2、细胞矩阵，空间解卷积之后的矩阵 ，细胞 X Barcode3、分子niche矩阵， 即分子生态位矩阵，主要研究分子微环境，包括邻域通讯等， gene X Barcode4、细胞niche矩阵，即细胞生态位矩阵，主要用来研究细胞的空间排布 今天我们要分享关于第三个矩阵的分析，即分子niche矩阵，主要的目的就是研究细胞邻域依赖基因表达。其中涉及到的内容，细胞邻域，细胞类型，基因表达。 细胞会根据其相邻细胞的不同类型表达不同的基因，这些基因与发育或转移等关键生物过程有关.邻域依赖性基因表达表明，除了配体-受体共表达所能发现的基因外，还有新的潜在基因参与了细胞-细胞间的相互作用细胞已经进化出它们的通讯方法来感知它们的微环境并发送生物信号 邻域分子的分析策略邻域依赖基因是参与细胞-细胞相互作用的一种新的潜在基因邻居依赖基因表现出niche特异性表达niche特异性基因表达解释了细胞异质性我们来用代码分析一下这个问题，python版本,10X
98820编辑于 2024-03-25- 来自专栏生信技能树
空间转录组细胞邻域(Cellular Neighborhood)分析
细胞邻域（cellular neighborhoods）定义 CN：细胞邻域（cellular neighborhoods、CNs），定义：We identified CNs as regions of CN识别示意图如下图A： CNs 的构建过程： step1.邻近窗口构建：以每个细胞为中心，计算其与周围10个最近邻细胞的物理距离，形成一个windows，上图的1； step2.对windows进行聚类 ：将所有 windows 的细胞类型组成（上图2示意图矩阵）进行 K-means 聚类（如K=15），识别出具有相似细胞类型组成的空间区域，即邻域； step3.富集分析：通过超几何检验评估每个邻域中特定细胞类型的富集打分 ，并标注了这个细胞邻域中的主要富集细胞类型； 每一列为一种细胞类型，颜色代表每种细胞在每个邻域中的富集打分。 图E：CN-1、CN-2、CN- 4和CN-6中标记阳性CD4+ T细胞、CD8+ T细胞和Treg细胞的CN特异性CT频率的小提琴图。
1.4K10编辑于 2025-05-25 - 来自专栏空间转录组
Xenium | 细胞邻域(Cellular Neighborhood)分析(fixed radius)
Xenium | 空间原位转录组数据分析全解Xenium数据分析 | 下机数据读取Xenium数据分析 | 数据预处理、单细胞降维聚类、细胞类型定义空间转录组 | 细胞niche分析Xenium | 细胞邻域 计算方法无监督邻域分析邻近窗口构建：以每个细胞为中心，计算其一定半径范围(radius)内细胞的物理距离，形成局部窗口。 K-means聚类：将所有窗口的细胞类型组成进行聚类，识别出具有相似细胞类型组成的空间区域，即邻域。 公式如下：其中，N为总细胞数，K为某细胞类型的总数量，n为邻域内细胞数，k为邻域内该细胞类型的数量。通过Benjamini-Hochberg方法校正多重假设检验的p值。 邻域注释根据富集的细胞类型和已知生物学知识（如动脉、内骨膜的位置），为每个聚类赋予生物学意义的名称（如“早期髓系-动脉邻域”）。
52400编辑于 2025-05-29 文献汇总--高精度空间细胞邻域通讯分析
