- 综合排序
- 最热优先
- 最新优先
高精度空转--识别多细胞niche与niche调控细胞状态
作者，Evil Genius本周六开始我们的生化小课---基因组与单细胞空间多组学培训，今天我们拉微信群。今天我们分享的内容是空转的细胞niche与细胞调控。 细胞的功能状态与其局部微环境（即细胞niche）密切相关，这种微环境是由多种相互作用细胞类型形成的复杂生态体系。 多细胞niche（MCN）指组织中促进不同细胞类型相互作用和功能的特殊微环境，在调控细胞状态中起关键作用。同一类型的细胞在不同MCN中可呈现不同状态，即niche控细胞状态（NRCS）。 每个CCA组分对应一个MCN，输出包括：定义MCN细胞组成的"niche细胞类型"（邻域矩阵正系数）表征NRCS的"niche基因"（基因表达矩阵正系数）非负性和稀疏性确保可解释性并突出关键因子下游分析 我们以肿瘤数据为例（Xenium数据）不同的多细胞微环境niche（MCN）必然会导致不同的肿瘤细胞状态不同的niche必然有不同的基因与调节因子我们来实现一下，全流程python代码import os
45220编辑于 2025-09-10内容复习--分子niche与细胞niche的区别
其实问题的核心在于分子niche与细胞niche的差异点在哪里以及背后的生物学意义。 2、关联病理状态特定 niche 与疾病状态高度相关：Niche 5（髓系+淋巴细胞富集）→ 炎症微环境，在缺血区域特异性富集；Niche 4（成纤维细胞为主，伴髓系细胞）→ 纤维化微环境，反映心肌修复 揭示细胞功能状态的异质性，超越细胞类型组成即使在相同细胞类型（如心肌细胞）占主导的区域，基因表达谱的差异可定义出多个分子 niche；这些 niche 反映了细胞在代谢、电生理、结构和应激响应等方面的功能亚态 关联空间位置与疾病进程特定分子 niche 与特定病理区域高度共定位：炎症/纤维化相关 niche → 缺血或瘢痕区域；应激型心肌细胞 niche → 梗死边缘区（损伤前沿）；稳态型心肌细胞 niche 综合比较一下比较维度细胞 Niche（Cell-type Niche）分子 Niche（Molecular Niche）定义基础基于每个空间 spot 中各类细胞的相对丰度或组成（如心肌细胞、成纤维细胞
17320编辑于 2026-01-07脚本更新---高精度平台的细胞niche分析
作者，Evil Genius高精度平台（Xenium、CODEX、CosMx）的空间细胞邻域niche分析。核心就是一定距离内的细胞(window)都是该位置的niche环境。 高精度的细胞niche分析，通常需要指定研究的目标细胞类型，比如肿瘤细胞，然后研究其微环境的差异，进行细胞聚类。之前分享过一个方法，今天分享一个简单的。 ，拿到的是单细胞级别的空间数据。 还有空间坐标首先要注意坐标系统细胞-细胞网络以100像素为半径构建，以捕获更多周围细胞的组成模式。 sp.tl.get_c_niche(adata=adata_com, k_max=30, celltype_key='cluster', sample_key='sample')AnnData object
24110编辑于 2025-01-17文献汇总--Niche-specific细胞功能状态
今天我们继续汇总文献，关于Niche-specific细胞功能状态。当然了，分析都是一连串的，首先在高精度分析的时候，第一步就是细胞注释。 第二步，就是分析niche空间转录组的核心优势在于能将细胞映射回组织二维空间，从而分析细胞间相互作用和空间组织模式。 “细胞邻域”为以某细胞为中心、半径200像素（约24微米）范围内的所有细胞（通常包含10–20个细胞），大家还知道王凌华的文章，邻域包含多少个细胞么？识别得到的CN，其核心细胞组成及比例。 这个时候就来到分析的核心，Niche-specific细胞功能状态，即之前提到的niche-defined subtypes。相同的细胞类型比如T细胞，处于不同的CN中，其功能状态会有很大的不同。 不同CN中T细胞的表达分析比较我们以文献为例研究对三种典型邻域中的T细胞进行了比较分析：CN1：T细胞富集区CN3：髓系细胞（如巨噬细胞）富集区CN5：肿瘤B细胞密集区二、T细胞功能状态的邻域特异性邻域
