Xenium数据分析 | 使用Xenium Ranger重新分析数据

Xenium Onboard Analysis（XOA）是一款在仪器上运行的软件，专门用于同时收集和处理Xenium在situ基因表达数据，Xenium机载分析自动解码转录本和分割细胞，无需在仪器运行结束后通过复杂而耗时的步骤来处理数据 Xenium Ranger介绍 Xenium Ranger 是一款强大的工具，用于重新处理和分析 Xenium 在 situ 基因表达数据。 Xenium Ranger下载 Xenium Ranger 10x官方下载地址：https://www.10xgenomics.com/support/cn/software/xenium-ranger 这些文件是 Xenium Ranger的输入基础。 而Xenium Ranger则是在XOA的基础上，提供了一个灵活的离线分析平台。 这种设计使得Xenium Ranger与 XOA 形成了一个完整的工具链，为Xenium数据的深入研究提供了强大的支持。

Xenium课程分析前奏

就以现在的认知都知道马上需要干什么，明年如果还打算办一次培训班，现在内容都想好了，外显子课程来6节，外显子结合单细胞空间来4节，HD分析来10节课，Xenium等原位平台来10节， ，内容就够了，当然了 关于Xenium的分析，Seurat出了专门的教程，Analysis, visualization, and integration of Visium HD spatial datasets with Seurat • Seurat (satijalab.org),包括MERSCOPE、Xenium、Nanostring CosMx、CODEX，当然分析都停留在基础阶段。 python版本的Xenium分析更受公司的青睐，通常是采用squidpy来分析，分析比Seurat更加的个性化分析囊括了各种空间平台在原有基础分析的基础上，添加了距离分析、细胞分割、邻域富集分析等个性化内容

Xenium空间转录组实战 | Xenium Explorer 多样本拼片拆分 & ROI 区域圈选

随着 10x Xenium 平台在组织水平上的空间转录组应用越来越广，实验和分析过程中经常会遇到以下两个典型问题： 多样本拼片 (Multi-sample montage) 一张 Xenium 玻片上往往放置多个组织 这时需要 在 Xenium Explorer 里手动圈选 ROI，只导出目标区域进行分析。 最近有好几个小伙伴遇到了这个问题，今天就和大家一起看看如何使用 Xenium Explorer 来完成这两个任务，并在 Scanpy 中进一步分析。 Step 1. 打开 Xenium Explorer 安装完成后，双击 .xenium 文件即可打开。软件会自动加载组织影像和空间转录组细胞点位。 Step 2. 多样本拼片拆分 需求场景：一张 Xenium 载玻片上有多个组织，需要拆分成不同样本。 操作步骤： 在工具栏中选择 套索 工具。 使用套索工具，分别圈选每一个样本区域。

Xenium、CosMx等技术流程篇

作者，Evil Genius忙了一天，现在得空给大家分享一些Xenium、CosMx分析的整理。首先第一步，Xenium基础分析,一般就采用squidpy即可。 标准化的高精度空间（HD、Stereo-seq、Xenium等）平台基础分析Xenium课程分析前奏参考文章高精度空间转录组平台分析框架（python版本)高精度空间转录组分析之squidpy和空间网络图 10X空间转录组Visium && HD && Xenium分析全更新当然也少不了整合分析关于10X HD和Xenium数据整合分析以及HD解卷积RCTD的运用空转分析框架---空间数据分析的标准方法脚本更新 ，注释完的空间数据网络图谱空间转录组网络图的分步绘制(Xenium)课前准备----细胞“communities”第四步、niche分析参考文章空间转录组多样本niche的比较分析（Visium & Xenium （Xenium + HD）生活很好，有你更好