作者，Evil Genius今天我们来汇总一下关于高精度空转的细胞邻域分析。首先我们要理解为什么做细胞通讯要采用物理上临近的细胞类型。 强调“物理上临近的细胞类型” 是因为 细胞间通讯（cell–cell communication）本质上是一种高度依赖空间邻近性的生物学过程。 大多数细胞间信号传递依赖于以下几类短程或局部作用机制，这些机制天然要求发送细胞（sender）与接收细胞（receiver）在物理上靠近：通讯类型作用距离是否需要物理邻近举例直接接触信号< 10 nm（ 膜-膜接触）✅ 必须紧贴Notch–Delta、Ephrin–Eph、免疫突触（T细胞–APC）旁分泌信号（Paracrine）几十到几百微米✅ 需要局部扩散TGF-β、Wnt、CXCL12–CXCR4 对于空间转录组而言，空间通讯分析流程如下定义合理的邻近半径（如 30–50 μm，依据配体扩散能力）；优先关注接触依赖型或已知短程信号通路；结合空间邻域聚类，识别“通讯热点区域”。
22620编辑于 2025-12-29思路总结----空间细胞邻域聚类的注释策略
突变信息课前准备---细胞的细胞邻域矩阵的获得与运用当我们拿到细胞邻域矩阵，通过聚类的方式获得的cluster，那么应该采用什么样的方式进行注释呢？ 2、得到的细胞邻域矩阵进行聚类分析（可以采用kmeans、leiden等方式）3、每个cluster由组成cluster的细胞类型的比例来定义这里面我们需要清楚两个内容，首先每个点都是一个细胞（低精度是一个 spot），本身就有细胞“身份”，而一定范围的邻域，又是一层细胞身份，两种身份如何联合运用，需要大家好好学习了，之前也分享过一些思路，其中一个很重要的运用，就是细胞类型依据邻域细胞的差异进行再分群。 简单的思路有两种1、邻域细胞聚类包括的“自己”，那就是纯粹的细胞区域2、邻域细胞聚类不包括“自己”，只分析邻域，那就是研究特定细胞类型在空间位置上的微环境差异我们来看看文章是如何注释的为了系统地分析HGSC TME内细胞类型的空间图谱，通过细胞邻域矩阵聚类标注了18个不同的空间spatial microcommunities或细胞邻域(RNC)。
53120编辑于 2024-12-11课前准备----细胞分子邻域矩阵的获得与运用
，清晰的记得2个月挣了4000出头，花了2000报了英语和数学。 今天我们分享如何获得细胞的分子邻域矩阵。 对于高精度平台，例如CODEX，那么我们需要知道每个细胞周围最近的10（20）个细胞的细胞类型和表达特点，进一步为我们提供不同条件下，细胞类型邻域的发生和变化。 我们的目标是第一步，获取每个spot/细胞的临近spot/细胞坐标信息。第二步构建细胞的分子邻域矩阵第三步就是分析分子邻域矩阵的表达特点和差异，这部分随着课题的不同，内容不同，需要大家自己动手分析了。 其中最直观的就是邻域通讯的差异。完整代码如下,适用于各种空间平台。代码有需要的拿走，绝对不能随意分享了。#!
35120编辑于 2024-07-25内容复习--邻域分子聚类与邻域细胞聚类的生物学意义及异同
今天我们复习，邻域分子聚类与邻域细胞聚类。 发现新的、空间定义的细胞状态：超越已知的细胞类型分类。同一个细胞类型（如巨噬细胞）在不同的微环境中可能表现出截然不同的基因表达程序（M1 vs M2， 或肿瘤相关巨噬细胞的特异状态）。 依据细胞类型数量的聚类方法：首先对每个细胞（spot）进行细胞类型注释（通常基于其自身的基因表达）。然后，以每个细胞为中心，统计其邻域内各类细胞的数量或比例，形成一个“细胞类型组成向量”。 （组成、结构、互作）主要发现功能微环境、连续生物过程、空间依赖的细胞状态。多细胞结构、组织学区域、细胞互作热点。优势1. 信息全面，无偏发现。2. 能捕捉细胞状态连续变化。3. 不依赖先验注释。1. 2. 直接关联到组织结构。3. 计算高效。局限1. 结果解释需要后续分析。2. 高维数据分析复杂度高。3. 可能对细微的细胞组成变化不敏感。1. 完全依赖初始细胞类型注释的质量。2.
