- 综合排序
- 最热优先
- 最新优先
- 来自专栏生信喵实验柴
空间转录组
一、什么是空间转录组？ 空间转录组，也称为 spatial gene expression，简称 ST-seq，是将转录组学，单细胞测序技术以及组织切片技术结合起来的技术。 传统的转录组可以得到基因的差异表达信息，单细胞转录组提供了更高分辨率的基因表达信息，可以分辨出不同细胞的类型，而空间转录组在此基础之上，还可以得到不同类型细胞的空间分布信息，分辨率进一步提高。 样品切片信息 切片+单细胞得到的空间转录组 二、为什么要做空间转录组？ 空间转录组将组织切片与转录组测序结合，实现空间信息和转录本信息的获取。 四、空间转录组建库 由于空间转录组相比于单细胞转录组多了空间信息，因此 10X Visium 的实验可以分为两个板块——组织学板块和组学板块。
4.4K21编辑于 2023-02-24 - 来自专栏用户7627119的专栏
空间转录组
近年来空间转录组技术出现在人们的视野中，由于这项技术不仅能够获得转录组的表达信息，同时还能对基因进行定位，因此受到研究者们的追捧。空间转录组技术到底是什么？它有什么用？应该怎么用？ 因此空间转录组整合了基因表达和空间位置两种信息，实现对基因的定位。 ? 小鼠肾脏的空间聚类和基因表达 二、空间转录组有什么用？ 空间转录组技术可以帮助我们更准确的了解疾病的病理信息；空间转录组可以消除组织分离带来的偏差。 空间转录组技术无需进行组织解离，避免了在解离过程中造成的细胞损伤；空间转录组有助于异质组织中细胞类型的识别。 ? 空间转录组可以保留组织和细胞的微环境信息 三、空间转录组是怎么实现的？ 实验流程 三、空间转录组如何应用？ 整合空间转录组和单细胞转录组揭示胰腺导管腺癌的组织结构 ?
2.4K31发布于 2020-08-06 - 来自专栏数据科学（冷冻工厂）
空间转录组: 反卷积
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]，持续更新，欢迎关注，转发，文末有交流群！ 简介 基于测序的空间转录组（ST）数据在每个 spot 中可能包含 0 到多个细胞，这些细胞可能完全被 spot 覆盖，也可能只是部分被覆盖，具体取决于平台的空间分辨率以及组织细胞的密度。 数据的这一特点意味着一个 spot 内可能存在细胞类型的混合，因此也会出现转录程序的混合。 optimal transport (OT)-based：通过将 scRNA-seq 与 ST 数据进行映射，推断空间基因表达分布。 deep learning-based：利用神经网络对齐并整合单细胞与空间转录组数据。例如 Python 中的 Tangram。
52810编辑于 2025-09-17 空转复习---空间转录组hotspot
大家最近也应该感觉到了，针对不同类型的空间平台，有一些分析是通用的，但是有些分析是各个平台独有的，比如今天要分享的hotspot。
52022编辑于 2025-01-14- 来自专栏单细胞天地
空间转录组听课收获
前些天，《百奥智汇》在我们《单细胞天地》宣传了他们的公开课，见：线上讲座 | 单细胞空间转录组专题——实验技术和前沿应用, 已经圆满结束. “空间转录组”专题讲座已经结束，回看请访问网页版地址：https://ke.qq.com/webcourse/index.html#cid=2728654&term_id=102835765&lite= image-20200820183050735 如果你没有时间看，也可以下载保存一份，参考：什么，腾讯课堂的免费单细胞公开课录屏马上就要删除了 下面是我们生信技能树转录组讲师张娟的听课笔记 产品介绍 产品为 ：10X Visium空间转录组 技术优势： 获得多样本类型中完整组织切片的无偏和高通量的基因表达分析 了解局部细胞在正常和病变组织中的相互作用 无需进行组织解离即可进行基因表达研究 分析和了解基因表达一致性及其对生物系统的影响 最后分享了一篇应用文章：空间转录组技术解析人鳞状细胞癌 文章信息如下： 标题：Multimodal Analysis of Composition and Spatial Architecture in
82130发布于 2020-08-24 空间转录组niche通路富集
