跟着Seurat官网学Visium HD空转分析（二）空间组织域识别和反卷积

主要观点总结

本文介绍了Seurat官网的Visium HD空转分析流程，包括使用BANKSY算法进行空间组织域识别和使用RCTD算法整合单细胞和HD空转数据。文章还强调了Seurat v5的新特性和在使用过程中的注意事项，以及对于新手用户的建议。

关键观点总结

关键观点1: Seurat官网的Visium HD空转分析流程介绍

包括使用BANKSY算法进行空间组织域识别，以及使用RCTD算法整合单细胞和HD空转数据。

关键观点2: BANKSY算法简介

BANKSY是一种聚类空间组学数据的方法，通过将每个细胞的特征与其空间近邻特征的平均值以及邻域特征梯度相结合来增强。它能够帮助改善细胞/Spots类型分配，区分微环境分层的微妙不同细胞/Spots类型，并确定共享相同微环境的空间域。

关键观点3: Seurat v5的新特性和使用注意事项

目前仍有相当多的单细胞算法尚未支持Seurat v5，用户在使用过程中可能会遇到bug。对于新手，特别是没有Seurat v4分析经验的用户，建议先熟悉Seurat v4的分析流程，再上手v5。但v5也提供了新特性和工具，如sketch算法，适用于大图谱数据的降维聚类分析。

关键观点4: RCTD算法的特点和用途

RCTD算法以scRNA-seq数据集为reference，以空间数据集为query。官方教程使用了Allen Brain Atlas的小鼠scRNA-seq数据集作为reference。RCTD算法的独特之处在于其doublet模式，适用于类似Slide-seqV2平台的分析策略。

关键观点5: Visium HD数据的分析

文章介绍了如何对Visium HD数据进行空间组织域识别，取子集进行亚群分析，并使用RCTD算法整合单细胞和HD空转数据。此外，文章还提到了其他去卷积算法如CellTrek、Cell2location和semla，但RCTD算法的精确度不亚于Cell2location，运行相对较快。

免责声明