19620编辑于 2026-02-21- 来自专栏空间转录组
Xenium | 细胞邻域(Cellular Neighborhood)分析(fixed k-nearest neighbor)
邻域的划分基于细胞类型的共定位模式，例如：动脉-内骨膜邻域（Arterio-endosteal neighborhood）：富含早期髓系前体细胞（EMPs）和粒细胞-单核祖细胞（GMPs），靠近动脉和骨表面 计算方法无监督邻域分析邻近窗口构建：以每个细胞为中心，计算其与周围10个最近邻细胞的物理距离，形成局部窗口。 K-means聚类：将所有窗口的细胞类型组成进行聚类（如K=15），识别出具有相似细胞类型组成的空间区域，即邻域。 公式如下：P=(Kk)(N−Kn−k)(Nn)P其中，NN为总细胞数，KK为某细胞类型的总数量，nn为邻域内细胞数，kk为邻域内该细胞类型的数量。 邻域注释根据富集的细胞类型和已知生物学知识（如动脉、内骨膜的位置），为每个聚类赋予生物学意义的名称（如“早期髓系-动脉邻域”）。
51800编辑于 2025-05-29 方法分享---依据细胞邻域识别空间组织区域（windows策略）
Kasumi，一种用于识别跨样本和条件持续存在的细胞内和细胞间关系的空间局部化邻域模式的方法。组织的显微解剖结构与其功能之间的联系是公认的。 空间组学数据的分析框架中，常用的数据表示方法有两种：聚类（表型）和邻域（生态位）分析。聚类为测量的空间分布分配标签，通常对应于细胞（亚）类型或功能状态。 ，来识别邻域.第三组方法，如SPACE-GM 20和STELLAR，旨在监督端到端GNN（图神经网络）的基于细胞表示的学习，所述细胞表示基于如由样品的细胞图22定义的它们的细胞邻域。 通过明确考虑每个细胞周围的空间邻域，它们执行空间聚类，其中标签不一定对应于不同的细胞类型，而是对应于许多不同空间邻域中的membership。 结果1、Kasumi识别persistent local patterns（windows策略）结果2、Kasumi提取与临床特征相关的稳健模式邻域组成和局部关系模式。
40810编辑于 2025-05-22内容汇总--关于空转（CsoMx、Xenium、visium）细胞邻域分析的汇总
今天我们来汇总一下关于高精度文献的细胞邻域分析，细胞邻域分析的范围其实比较大， 可以细化到好几个方向。第一篇计算比较每种细胞的细胞邻域组成。 第二篇针对具体的细胞分析不同样本间的细胞邻域差异组成第三篇不同阶段的细胞邻域差异组成第四篇window策略是课上讲解的重点方法。 第五篇niche的分析策略也是重点内容第六篇相对而言，visium的邻域分析策略更加简单，但是难度更高一点第七篇空间的这种微环境分析，是重点也是难点第八篇windows参数怎么选，也是一门学问第九篇免疫细胞的邻域最后一篇 visium的邻域，需要我们选择好目标spot失业不要怕，这个社会就像个弹簧，你越软，他越硬，适当强硬一点。
22220编辑于 2025-12-16文献复习--单细胞空间多组学揭示癌症相关成纤维细胞的保守空间亚型与细胞邻域结构
计算了每个CAF周围80μm半径范围内的细胞组成（即"邻域向量"），通过非负矩阵分解（NMF）进行空间模式提取，最终鉴定出四种空间特征迥异的CAF亚型：s1-CAFs、s2-CAFs、s3-CAFs和s4 结果2、空间CAF亚型的转录组特征及其邻域细胞互作分析对空间CAF亚型的转录状态进行了系统表征s1-CAFs 高表达与ECM重塑相关的经典胶原基因（COL1A1、COL3A1和COL4A1），以及平滑肌收缩相关基因 结果3、CAF邻域内的免疫细胞状态与空间分布模式进一步分析了CosMx数据集中不同CAF邻域内主要免疫细胞（包括T细胞、巨噬细胞、B细胞和浆细胞）的状态与组成特征。 s2/s3-CAF邻域：Tstr细胞比例分别增加2.1倍和2.9倍，其中s3-CAF邻域占比最高。 其空间分布特征包括：s1-CAF邻域：CAFs形成致密"屏障"阻隔浆细胞与肿瘤细胞接触s2-CAF邻域：浆细胞与CAFs在基质微环境中紧密共定位s4-CAF邻域：浆细胞与CAFs共定位于TLSs外层，可能介导浆细胞向肿瘤组织的迁移这些发现揭示了
76320编辑于 2025-07-14单细胞空间多组学揭示肿瘤相关成纤维细胞的保守空间亚型和细胞邻域-空间细胞亚群细分代码实现