通路富集；2、python版本的“hotspot”首先是第一个内容,我们需要拿到如下结果：关于生态位的通路富集，之前分享过R版本，内容在10X空间转录组数据分析之细胞类型与生物学通路的空间依赖性空转第10 课共定位内容补充（通路 && 细胞类型）会拿到如下结果所以大家要注意，空间类的通路富集是需要考虑空间位置关系的。 cmap_transparent2 = colors.LinearSegmentedColormap.from_list('rb_cmap',[c_low2, c_high2], 512)加载数据，注意这里要完成单细胞空间的联合分析进行空间注释 darkred"))(50)my_col[0] <- "white"p<-pheatmap(gsea_table_new_cm, color= my_col) 关于python版本的“hotspot”，参考文章空间转录组 niche通路富集与空间“hotspot”生活很好，有你更好
46620编辑于 2024-04-07- 来自专栏生信探索
空间转录组实战03: 整合
=3); sc.pl.umap(adata, color="Cluster",legend_loc="on data",show=False,legend_fontoutline=3); 图片 图片 空间可视化
81940编辑于 2023-03-07 - 来自专栏生信技能树
python读取空间转录组数据
上一期我们学习了使用python读取不同的单细胞数据：python版读取不同的单细胞数据格式（单样本与多样本），今天来看看使用python读取空间转录组的数据。 sc.tl.leiden(adata, flavor="igraph", n_iterations=2) 可视化看一下： sc.pl.umap(adata, color=["leiden"]) 空间聚类图
53202编辑于 2025-03-06 - 来自专栏单细胞天地
纵论空间转录组前世今生
书中把空间转录组技术分为前传时代（Prequel era）和当下时代（Current era），从技术应用，数据分析，数据库等方面进行了系统的文献分析，为我们展开空间转录组技术发展的历史画卷。 本文就是在本书的基础上整理而来，我们感兴趣的问题有： 空间转录组技术为什么会分为两个时代？ 在早期它是什么样子的？ 两个时代一脉相承的东西是什么？ 当下的我们如何应用空间转录组技术？ 我们对空间转录组技术有着怎样的期待？ 前传时代 广义地说，同时获得位置信息和转录组信息的技术都可以叫做空间转录组。 可以看到，20世纪90年代后期，一些关于空间转录组学的文章从激光捕获显微解剖(LCM)、微阵列或RNA-seq和单分子荧光原位杂交(smFISH)开始了空间转录组学的发展历史。 空间转录组学领域自2010年代末以来发展迅猛，正是这些技术链条汇聚在一起的合力。 空间转录组学面临的主要挑战。 首先，仍然存在数量和质量之间的权衡。
1.4K31发布于 2021-01-25 - 来自专栏生信技能树
纵论空间转录组前世今生
书中把空间转录组技术分为前传时代（Prequel era）和当下时代（Current era），从技术应用，数据分析，数据库等方面进行了系统的文献分析，为我们展开空间转录组技术发展的历史画卷。 本文就是在本书的基础上整理而来，我们感兴趣的问题有： 空间转录组技术为什么会分为两个时代？ 在早期它是什么样子的？ 两个时代一脉相承的东西是什么？ 当下的我们如何应用空间转录组技术？ 我们对空间转录组技术有着怎样的期待？ 前传时代 广义地说，同时获得位置信息和转录组信息的技术都可以叫做空间转录组。 可以看到，20世纪90年代后期，一些关于空间转录组学的文章从激光捕获显微解剖(LCM)、微阵列或RNA-seq和单分子荧光原位杂交(smFISH)开始了空间转录组学的发展历史。 空间转录组学领域自2010年代末以来发展迅猛，正是这些技术链条汇聚在一起的合力。 空间转录组学面临的主要挑战。 首先，仍然存在数量和质量之间的权衡。
1.1K50发布于 2021-10-22 课前准备----空间转录组hotspot
Hotspot是一个基于图的程序来识别信息基因和基因模块当我们需要在空间上衡量两个指标的关联度的时候，就需要借助hotspot。 空间转录组学在描述具有不同细胞组成的主要组织结构域、癌症特征、免疫抑制中心、具有不同临床结果的整个肿瘤生态型或特定药物对抑制肿瘤进展的影响方面的优势。 此外，使用热点方法检测到的空间关系与仅观察单个点的邻近区域时观察到的空间关系进行了比较。评估这些变量之间的关系如何变化，hotspot大小或周围的一个spot的大小变化。 分析模块如下：邻域富集分析（Neighbourhood enrichment analysis）:用于检查单个空间转录组学spot及其邻近区域内细胞状态、细胞类型或过程之间的相关性。 热点方法，计算不同邻域大小的特征统计量，从而能够在不同的空间尺度上识别niche；以及空间hotspot的距离变化关系。
