- 综合排序
- 最热优先
- 最新优先
Visium HD多样本拼片拆分
Visium HD实验的时候一个捕获区域内可以包含多个样本拼片（例如多个组织切片或不同样本的排列）是常见的实验设计，多样本拼片能够提升实验效率，单张玻片处理多个样本，降低试剂和测序成本，后续分析的时候只需要使用 Loupe Browser圈选与分割样本的详细步骤 数据加载与可视化 打开数据文件 启动Loupe Browser（需6.0及以上版本），通过 File > Open 加载Visium HD生成的 .loupe pd.concat([sample_A_barcode, sample_B_barcode], axis=0, ignore_index=True) # 整张芯片数据读取 adata = sc.read_visium
43410编辑于 2025-06-10- 来自专栏Visium HD
Visium HD使用Cellpose进行细胞分割-补充
上节我们介绍了Visium HD使用Cellpose进行细胞分割获取单细胞精度空间数据，后台有许多同学私信我一些问题，有些同学对我将详细代码贴出来很感激，因为这些分析有些公众号是需要付费才能看到，还有几个同学问了我初次尝试过程中也遇到的问题
66410编辑于 2025-05-29 课前准备--visium HD的课题分析思路
关于visium HD的分析，在去年培训的过程中能够借鉴的文章不到10篇，所以课程内容添加了很多关于日常分析的项目经验、个人的思路想法等等，时至今日，HD的文章已经有不低于50篇了，很多的思路得到了验证 到目前为止（6月10号），2026年搜集到的文章，包括visium、visium HD、stereo-seq、xenium、CosMx等，不到200篇，均是高分文献，很值得我们借鉴。 今天我们来总结visium HD的分析思路，参考文献如下知识积累脑膜瘤的四种分子亚型（MG）：免疫原性型（MG1），表现为免疫浸润且预后良好；NF2野生型（MG2），携带非NF2驱动突变且预后良好；高代谢型 髓系TNF MP在硬脑膜-肿瘤界面受到抑制空间样本：3个Visium HD空间转录组样本，包含硬脑膜-肿瘤交界区域。分析策略：从硬脑膜边界开始，以100微米为单位划分连续的“区间（bin）”。 最后，来看看方法visium HD空间通讯推断空间共定位生活很好，有你更好。
19720编辑于 2026-06-11基础更新--visium HD的基础质控汇总
今天我们更新一下关于HD的内容，现在HD的项目也越来越多了，但是HD的数据处理一直是个问题，如何进行合理的质控保留有效数据进行后续分析，是一个值得思考的问题。 目前来讲HD有两种，一种是8um、16um的spot模式，一种是细胞分割模式。大家分析HD数据之前先看看别人的分析经验和一些公司给大家的建议，不要一上来就跑代码，没有任何用。
35420编辑于 2025-11-24- 来自专栏数据科学（冷冻工厂）
空间转录组: Visium HD 数据集分析 (1)
简介 Visium HD 是由 10x Genomics 开发的下一代空间转录组技术，旨在为整个组织切片提供单细胞分辨率的空间基因表达数据。 自 2024 年起商业化，Visium HD 将该平台的分辨率从 55 µm 点推进到亚细胞分辨率（2 µm）的 bins。 在此工作流程中，我们将使用结直肠癌的 Visium HD 数据集演示常见的分析步骤。
48710编辑于 2025-11-19 - 来自专栏数据科学（冷冻工厂）
空间转录组: Visium HD 数据集分析 (3)
引言 本系列讲解 空间转录组学 (Spatial Transcriptomics) 相关基础知识与数据分析教程[1] 反卷积分析 接下来，我们将对以 16 µm 为单位的 Visium HD 空间转录组数据进行反卷积分析 为了确保参考数据与 Visium 数据在转录特征上保持一致，我们仅保留来自 patient 2 的细胞作为参考集。
45710编辑于 2025-11-29 - 来自专栏生信菜鸟团
全网首发 | Visium HD空转数据开箱测试
2024年1月份，10X公司预告了一个新技术10X Visium HD，分辨率可达2 μm，可实现单细胞分辨率的全转录组空间分析，并且可实现连续的组织覆盖率。 ，然而万事开头难，在数据读入阶段就遇到一堆Bug，详见我的踩坑笔记： 踩坑实录 | 使用R语言读入Visium HD空转数据 下文记录了CRC数据开箱测试的标准分析结果。 HD空转数据的精细度相较于10X Visium大大提高。 未来在进行多样本的Visium HD数据联合分析时，分析难度必然会陡增。 与10X Visium 相比，Visium HD空转数据可以做哪些不同角度且更深入地挖掘和分析？ 由于我暂时没有接触过华大等单细胞精度的空转数据，我比较好奇与其他大品牌的空转数据相比，Visium HD空转数据的表现如何？
1.7K10编辑于 2024-04-11 - 来自专栏数据科学（冷冻工厂）
空间转录组: Visium HD 数据集分析 (2)
override.aes=list(size=3))) & scale_color_manual("discard", values=c("lavender", "purple")) 最后，我们将 Visium HD 16 µm 对象子集到通过 QC 的容器中： .vhd16 <- .vhd16[, !.
