Banksy：利用空间邻居信息进行细胞聚类的新方法

Banksy：利用空间邻居信息进行细胞聚类的新方法

Banksy BANKSY: spatial clustering 项目地址: https://gitcode.com/gh_mirrors/ba/Banksy

在单细胞测序技术飞速发展的今天，如何准确地对细胞进行分型仍然是一个具有挑战性的问题。Banksy，一种基于空间邻居信息增强特征的新聚类方法，应运而生。该方法通过对单个细胞及其空间邻居的特征进行综合分析，提高了细胞分型的准确性，尤其在处理噪声数据和区分微环境中的细胞类型方面表现突出。

项目介绍

Banksy是一种针对空间组学数据设计的聚类方法。它的核心思想是，通过将每个细胞的特征与其空间邻居的特征平均相结合，并考虑特征梯度，从而在聚类时融入邻居信息。具体来说，Banksy能够：

• 在噪声数据中改善细胞类型的指派
• 区分由微环境分层导致的细微差别的细胞类型
• 识别共享相同微环境的空间域

Banksy适用于多种空间技术（如10x Visium、Slide-seq、MERFISH、CosMX、CODEX），并且能够扩展到大型数据集。相关论文已发表在Nature上，读者可以通过阅读论文以获取更深入的了解。

项目技术分析

Banksy通过以下技术流程实现其功能：

1. 数据预处理：包括加载数据、初始化SpatialExperiment对象、进行质量控制和数据归一化等步骤。
2. 邻居矩阵计算：计算每个细胞的邻居，并基于邻居信息构建加权平均值矩阵（$\mathcal{M}$）和方位Gabor滤波器矩阵（$\mathcal{G}$）。
3. Banksy矩阵计算：结合$\mathcal{M}$和$\mathcal{G}$，通过调整参数$\lambda$来控制空间聚类与非空间聚类的平衡。
4. 降维与聚类：使用PCA和UMAP进行降维，然后基于降维后的数据进行聚类。

项目技术应用场景

Banksy可以广泛应用于以下场景：

• 单细胞空间转录组数据分析：在单细胞水平上分析基因表达数据，结合空间信息，能够更准确地理解细胞行为和微环境。
• 癌症研究：在癌症研究中，空间异质性是一个关键特征。通过Banksy，研究人员可以更好地理解肿瘤微环境中的细胞间相互作用。
• 发育生物学：在发育过程中，细胞的空间排列和相互作用至关重要。Banksy可以帮助研究人员追踪和解析这些复杂的动态过程。

项目特点

Banksy具有以下显著特点：

• 准确性：通过结合空间邻居信息，提高了细胞分型的准确性。
• 灵活性：适用于多种空间技术，能够处理不同规模的数据集。
• 扩展性：可以与流行的单细胞分析工具Seurat无缝集成，增强了其应用的广度和深度。
• 鲁棒性：在噪声数据中表现良好，能够有效识别微环境中的细胞类型。

总结而言，Banksy是一种强大的空间组学数据聚类工具，它通过利用空间邻居信息来提高细胞分型的准确性，为生物学研究提供了一个新的视角。我们强烈推荐感兴趣的研究人员尝试使用Banksy，以发现其带来的新洞见。

Banksy BANKSY: spatial clustering 项目地址: https://gitcode.com/gh_mirrors/ba/Banksy