各亚型的空间分布特征 s1-CAF：紧邻癌细胞，44.8%邻域为癌细胞。 s2-CAF：位于基质区，33.9%邻域为基质细胞。 s3-CAF：靠近血管的髓系富集基质微环境，35.9%邻域为髓系细胞。 CAF邻域的细胞互作网络 配体-受体互作推断 s1-CAF与癌细胞：通过胶原-整合素、THBS1-CD47、TGFB1-TGFBR1、FGF2-FGFR1等通路互作。 s2-CAF与内皮细胞及T细胞：通过胶原-整合素、CD55-ADGRE5等互作。 s3-CAF与髓系细胞：通过RARRES2-CMKLR1、GAS6-MERTK、DLL1-NOTCH3等通路。 CAF邻域内免疫细胞状态与分布 T细胞状态 s1邻域：CD4+Treg、CD8+Teff、CD8+Tex富集。 s2邻域：Tstr升高。 s3邻域：Tstr显著升高。 s4邻域：Tn、Tfh、Tcm富集。 巨噬细胞状态 s1邻域：高表达IL15RA、IL32。 s3邻域：高表达CCR1、CCL18、CCL3/3L3及M2标记CD163、CD209等。
59700编辑于 2025-07-20脚本复习--高精度空转（Xenium、CosMx）的细胞邻域分析（R版本）
今天我们更新脚本高精度空间转录组的细胞邻域分析分析方法我们用R来实现一下,当然一般会计算一下邻域的差异细胞类型#zhaoyunfei###20251109library(dplyr)library(tidyr )library(ggplot2)library(sp)library(reshape2)# 设置参数neighborhood_radius <- 80 # 邻域半径 80 μmxenium_data [1] - point2[1])^2 + (point1[2] - point2[2])^2)}# 函数：找到指定细胞周围80μm内的邻居细胞find_neighbors <- function(center_cell_index (neighbor_indices) > 0) { # 计算邻域中的细胞状态组成 cellstate_counts <- count_cell_states(neighbor_indices = element_text(angle = 45, hjust = 1))print(bar_plot)# 统计检验：比较不同上皮细胞类型的邻域组成差异# 例如，比较肿瘤上皮细胞和非典型上皮细胞的邻域差异
56020编辑于 2025-11-09个性化分析（原位）---空间转录组微环境（邻域）细胞聚类 + 突变信息
作者，Evil Genius我们外显子系列的课程能不能上，就以周三（9月11日）的报名人数为准吧，如果够了，需要2~3天做PPT上课用，因为即使周五人数够了，这时候再去做ppt上课也是来不及的，人不够就可以直接休息了 今日参考文献样本类型：KRAS突变的非小细胞肺癌主要分析：利用细胞邻域和基因分型分析确定单细胞水平的空间特征。背景知识KRAS基因是肺癌中最常见的突变癌基因之一。 结果1、KRAS突变和共突变与临床结果和免疫肿瘤微环境结果2、应答者与无应答者的不同免疫细胞表型为了衡量iTME异质性的程度，根据14种肿瘤和免疫细胞亚型计算肿瘤的多样性评分。 结果3、反应者和非反应者之间iTME图谱和细胞邻域的差异其中细胞邻域被定义为细胞周围的局部细胞组成。 细胞邻域聚类分析其中我们关注的重点:Neighborhood spatial analysis and fractal analysisNeighborhood Spatial Analysis was
36520编辑于 2024-09-10方法更新----关于HD、Stereo-seq在bin模式下的细胞邻域分析（double）
在HD 16um（8um通常不采用）、Stereo-seq bin50以下（25um以下），在做单细胞空间联合分析的时候，采用的是RCTD的double模式，那么在这种模式下，细胞类型之间的空间关系该如何分析呢 那么在这种思路下，空间细胞类型的关系问题就演化成了两层pattern的细胞关系问题。那么细胞邻域富集，细胞邻域的差异分析等均可以采用squidpy进行分析了，不过个人推荐cellcharter。 usr/bin/R####zhaoyunfei####20241202library(argparse)library(Seurat)library(ggplot2)library(patchwork) library(dplyr)library(spacexr)library(ggplot2)# 创建解析器parser <- ArgumentParser(description = "RCTD and spatial)rownames(counts) = rownames(spatial)coords <- GetTissueCoordinates(spatial)coords = coords[,c(1,<em>2</em>)