19820编辑于 2025-12-29空间转录组分析之细胞Niche（python）版本
作者，Evil Genius其实关于细胞niche，之前已经分享了R版本的代码了，内容在10X空间转录组数据分析之细胞niche甚至还分享了关于分子niche的内容10X空间转录组数据分析补充之分子niche 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，例如侵袭性的肿瘤细胞空间临近巨噬，所有细胞的空间排布形成了细胞niche矩阵. 在做细胞niche的时候，需要先进行单细胞空间的联合分析，推荐cell2location（python版本）关于cell2location在空转系列课程上全部讲过了，大家回看视频就可以了，视频全放在B站了 为了在组织切片上识别细胞niche，借助cell2location包的NMF功能来预测细胞类型丰度，注意这里就不同于R版本，R版本需要Barcode X 细胞矩阵先进行聚类，然后识别每一类的细胞类型的丰度
89511编辑于 2024-04-05内容复习---visium（stereo bin > 50）细胞niche与共定位分析
对于visium（stereo bin > 50）而言，单细胞空间不分家的，首先必须做好单细胞的分析，其中单细胞的注释为重中之重。 目前单细胞的注释，尤其亚群的注释，仍然依据marker注释为主，其中也有很多需要注意的细节，在2025第一课和第二课已经全部讲到了。空转的基础分析第三课全部讲到了，包括多样本整合去批次。 接下来就是分析细胞niche，第五课的关键内容。 关于细胞niche，2024的课程讲解的是R版本，2025不仅更新了R版本，同时提供了python版本，大家拿到之后，用在自己的项目中即可，其中有很多的注意事项要留意，不要盲目跑代码。 关于细胞niche与共定位的生物学解读，推荐大家读文章随着做空间的课题组越来越多，越来越卷是必然的趋势，那么分析也会水涨船高，就像单细胞分析一样，慢慢会的人也越来越多，风口也就那么几年，希望大家抓住机遇
35520编辑于 2025-07-16脚本优化--visium的细胞niche与共定位(R版本)
作者，Evil Genius今天更新脚本，visium的细胞niche与共定位单细胞空间联合推荐cell2location, 拿到联合后的结果，注意联合的时候尽量样本要匹配，联合关键的参数在课堂上都已经有详细的讲解 " = k_50) %>% dplyr::mutate(ct_niche = paste0("niche_", niche))niche_summary_pat <- integrated_compositions ") %>% as.matrix()niche_order <- hclust(dist(niche_summary_mat))niche_order <- niche_order$labels[niche_order = factor(ct_niche, levels = niche_order)) %>% ggplot(aes(y = ct_niche, x = prop_spots)) + geom_bar /results/niche_mapping/ct_niches/niche_summary_pat.pdf", height = 5, width = 8)niche_summary_pat %>%
24020编辑于 2025-10-29文献分享---基于多视图图神经网络解释niche细胞间通讯
今天我们分享文献关于空间的通讯分析，其实分享了很多，从一开始用类似单细胞的方法，到考虑空间位置，再到分析信号流，到现在的分析niche内部和niche之间的细胞通讯，其实都是在强调通讯分析的时空特点。 细胞相互作用主要发生在发送细胞分泌与接收细胞上的受体结合的配体时，从而激活特定的信号通路STCase包括一个可解释的多视图图神经网络，通过CCC识别每种细胞类型的生态位，并揭示生态位特定的CCC事件。 to occur between neighboring cells.同一类型的细胞可能存在于不同的生态位中，导致调节不同细胞功能的不同CCC事件。 核心niche + CCC。 结果4、揭示具有不同生态位的癌细胞亚型口腔鳞状细胞癌（OSCC）ST数据集。不同的生态位可能导致癌症细胞的不同特征，这促使进一步研究癌症细胞的状态。