32010编辑于 2025-11-19 - 来自专栏数据科学（冷冻工厂）
空间转录组: Visium HD 数据集分析 (完结)
spatialCoords=c("array_col", "array_row")) p$image + facet_null() | p$scatter 整套分析流程同样适用于 16 µm 分辨率、未经过滤的 Visium HD 数据及其配套去卷积结果。 总结 在本工作流程中，我们展示了如何对 16 µm 分仓的 Visium HD 数据子集执行标准分析管道。 未完待续，欢迎关注！ 动动您发财的小手点个赞吧！欢迎转发！
63310编辑于 2025-12-21 - 来自专栏Visium HD
ENACT: Visium HD数据的端到端分析流程
前几天有同学后台私信我一篇2024年10月份在bioRxiv预印的文章ENACT: End-to-End Analysis of Visium High Definition (HD) Data, 希望我帮助解读和测试使用看看效果怎样 我大致看了遍文章，然后使用10x Visium HD的结直肠癌样本数据测试了一遍，这里做个记录，供大家参考。 可以使用Squidpy进行后续的空间统计分析,如邻域富集、Moran's I和共现分析等；总之,ENACT提供了一个集成了先进的深度学习细胞分割模型和多种bin-to-cell分配策略的全面处理流程,能够从Visium HD数据中准确地提取单细胞转录本信息,并进行后续的空间分析。 /cache", # 输出结果文件位置 wsi_path="/data/visiumHD_colorectal_cancer/P1_CRC/Visium_HD_Human_Colon_Cancer_P1
42900编辑于 2025-05-29 - 来自专栏Visium HD
Visium HD 空间转录组分析探索之--基础分析
white'sc.settings.set_figure_params(dpi=100, dpi_save=200, figsize=(5, 5), facecolor='white')1. 8um bin数据读取 数据读取使用scanpy的read_visium 函数即可，要注意一点，Visium HD使用的Space Ranger v3.0为了节省输出文件空间，将之前的spatial文件夹下的tissue_positions_list.csv文件格式变成了tissue_positions.parquet ，为了使用read_visium函数正确读取数据，首先要将tissue_positions.parquet文件转成tissue_positions_list.csv文件。 binned_outputs/square_008um/spatial/tissue_positions_list.csv', index=False, header=None)adata = sc.read_visium
1K10编辑于 2025-05-29 - 来自专栏Visium HD
Visium HD 空间转录组分析探索之--SpaceRanger分析
2024年6月，10X公司第一篇 Visium HD的文章在bioRxiv预印，介绍了分辨率可达2 μm， 能实现单细胞分辨率的全转录组空间分析技术Visium HD，以其单细胞分辨率、连续的组织覆盖、 /dataset-human-crcVisium HD技术原理 Visium HD工作流程类似于v2版本CytAssist支持的Visium空间基因表达工作流程。 Visium HD已经支持人和小鼠的FFPE、FF样本，样本准备要求与Visium CytAssist（V2）相同。 /fastq \ --sample=P1_CRC \ --image=/home/data/Visium_HD_Human_Colon_Cancer/images/Visium_HD_Human_Colon_Cancer_image.tif _mm10-2020-A.csv \ --cytaimage=/home/data/Visium_HD_Human_Colon_Cancer/images/Visium_HD_Human_Colon_Cancer_tissue_image.btf
1.2K10编辑于 2025-04-20 Visium HD | Spaceranger v4 细胞分割结果分析
这个新版本最大的亮点就是支持了 Visium HD 和 Visium HD 3' 空间基因表达数据的 H&E 显微图像使用 StarDist v6算法框架来实现细胞分割。 之前我们也介绍过HD数据使用StarDist进行细胞核分割（Visium HD 空间转录组分析探索之--细胞核分割）和使用cellpose进行细胞分割（Visium HD使用Cellpose进行细胞分割获取单细胞精度空间数据 细胞分割后细胞核大小，细胞中基因数、UMI统计，以及降维聚类UMAP展示 放大分割后的细胞轮廓长这样，细胞边界呈锯齿状，而非平滑曲线，这也很容易理解，因为Visium HD的最高分辨率是2um的小方格
94310编辑于 2025-07-12- 来自专栏空间转录组
Visium HD数据分析之空间聚类算法Banksy
前面我们通过Stardist或Cellpose完成了细胞核/细胞分割，然后将HD的2um bin以各种方法进行聚合，得到了接近snRNA或scRNA数据，接下来我们就可以对这些数据进行降维聚类，进行后续分析 最后，BANKSY适用于多种空间数据类型（例如 10x Visium、Slide-seq、MERFISH、CosMX、CODEX、Visium HD）。 题外话这里我们演示的是一个HD样本空间聚类结果，如果有多个样本，只需要对每个样本进行单独处理后，然后将多个样本的adata进行concat后再harmony或者bbknn合并即可。
78500编辑于 2025-05-29 10X空间转录组Visium && HD && Xenium分析全更新