86920编辑于 2025-04-14文献分享---通过单细胞空间多组学揭示的癌症相关成纤维细胞的保守空间亚型和细胞邻域（visium、Xenium、CODEX、CosMx、MERSCOPE）
结果2、空间CAF亚型的转录组学图谱及其邻近区域内的细胞相互作用主要的CAF细胞亚型的表达基因进一步分析了每个空间CAF邻域内基于配体-受体的细胞间通讯，并观察到独特的相互作用模式，CAFs和免疫/基质细胞在 结果3、CAF邻域内的免疫细胞状态和空间分布模式CosMx数据集中不同CAF邻域的主要免疫细胞类型（包括T细胞、巨噬细胞、B细胞和浆细胞）的状态和组成。T细胞状态组成在CAF邻域中变化很大。 例如，在s1-CAF附近，s1-CAF似乎形成了致密的细胞“屏障”，限制了浆细胞和肿瘤细胞之间的相互作用。相反，在s2-CAF附近，浆细胞与s2-CAF密切相互作用并共定位在基质niche内。 结果4、不同癌症类型CAF的保守空间亚型和细胞邻域使用NMF方法提取CAF空间模式，量化相关CAF邻域内的细胞类型和状态组成。 s2-CAF，以高FAP表达为特征，是紧凑的，位于间质的更深处，通常与免疫细胞如巨噬细胞和T细胞混合，表明在基质重塑和免疫相互作用中的作用。
49820编辑于 2025-03-31流程升级---解剖细胞邻域（CN）组织的iTME（高精度空间平台、Stereo-seq、HD）
以细胞组成为基础解剖细胞邻域（CN）组织的iTME大多数用于细胞-细胞通讯分析的开源软件都是基于基因表达或细胞距离设计的，而没有考虑细胞-细胞之间的相互作用距离。 揭示异质性空间TME引起的细胞间通信的深度空间共变。分析框架1、首先进行细胞邻域分析2、分析细胞与细胞之间的空间相互作用，通过定量定义细胞与基因的空间接近程度和相互作用强度来检测活性的L-R对。 将iTME解码为细胞邻域（CN）组织单元空间细胞相互作用强度：推断空间细胞间的通信利用空间转录组学分析肿瘤微环境组织TME相关的细胞邻域针对单个神经网络对iTME进行反卷积示例代码git clone https lrpair_module = 4, n_lr = 15, n_cc = 5, figsize = (10, 2), save = False, size = 2, vmax=1)factor_cc (cc_df)Multiple sample analysisadata_LC5P = sc.read("/data/work/LR_TME/Liver/LC5P/FE1/cell2location_map
38220编辑于 2024-11-13- 来自专栏.NETCORE
DDD邻域驱动设计
1、DDD的起源 2004年邻域驱动设计之父Eric Evan发表 产生原因： 降低沟通成本2、邻域思想初步 DDD：是一种程序设计方法，不关乎技术，具体代码实现依旧是OOP (面向对象)和AOP（面向过程） 什么是领域：领域没有硬性规定，对比到生活，一个城市中有生活区，商业区，每一个都有自己的功能，那么他们就是邻域，多个邻域组成城市这个项目。 生活区中的商场等可以类比为对象，对象组成邻域。 一个BLL就是一个领域 领域谁来划分：需求分析师 2、 总结： 1、邻域驱动设计是一种方法论
53900编辑于 2022-11-10 - 来自专栏生信学习111
单细胞day2
TRUE TRUE TRUE> > dir("input/") #检查一下改名是否成功[1] "barcodes.tsv.gz" "features.tsv.gz" "matrix.mtx.gz" 2读取并且创建 TCL1A . . . . . . . . . . . . 3 . . . . . . . . 1 1 . . . . . . .MS4A1 4 . . . . . . . . 4 . . 1 . 1 . 2 . . . . 2 4 7 5 . . . 1 .稀疏矩阵是存储0值比较多的数据用的，用“.”表示0，可以节省空间，单细胞矩阵0值比较多。 例如，如果一个细胞中有5个基因的表达量分别为1, 2, 3, 4, 5，那么该细胞的nCount_RNA值就是1+2+3+4+5 = 15。 t分布邻域嵌入（t-SNE）：非线性降维方法，能够保留高维空间中数据点之间的局部相似性关系。
1.1K10编辑于 2024-06-19
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