30120编辑于 2025-05-29空转数据分析之特异性生态位基因依赖的细胞通讯
分析表明Niche-LR可以恢复基于SPOT的空间转录组数据的细胞-细胞信号相互作用，其中每个SPOT可能是细胞的混合物。 应用以亚克隆1为目标、成纤维细胞为生态位细胞类型的Niche-DE鉴定IFNGR1为亚克隆1（subclone1, fibroblast）+的Niche基因。 Niche-DE检测细胞类型特异性niche基因的准确性依赖于能够区分这些细胞类型的准确性。反卷积不需要匹配的单细胞数据，因为在大多数情况下，同一组织的单细胞参考图谱可用于执行反卷积。 从Niche-DE分析得出的结论不包括空间可变基因分析或细胞-细胞相互作用分析。 此外，索引细胞和生态位细胞不需要随机地共定位，以便在它们之间具有Niche-DE基因。
78820编辑于 2024-04-09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 ##loadadata_vis = sc.read(f".h5ad")####细胞类型，根据自己的项目选择cts = ['AT0', 'AT1', 'AT2', 'Aberrant basaloid', ")order = adata_vis.uns["dendrogram_Niche_NMF"]["dendrogram_info"]["ivl"]#Get top genes from Markers
45520编辑于 2024-04-07文献汇总--盘点一下visium的niche分析
Niche 分析（生态位分析）在空间转录组背景下，识别和表征特定细胞类型或区域周围的微环境（即“niche”），包括邻近细胞类型组成、细胞间相互作用、信号通路活性等。 第二步：niche的定义基于空间邻域：对每个 spot（或细胞类型富集区域），提取其 k 阶邻居（如 6-邻域或半径 r 内的所有 spots）。 基于细胞类型组成：计算每个 spot 周围各类细胞的比例，形成“niche profile”。 2、基于 ILR 转换后的数据，对所有 spots 进行聚类，形成“细胞类型生态位”——即在细胞组成上相似的 spot 群，代表组织中潜在的共享结构单元。 第二篇分析策略第三篇分析策略细胞矩阵进行降维聚类分析获得niche。高精度的niche以及niche的差异分析分析内容，我们后续总结。生活很好，有你更好。
16420编辑于 2025-12-26Research highlights---利用空间转录组学解码细胞间通讯
计算框架NiCo（Niche Covariation）为CCC分析提供了一种三管齐下的方法。首先，NiCo使用scRNA-seq数据的标记转移来注释空间细胞类型，这实现了比其他方法更精确的注释。 空间注释辅以直观的视觉表示，将细胞类型位置映射到组织载玻片上，便于探索组织组织和细胞分布模式。 其次，NiCo通过构建一个邻域矩阵来推断空间共定位区域中细胞类型之间的相互作用，该邻域矩阵捕获了组织中细胞类型共定位的所有实例；NiCo使用该矩阵作为分类器的输入，该分类器预测每对细胞类型的相互作用强度 正相互作用强度表明细胞类型之间可能存在相互作用，这些预测已经使用模拟数据集进行了严格验证。这种能力使研究人员能够推断细胞类型之间的功能关系，并评估细胞相互作用的空间组织。 第三，NiCo最具创新性的方面在于它能够预测空间共定位细胞之间基因程序的细胞状态协变。这项独特的任务假设一种细胞类型中的一组基因可以影响其共定位伴侣细胞类型的另一组基因。
33120编辑于 2025-02-24文献分享--将空间转录组学和ECM成像结合在3D中用于绘制肿瘤微环境中的细胞相互作用(CosMx)