高精度平台探索, 主要分析精度为8um 和 16um 高精度HD目前Seurat也更新的教程，在Analysis, visualization, and integration of Visium HD spatial datasets with Seurat • Seurat (satijalab.org) 总体来讲，python版本的分析更加优秀，这一篇对visium、HD、Xenium 基础分析进行全系列的脚本更新 我们首先来看visium import CellScopes as cs sham = cs.read_visium("/home/data/Jia/shamA_visium/MGI0805_A3_147 ，示例数据在 https://www.10xgenomics.com/datasets/visium-hd-cytassist-gene-expression-libraries-of-mouse-brain-he import CellScopes as cs hd_dir = "/mnt/sdb/visiumHD/hd_output/outs/" hd = cs.read_visiumHD(hd_dir) ==
1.5K11编辑于 2024-06-03空间转录组多样本niche的比较分析（Visium & Xenium & HD）
我们首先来说NGS-based 空间技术，这一类技术典型的就是Visium，HD，华大的Stereo-seq、以及像寻因、百迈客的空间平台等。 这一类平台典型就是通量高，几乎是测全转录组，信息充足；缺点就是精度低，无论是Visium、HD，还是华大平台等其他，均无法真正实现单细胞级别的空间精度，其中寻因采用了空间核测序的策略实现了空间的单细胞精度 首先我们来分析非单细胞精度的niche（Visium为主，华大、HD也包括），其实这个分析早就分享过了，参考的文章在Spatial multi-omic map of human myocardial
2.8K21编辑于 2024-05-30- 来自专栏Visium HD
Visium HD 空间转录组分析探索之--细胞核分割
背景知识 Visium HD的捕获芯片上大概由一千一百多万个2um x 2um的小方格排列而成，切片组织覆盖在芯片捕获区上，这样2um小方格里面的探针就能去结合它上方组织的mRNA。 细胞核分割的方法只保留了细胞核位置的基因表达，缺失了胞质中的信息； HE图像和Cytassist图像坐标对齐的问题，即使我们已经使用loupe browser进行手动对齐，但还是会有几微米的偏差（这种偏差我们大概能知道的一个是将片子转到HD 分析代码很很简单，10x官网有详细描述https://www.10xgenomics.com/analysis-guides/segmentation-visium-hd， 同时github也有相应的封装好的代码 Assign 2x2 micron bins to nuclei# Read Visium HD data 2x2 micron bin feature barcode count matrix in 对于任何新的H&E切片和Visium HD 基因表达数据集，可能都需要对参数进行优化。需要牢记的关键参数是概率阈值、聚类分辨率以及总 UMI和细胞核大小过滤器截止值。
75500编辑于 2025-05-29 - 来自专栏生信技能树
最新Visium HD数据发表在Nature Genetics杂志（IF=31.7）：GSE280315
Taylor实验室 文献主要内容 本研究利用 high-definition Visium空间转录组技术（Visium HD）对5例FFPE的人类结直肠癌CRC样本进行了分析。 HD slide 下面这个图展示了Visium HD载玻片的设计和相关技术细节。 这些细节对于理解Visium HD技术的实验设计和数据分析过程非常重要。 作者还比较了Visium HD载玻片和Visium v2载玻片的技术特点和检测能力。 Visium HD载玻片在空间分辨率上明显优于Visium v2载玻片，Visium v2载玻片的检测点直径为55微米，点与点之间的间距为100微米，而Visium HD载玻片的检测点更小且更密集，能够提供更高的空间分辨率 这表明Visium HD在识别组织内细胞类型和空间分布方面具有更高的灵敏度和精确性。
83410编辑于 2025-06-08 10X官方发布10X visium HD细胞分割方法
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。 Ranger v4.0 introduced cell segmentation for H&E images using the spaceranger segment pipeline, and for Visium 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。 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。
82610编辑于 2025-06-16课程补充--关于visium HD（Stereo-seq）scNiche与COMMOT的运用
作者，Evil Genius关于visium HD（Stereo-seq），可能基因检测数量偏低，但是胜在数量多，好好挖掘还是可以做出很多有意义的内容。 我们2026年空间转录组系列课程课堂上讲过很多细节的内容，为什么visium HD（Stereo-seq）要做分子niche，以及为什么visium HD（Stereo-seq）偏向于分子niche，大家看下面的图 课堂上由学员问为什么visium HD（Stereo-seq）不能直接做细胞niche，这个问题在课堂上详细讲过了，完整的视频、脚本、PPT我都发给大家了，大家可以回看一下。 目前这个方法运用在visium HD上的文章我看到了一篇接下来补充一下COMMOT，这个方法存在很久了，低精度visium常用，但是在visium HD上的运用，目前也是看到了一篇COMMOT信号流策略已经讲过很多了 ，就不过多重复了，但是其用在visium HD上，分析上的细节跟低精度visium 会有一些区别，这个等到我们课堂上再详细讲解。
9120编辑于 2026-07-14
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