61111编辑于 2024-07-29- 来自专栏用户7627119的专栏
空间转录组学（Spatial Transcriptomics）
01、空间转录组技术的发展 近年来单细胞转录组测序技术的应用大大拓宽了人们的视野，使人们能够深入了解组织中细胞的构成的多样性和基因表达状态。 单细胞转录组测序技术和空间转录组技术【2】 单细胞转录组测序技术可以说是融合了高通量组学技术和传统的单细胞研究手段，即解决了通量和分辨率的问题。 基因表达的空间热图【8】 5、空间转录组和单细胞转录组数据的整合 10X Genomics Visium空间转录组技术目前还达不到单细胞分辨率，而单细胞转录组数据则能够起到一定的补充作用，将两者的数据进行锚定和整合 ，使我们能够获得目标组织的三维空间转录组图谱。 空间转录组和单细胞转录组数据的整合 参考文献： [1] Yan L, Yang M, Guo H, et al.
13.2K52发布于 2020-08-06 - 来自专栏单细胞天地
空间信息在空间转录组中的运用
桑基图在单细胞数据探索中的应用 热图在单细胞数据分析中的应用 定量免疫浸润在单细胞研究中的应用 Network在单细胞转录组数据分析中的应用 你到底想要什么样的umap/tsne图？ 最近的空间转录组的文章，大部分空间信息只是作为X-Y的画板——在上面画基因表达量或者分组信息。空间信息的地位简化到可视化工具TSNE和UMAP之列，这不免令人惋惜。 ? 好在地理学家们为我们准备了空间统计学，等着我们去学习。 地理学第二定律（空间异质性定律）简直就是空间转录组的活的灵魂，我们为什么要做空间转录组啊，谁还不是为了获得细胞、基因表达的空间异质性？ 以上我们简要幻想了地理学概念在空间转录组的应用，或者说我们沐浴了一番地理学的阳光，到大草原走一波，放飞了一波思想。现在我们回来吧，看看spatial-based RNA 分析方法。 那么现有的基因富集方法，如何扩展到空间转录中呢？所谓的富集其实就是打分嘛，如何制定打分体系。
2.7K41发布于 2020-12-24 - 来自专栏生物信息云
空间转录组学习手册合辑
近年来空间转录组的各类平台层出不穷，其也被《Nature Methods》评为年度技术。 希望这些资料可以帮助大家完成各平台空间转录组分析的一站式学习。 文件比较大，各位可以按需下载对应的文件夹： 示例 Stereopy: 包含文件格式转换/读取、SingleR注释、细胞通讯、轨迹分析、转录因子预测等章节： 分析输出图片示例： Seurat： 包含10X Visium与Slide-seq的分析流程 分析输出图片示例： Squidpy: 包含空间共现计算、配受体互作分析、空间可变基因计算、图像分割等内容 分析输出图片示例： Scanpy： 包含降维可视化 、空间特异性计算、与scRNA-Seq整合分析等内容 分析输出图片示例：
62710编辑于 2024-03-04 - 来自专栏数据科学（冷冻工厂）
空间转录组：从R导入数据
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]，持续更新，欢迎关注，转发，文末有交流群(你懂的)！ 平面文件结构 目前，不同商业供应商提供的空间转录组学平台的数据，其文件结构和格式各不相同。 不过，这些数据在本质上是相似的，比如：基于测序的数据都包含阵列点的空间位置和计数矩阵；基于成像的数据则包括转录本位置（通过点呼叫得到）、多边形边界（通过分割得到）以及计数矩阵（通过将转录本分配到细胞得到 Visium（10x Genomics） 在 Visium 数据上运行 Space Ranger（10x Genomics 提供的数据处理软件）会生成一组标准化的输出文件。 SpatialExperimentIO 提供了多种基于成像的空间转录组学平台的读取器，涵盖了 CosMx（Bruker）、Xenium（10x Genomics）、MERSCOPE（Vizgen）和 seqFISH
64500编辑于 2025-07-02 - 来自专栏生信技能树
10X空间转录组WORKFLOW