比较了2D和3D中T细胞niche的空间定位，并观察到3D-特定的细胞包围并在已经在2D中识别出的看似断开的T细胞niche之间形成桥梁，恢复它们的空间连续性。 3D细胞邻域的研究揭示了细胞微环境的复杂性和丰富性。在所研究的患者中，3D分析改善了T细胞niche的空间映射，并将树突状细胞niche与周围肿瘤表面区分开来。 3D邻域使系统研究物理上邻近的细胞之间的受体-配体相互作用成为可能，并揭示了哪些配体活动在多细胞niche中在空间上组织起来，包括众所周知的niche特异性细胞组成和功能的驱动因素。 虽然数据的2D分析已经捕捉到了大多数细胞 niche，3D邻域改善了所研究患者中免疫 niche的识别和表征。肿瘤样本，11个3D邻域恢复了2D中看似断开的T细胞 niche的空间连续性。 此外，3D分析捕获了免疫 niche和肿瘤表面之间的空间关系，并使研究树突状细胞 niche中的免疫抑制相互作用成为可能。最后看看方法细胞邻域细胞niche空间通讯生活很好，有你更好
32020编辑于 2025-04-28课前准备----nicheDE与nicheLR（完整版）
作者，Evil Genius生态位差异表达(niche-DE)分析，用于识别细胞类型特异性生态位相关基因，这些基因在特定空间生态位背景下在特定细胞类型中差异表达。 细胞的生态位为其局部邻域的细胞类型组成Niche-DE鉴定细胞类型特异性生态位相关基因，定义为与细胞类型特异性平均表达相比，在特定空间生态位背景下，特定细胞类型中的表达显著上调或下调的基因。 相比之下，niche差异表达分析发现，在一种细胞类型(如巨噬细胞)中，基因的表达模式与其与另一种细胞类型(如肿瘤细胞)的共定位相关。这为两种细胞类型的共定位如何影响它们的基因表达状态提供了见解。 #富集fibro_tum_pos = get_niche_DE_genes(NDE_obj,'I',index='stromal',niche = 'tumor_epithelial',positive (NDE_obj,index = 'stromal',niche1='tumor_epithelial',niche2='B_plasma',0.05)data("niche_net_ligand_target_matrix
46620编辑于 2024-08-13空间转录组多样本niche的比较分析（Visium & Xenium & HD）
今天我们又要完成一项工程，昨天有位粉丝问我，想多样本分析空间niche，自己拿到的是Xenium的样本，我们今天就把各种精度的niche分析全部总结一样，包括多样本的比较niche分析，niche分析在很多文章里也描述成了细胞的 首先我们要知道niche的定义，niche有两种，在非单细胞精度的空间中，第一种将细胞组成相似的spot定义为niche，以表征具体的微环境，这里不以某种细胞类型为核心；另外一种niche的定义是以某种细胞类型为核心 ，比如肿瘤细胞，分析其周围的细胞类型的组成，从而进一步分析微环境，这种niche的定义通常需要单细胞级别的平台，文章大多数的非单细胞级别的空间平台niche的分析角度是前者。 这种情况下表达相似或者细胞组成相似的spot聚成了一类，每一个cluster定义为一个niche，然后就可以分析niche的细胞组成等内容，进一步研究微环境的改变。 常规的分析方法总结如下 这里大家就可以看出来，单细胞级别的平台主要采用的是核心细胞类型的niche分析方法 这时候niche分析首推squidpy，文章在Squidpy: a scalable framework
2.5K21编辑于 2024-05-30空间文献分享---NF2相关神经鞘瘤病前庭神经鞘瘤中免疫细胞环境的空间定位
结果1、成像质谱细胞术突出了NF2 SWN相关前庭神经鞘瘤组织形态学niche的内部和内部异质性使用Ilastik进行细胞分割 + 细胞注释。 结果2、NF2 SWN相关前庭神经鞘瘤中myeloid细胞群与Schwann细胞群在组织形态学niche中的相互作用血管周围niche内的细胞图谱和细胞间相互作用因区域而异。 T细胞在抗肿瘤免疫和肿瘤细胞清除中起着重要作用，但它们在VS中的作用尚不清楚。T细胞在niche中的细胞互作。 鉴于细胞间相互作用和T细胞群在Antoni A和B区的定位存在明显差异，我们接下来通过ACN分析研究了这些组织形态学niche中T细胞群的细胞网络。 niche的形成。
15620编辑于 2025-04-01内容分享--利用空间转录组学解码细胞间通讯（NiCo）