Xenium | 数据输出与结果总览

Xenium基因panel 通过10x Xenium检测细胞内的RNA表达情况，其原理是识别那些针对特定转录本的基因探针所产生的荧光信号。 目前，10x提供了三种主要类型的基因检测试剂盒： 预先设计好的基因检测试panel：预设计好的基因检测试剂盒主要包括Xenium v1和Xenium Prime 5K两种类型, Xenium v1试剂盒包含 Xenium数据输出 在完成Xenium实验后，Xenium Onboard Analysis会生成一系列不同的输出文件和文件夹，其中一些文件的详细信息如下所述。 作为Xenium Onboard Analysis的一部分，每个Xenium实验或fov都会自动生成一系列后续分析文件，其中一些文件也可以在摘要HTML文件中查看，其具体内容在下面有详细说明。 因此，建议在后续处理步骤中对所有Xenium载玻片上的细胞进行聚类分析。 图像质量检测：此选项卡显示了在Xenium成像过程中产生的荧光信号，以及细胞分割标记所产生的荧光信号（如果存在的话）。

跟着Seurat官网学Xenium空转分析

这里看一下AI对Xenium的理解，描述的非常详细： Xenium 的核心原理：Xenium 的核心是基于高通量的原位杂交 (In Situ Hybridization, ISH) 技术。 提供Xenium运行的数据文件夹的路径作为输入路径。RNA数据存储在Seurat对象的Xenium分析中。这一步大概需要一分钟。 xenium.obj <- subset(xenium.obj, subset = nCount_Xenium > 0) 空间信息被加载到Seurat对象的插槽中。 可视化每个细胞基因数量（nFeature_Xenium）和每个细胞的转录本计数情况（nCount_Xenium）： VlnPlot(xenium.obj, features = c("nFeature_Xenium 标准化分析流程 接下来，我们使用SCTransform进行标准化，然后是降维和聚类分析： xenium.obj <- SCTransform(xenium.obj, assay = "Xenium")

Xenium数据分析 | 下机数据读取

今天我们将下载10x官方人肺癌FFPE样本Xenium5k下机数据，使用python的spatialdata库，演示如何进行Xenium单个样本/多样本数据读取，以及简单绘图功能展示。 1. 示例数据下载： 数据下载地址: https://www.10xgenomics.com/datasets/xenium-human-lung-cancer-post-xenium-technote 文件解压缩后 数据读取 由于Xenium下机数据较大，多个样本按顺序读取耗时较长，这里我们使用多线程并行读取，缩短时间。 import os import threading import spatialdata as sd from spatialdata_io import xenium # 多线程读取Xenium下机数据读取 def xenium_data_load_multithreaded(data_dir, sample_info):     def sd_read_xenium(sample_data, sample_name

基于Python的Xenium空转分析流程

Xenium是由 10x Genomics 推出的一种空间转录组学技术，能够在单细胞分辨率的基础上，精确地检测和定位组织切片中的基因表达情况。 上期推文【跟着Seurat官网学Xenium空转分析】介绍了Xenium的Seurat分析流程，本期推文介绍一下Xenium的Python流程。 -1-standard）提取到名为Xenium的目录后，我们指定数据集的路径以及我们想要存储Zarr文件的位置： xenium_path = ". /Xenium/" zarr_path = ". /Xenium.zarr" #读得比较慢 sdata = xenium(xenium_path) sdata.write(zarr_path) ## 读入数据，sd.read_zarr读得比较快 sdata

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

知识扩展--Xenium、CosMx的技术比较

这一篇我们来简单的比较一下Xenium、CosMx之间的区别，结合自己的项目分析经验。 1、panel水平：MERSCOPE和Xenium提供完全定制panel或带可选附加基因的标准panel，而CosMx提供标准1K panel及可选附加基因（比如Xenium和CosMx已开始分别提供5000 Xenium 表现最佳，清晰地显示出这些标记基因的互斥表达模式。 在高质量样本上可接近Xenium，但在典型存档样本中表现不佳。特异性：Xenium 的特异性最高，假发现率（FDR）最低。CosMx 在2024年更新后特异性也有所提升。 Xenium 凭借其高灵敏度和低FDR，往往能实现最精细的细胞亚型区分。CosMx 凭借其大Panel，也能识别多种细胞类型，但亚型分辨率有时不及Xenium。