前言 记得我们在ST Pipeline||空间转录组分析流程(https://www.jianshu.com/p/7b5d145a515a)讲过，空间转录组就是把之前的单细胞的cell-gene矩阵转化为 今天让我们来看看空间转录组的一般流程吧。 1. Histology 将准备好的新鲜冷冻组织切片放置于空间转录组芯片上。每个细胞中的RNA分子都包含着基因表达的信息。组织切片成像，以检索组织学信息。 这样就可以看到一个细胞或一组细胞在组织中的位置。 2. The Array 空间转录组芯片上含有上千个捕获的spot，这些捕获探针的 Poly-T 尾可以结合RNA分子的 Poly-A 尾。
78120发布于 2021-10-21 - 来自专栏数据科学（冷冻工厂）
空间转录组：数据格式介绍
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]，持续更新，欢迎关注，转发，文末有交流群(你懂的)！ 简介 Bioconductor 提供了多种数据类，用于存储和处理空间（转录）组学数据集。这些统一的数据结构使得可以方便地将不同研究团队开发的方法和软件包整合起来，构建出包含最新先进方法的分析流程。 数据类 在基于测序的空间转录组学（ST）数据里，数据呈现为转录本 - 位点计数矩阵的形式，每个位点还附带空间坐标信息。 经过细胞边界的分割和转录本到细胞的映射后，这些数据可以被转换成类似单细胞组学技术数据的转录本 - 细胞计数矩阵。 MoleculeExperiment MoleculeExperiment（ME）是专门针对基于成像的空间转录组学数据设计的。
71510编辑于 2025-06-11 - 来自专栏生信技能树
mistyR：空间转录组共定位分析
mistyR 是一个多视角细胞间空间建模框架（Multiview Intercellular SpaTial modeling framework，简称 MISTy），通过分析细胞内和细胞间的关系，帮助深入理解标记物之间的相互作用 cell to the observed expression within that cell； the broader, tissue view (paraview)：旁观视角，通过加权总和计算所有空间单元的标记表达 MistyRStructuralAnalysisPipelineC2L.html 背景了解：10 visum空转的数据 spot直径为 55 μm，点之间的圆心距是100μm 示例数据：10 visum 空间转录组数据 ", "imagecol"), scale = NULL) head(geometry) c2l反卷积结果：每一行为一个spot，行和为1；每一列为一种细胞类型，值为某种细胞在spot中的相对比例 空间坐标如下 neighbor plus the standard deviation 计算每个 spot 的权重：通过设置参数 family = gaussian实现 距离计算：“distances” 构建了一组点的
2.8K00编辑于 2025-04-19 空间转录组数据库汇总
作者，Evil Genius分享一个数据库，CROST, CROST应用标准化处理流程整合了182个高质量的空间转录组数据集，涵盖8个不同物种、35种组织类型和56种疾病的1033个子数据集。 CROST通过集成空间转录组、经典转录组、表观基因组和基因组的数据全面阐明了肿瘤相关SVG，是用户（尤其是临床医生）快速评估特定癌症类型中基因表达水平、甲基化水平、拷贝数变异以及预后的宝贵工具。 CROST还开发了一个专为空间转录组分析而设计的一站式分析平台，旨在帮助用户即使不具备任何编程技能也可进行空间转录组分析。 目前分享的数据库包括SpatialData，文章在整合多模态空间组学数据开源框架--SpatialData，网址在https://spatialdata.scverse.org 还有SpatialTME SPASCER数据库，SPASCER数据库是一个新的空间转录组学数据库，包含43个研究的1082个数据集，旨在帮助理解组织异质性，组织微环境以及跨组织结构的细胞间相互作用，网址在https://ccsm.uth.edu
1.3K20编辑于 2024-04-27- 来自专栏数据科学（冷冻工厂）
空间转录组学: 局部异常检测
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]，持续更新，欢迎关注，转发，文末有交流群！ 局部异常检测 单细胞与空间转录组学中，全局异常检测的一个关键假设是：QC 指标与自然生物学相互独立。否则，天然具有低文库大小或较高线粒体比例的细胞或 spot 更可能被当作异常值移除。
20810编辑于 2025-09-17
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