而NiCo这个方法本身也发了一遍高分文章而且得到了nature的重点关注NiCo（Niche Covariation）计算框架通过三方面推进CCC分析：细胞类型注释：通过scRNA-seq标签转移对空间细胞类型进行高精度注释 细胞转录状态的外在决定因素（源于微环境）可通过邻近细胞的基因表达共变揭示。 NiCo（Niche Covariation）通过整合基于成像的空间转录组与匹配的scRNA-seq参考数据，在细胞类型分辨率下推断基因程序的生态位共变。 需要输入的数据空间数据：经细胞分割的基因-细胞计数矩阵及二维细胞中心坐标；scRNA-seq数据：基因-细胞计数矩阵及涵盖空间数据中所有预期细胞类型的标签。 NiCo的多步骤分析流程细胞类型注释：通过scRNA-seq标签转移标注空间数据中的细胞类型；生态位结构解析：识别每个“中心细胞类型”（CC）的邻近生态位细胞类型；共变推断：分析共定位细胞类型间的潜在因子共变
26620编辑于 2025-11-18课前准备----nicheDE与nicheLR
生态位差异表达(niche-DE)分析，该方法可以识别特定细胞类型在特定空间生态位中的特定细胞类型的生态位相关基因。niche-LR，一种揭示基于生态位差异基因表达模式的配体-受体信号机制的方法。 Niche-DE和Niche-LR适用于低分辨率的基于点的空间转录组学数据和分辨率为单细胞或亚细胞的数据。 = CalculateEffectiveNicheLargeScale(NDE_obj,batch_size = 1000, cutoff = 0.05) Niche-DE分析#Perform Niche-DENDE_obj = T,self_EN = F,G = 1)获取niche-DE的基因DE_genes = get_niche_DE_genes(NDE_obj,'I',index='stromal',niche = (enrichR)#get fibroblast tumor niche genesfibro_tum_pos = get_niche_DE_genes(NDE_obj,'I',index='stromal
18200编辑于 2024-08-12空转数据分析之细胞“社区”
还记得空间的四个矩阵么，课上讲过 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，例如侵袭性的肿瘤细胞空间临近巨噬，所有细胞的空间排布形成了细胞niche 这里大家可以参考之前分享的共定位分析空转第10课共定位内容补充（通路 && 细胞类型）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10X空间转录组数据分析之细胞的空间依赖性这里多说一句，即使是高精度平台 今天分享的空间细胞“社区”分析，主要针对空转的第四个矩阵，细胞niche矩阵，效果图如下提醒大家一句，个性化分析要根据自己的需求来，而且可以进行延伸，会分析之后思路就会变得非常重要。 cell with the closest relationship with HSCs/MPPs.先了解一下概念：细胞社区（Cell Neighborhood）是基于距离中心细胞特定距离范围内不同细胞类型的局部密度区分的组织区域
45120编辑于 2024-03-19文献分享--食管癌发生的单细胞多阶段空间演化图谱（Xenium）
结果4、来自HGIN期的侵袭性上皮细胞和临近CAF的CAF-Epi niche形成NF（normal fibroblasts）密度在LGIN、HGIN和ESCC中保持稳定，广泛分布于肌肉层中，在NOR 对食管鳞癌发生发展过程中的细胞群体进行了细胞邻域分析，结果显示了一个由CAFs和侵袭性上皮细胞组成的独特的细胞区室，称之为CAF-Epi niche，CAF-Epi niche的形成可能是SCC进展的关键特征 结果5、侵袭性上皮细胞通过JAG1-NOTCH1信号传导驱动CAF-Epi niche形成。 侵袭性上皮细胞和CAF的空间共定位在促进和维持CAF-Epi niche的形成中起着关键作用，早在HGIN就开始了。 结果6、CAF-Epi niche在肿瘤区域形成免疫隔离微环境在肿瘤边缘处的CAF-Epi niche周围形成了致密的纤维化ECM此外，分析鉴定了类似的CAF-Epi niche，并且其在HNSC中诱导
25220编辑于 2025-03-13
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