SpatialData：空间组学数据的统一框架与Xenium5k下机数据读取实战

引言
空间组学技术（如 Xenium、Visium 等）正在彻底改变我们对生物组织的理解，为我们提供了基因表达和空间位置的双重信息。然而，处理这些多维、异构的数据仍然是一个巨大的挑战。为了解决这一问题，SpatialData 应运而生——一个开源的、通用的数据框架，旨在统一存储、处理和分析空间组学数据。

目录

1. 什么是 SpatialData？

2. SpatialData 的核心设计

3. SpatialData 的主要功能

4. 实战：使用 SpatialData 读取单、多样本 Xenium 数据

---

1. 什么是 SpatialData？

SpatialData 是一个开源的、多平台兼容的空间组学数据框架，旨在解决以下问题：

• 数据异构性

      不同的空间组学技术（如 Xenium、Visium、CyCIF 等）生成的数据类型和格式各异。

• 数据量大

      图像和转录本数据通常占用数百 GB 的存储空间。

• 空间对齐

      不同数据模态的空间分辨率和区域采集范围通常不一致，需要对齐到统一的坐标系。

• 跨模态分析

      整合多模态数据（如基因表达、形态学图像）需要灵活的工具支持。

SpatialData 提供了一种统一的数据格式和 Python 库，支持数据加载、对齐、查询和跨模态分析，极大地简化了空间组学数据的处理流程。

---

2. SpatialData 的核心设计

SpatialData 的核心设计包括以下几个方面：

(1) 数据格式

SpatialData 基于 OME-NGFF 和 Zarr 文件格式，支持以下五种基本数据类型：

• Images

      光栅图像（如 H&E 染色图像）。

• Labels

      分割掩模（如细胞和核的分割结果）。

• Points

      点数据（如单分子转录本的位置）。

• Shapes

      几何形状（如多边形的感兴趣区域）。

• Tables

      表格数据（如基因表达矩阵和注释信息）。

这种格式支持云存储和延迟加载，适合处理大规模数据。

(2) Python 库

SpatialData 提供了 Python 库，支持以下功能：

• 延迟加载

      支持处理超出内存大小的数据。

• 空间对齐

      通过坐标变换将不同模态的数据对齐到统一坐标系。

• 数据查询与聚合

      支持按空间区域查询和跨模态数据聚合。

• 生态系统集成

      与 Scanpy、Squidpy 等单细胞分析工具无缝集成。

(3) 可视化工具

SpatialData 提供了 napari-spatialdata 插件，支持交互式数据探索和注释，如绘制感兴趣区域和定义对齐标志点。

---

3. SpatialData 的主要功能

以下是 SpatialData 的一些核心功能：

(1) 数据加载与对齐

SpatialData 支持从多种空间组学技术加载数据，并通过坐标变换将它们对齐到统一坐标系。例如，可以将 Xenium 和 Visium 数据对齐到同一组织切片。

(2) 数据查询与聚合

SpatialData 支持按空间区域查询数据，并提供了灵活的聚合功能。例如，可以将单分子转录本聚合到细胞或 Visium 捕获点中。

(3) 交互式注释

通过 napari-spatialdata 插件，用户可以交互式地定义空间注释（如感兴趣区域），并将其用于后续分析。

(4) 生态系统集成

SpatialData 与 scverse 生态系统（如 Scanpy、Squidpy）无缝集成，支持单细胞和空间组学数据的联合分析。

---

4. 实战：使用 SpatialData 读取多样本 Xenium 数据

spatialdata github地址：https://github.com/scverse/spatialdata

(1) 安装 SpatialData

首先，安装 SpatialData 及其依赖库（安装最新版本，之前的版本有几个功能函数有bug）：

pip install "spatialdata[extra]"

(2) 单个样本数据读取 （10x Breast Cancer FFPE Xenium5k demo data）

import scanpy as scimport spatialdata_plotfrom spatialdata_io import xeniumfrom spatialdata_io.experimental import to_legacy_anndataimport matplotlib.pyplot as pltfrom matplotlib.pyplot import rc_context
sdata = xenium(    path='./Xenium_Prime_Breast_Cancer_FFPE_outs',     cells_boundaries=True,    nucleus_boundaries=True,    cells_as_circles=True,     aligned_images=True,    n_jobs=8,)
sdata

spatialData对象包含的内容

单细胞数据

adata = to_legacy_anndata(sdata, include_images=True, table_name='table')

adata使用scanpy绘图

spatialdata-plot简单绘图功能

sdata.pl.render_images("he_image").pl.show(title="he_image")

from spatialdata import bounding_box_querycrop0 = lambda x: bounding_box_query(    x,    min_coordinate=[20000, 40000],    max_coordinate=[22000, 42000],    axes=("x", "y"),    target_coordinate_system="global",)crop0(sdata).pl.render_labels("cell_labels").pl.show(title="Cell labels", coordinate_systems="global")

crop0(sdata).pl.render_shapes("cell_boundaries", outline_color='grey', outline_alpha=0.5).pl.show(title="cell boundarie", coordinate_systems="global")

(3) Xenium5k多样本并行读取​​​​​​​

import pandas as pdimport scanpy as scimport multiprocessingimport spatialdata_plotimport spatialdata as sdfrom spatialdata_io import xeniumfrom spatialdata_io.experimental import to_legacy_anndataimport matplotlib.pyplot as pltfrom matplotlib.pyplot import rc_contextimport warningswarnings.filterwarnings('ignore')​​​​​​

def load_xenium_data(data_dir, sample_info):    def sd_read_xenium(raw_dir, sample_name, sample_group, result_list):        sdata = xenium(raw_dir, cells_as_circles=True, n_jobs=6)        new_images = {f"{name}_{sample_name}":img for name, img in sdata.images.items()}        sdata.images = new_images        if hasattr(sdata, 'tables'):            for name, table in sdata.tables.items():                table.obs['sample'] = sample_name                table.obs['group'] = sample_group                result_list.append(table)                            with multiprocessing.Manager() as manager:        result_list = manager.list()        processes = []        with open(sample_info, 'r') as f:            for line in f.readlines():                line = line.strip().split('\t')                raw_name = line[0]                sample_name = line[1]                sample_group = line[2]                p = multiprocessing.Process(                        target=sd_read_xenium,                         args=(os.path.join(data_dir, raw_name), sample_name, sample_group, result_list,)                    )                processes.append(p)                p.start()        for p in processes:            p.join()        adata = result_list[0].concatenate(result_list[1:], index_unique=None)        adata.obs_names_make_unique()        adata.var_names_make_unique()        del adata.obs['batch']        adata.obs.reset_index(drop=True, inplace=True)        return adata