Xenium多样本分析实战-代码分享

最近陆陆续续完成了几个Xenium项目的数据分析，主要集中在肿瘤样本研究，每个项目由于实验设计的不同，老师关心的科学问题不同，都做了许多个性化的分析，有时间闲下来后自己做了一些总结，将自己在Xenium Xenium Ranger数据读取 详细内容参考我们之前的相关介绍： Xenium数据分析 | 下机数据读取 2. , 'total_counts'], groupby='sample', jitter=False, rotation=90, multi_panel=True, show=False) Note: Xenium 细胞过滤还要考虑另一个指标，细胞核面积大小（因为Xenium有部分细胞的分割是基于识别出细胞核后，向外扩5um当做细胞边界，有些细胞核面积异常大的，这些就是分割有误的细胞，需要删除），下面展示的是细胞核面积与细胞面积比的统计 | 细胞邻域(Cellular Neighborhood)分析(fixed k-nearest neighbor) Xenium | 细胞邻域(Cellular Neighborhood)分析(fixed

脚本更新--CosMx、Xenium的neighborhood analysis（R版本）

空间转录组网络图的分步绘制(Xenium)

'.svg') plt.savefig('%s.spatial.graph.png'%(sample)) ad_list.append(ad_sp)subset，为什么要做这个呢，因为一张Xenium

内容补充--高精度空转（Xenium、CosMx等）数据增强

Xenium | 空间原位转录组数据分析全解

10x Genomics推出的Xenium平台基于高通量的原位杂交技术，通过使用特异性探针捕获 RNA 分子，并在组织切片上直接检测信号，使得我们能够在单细胞分辨率的基础上，精确地检测和定位组织切片中的基因表达情况 最近有几位同学后台私信我，希望能完整介绍下Xenium数据分析全流程，以及空转数据能做的分析有哪些，我上网查了下，好像还真没有一个全面完整的教程，于是乎，我们使用10x官方公布的测试数据，基于之前介绍的 Xenium prime下机数据读取学会怎样使用spatialdata进行单样本下机数据读取、多样本合并、简单原位绘图；演示数据来源地址: https://www.10xgenomics.com/datasets /xenium-human-lung-cancer-post-xenium-technote2.

脚本更新---高精度（Xenium、CosMx）的邻域通讯分析

今天我们更新脚本，高精度（Xenium、CosMx）的邻域通讯分析python代码，python大家尽量学一学，如何搭建python环境以及写封装脚本在linux系统上运行，是空转必修课.import download directory and get datast.settings.datasetdir = pathlib.Path.cwd().parent / "data"library_id = "Xenium_FFPE_Human_Breast_Cancer_Rep1 "data_dir = st.settings.datasetdir / "Xenium_FFPE_Human_Breast_Cancer_Rep1"st.datasets.xenium_sge(library_id alignment_matrix_file=data_dir / "he_imagealignment.csv", experiment_xenium_file =data_dir / "experiment.xenium", )st.pp.filter_genes(adata, min_counts=10)st.pp.filter_cells

Xenium | 细胞邻域(Cellular Neighborhood)分析(fixed k-nearest neighbor)

out_dir, f"CNs_{n_clusters}.png"), dpi=300, bbox_inches='tight')    return adataXenium | 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

脚本更新---高精度空转（Xenium、CosMx）Patch Proximity Analysis

内容扩展--Xenium、CosMx数据细胞定义的分析策略

今天我们来分享Xenium、CosMx数据细胞定义的分析策略还是老样子，总结高分文章的做法，平时大家也多读读文献并总结。第一篇，采用的Seurat的labeltransfer。 第15篇，Xenium 5k现在大家知道如何做好注释了吧生活很好，有你更好

知识扩展---高精度空转（HD、Xenium、CosMx）的ROI选择

我们在做HD、Xenium、CosMx通常是不可以全量分析的，而是选择一些关键的区域进行核心分析。其中主观选择ROI存在主观性强、结果不一致且缺乏可重复性的问题。 结果2、在人类胃癌样本中指导Xenium实验的应用结果3、在人类结肠癌样本中指导Visium HD实验的应用结果4、在人类肾脏样本中指导CosMx实验的应用结果5、在ROI选择中整合先验知识在实际应用中 存在批次效应的切片：即使面对两张连续H&E切片（一张高质量、一张经Xenium处理后存在染色伪影）间严重的批次效应，S2-omics仍能进行联合特征提取与分割，选择出横跨两切片的代表性ROI，并成功将细胞类型标签从一切片推算至两切片