SpaCEXR是革命性的空间转录组学分析工具，通过RCTD细胞类型鉴定和C-SIDE差异表达分析，解决Slide-seq、Visium和MERFISH数据的空间解析难题。本指南将展示如何快速上手这一强大工具，帮助研究人员从复杂空间数据中提取有价值的生物学见解。
项目地址: https://gitcode.com/gh_mirrors/sp/spacexr 空间转录组学技术对比分析
| 技术平台 | 空间分辨率 | 适用场景 | SpaCEXR推荐模式 |
|---|---|---|---|
| Slide-seq | 10μm | 高分辨率细胞定位 | Doublet模式（1-2细胞类型） |
| MERFISH | 单细胞级别 | 亚细胞结构分析 | Doublet模式 |
| Visium | 55μm | 组织区域分析 | Full模式（多细胞类型混合） |
| ST | 100μm | 大区域筛选 | Multi模式（3-4细胞类型） |
空间转录组学分析实战流程
🚀 第一步：数据准备与对象构建
SpaCEXR的核心是RCTD对象的构建，需要准备两个关键数据结构：
- Reference对象：包含单细胞RNA测序数据的细胞类型注释
- SpatialRNA对象：存储空间转录组数据的基因表达和坐标信息
通过简单的构造函数即可完成数据导入：
reference <- Reference(counts, cell_types, nUMI)
spaceRNA <- SpatialRNA(coords, counts, nUMI)
myRCTD <- create.RCTD(spaceRNA, reference)
🔍 第二步：细胞类型鉴定（RCTD）
根据不同的空间分辨率技术选择相应的分析模式：
# 高分辨率数据（Slide-seq/MERFISH）
myRCTD <- run.RCTD(myRCTD, doublet_mode = 'doublet')
# 低分辨率数据（Visium）
myRCTD <- run.RCTD(myRCTD, doublet_mode = 'full')
# 中等分辨率数据
myRCTD <- run.RCTD(myRCTD, doublet_mode = 'multi')
💡 第三步：差异表达分析（C-SIDE）
C-SIDE支持多种差异表达分析场景：
- 单解释变量分析：沿空间梯度或病理变化分析
- 多区域比较：离散组织区域的基因表达差异
- 非参数模式：捕捉复杂空间表达模式
# 单变量分析示例
myRCTD <- run.CSIDE.single(myRCTD, explanatory.variable)
# 多区域分析示例
X <- build.designmatrix.regions(myRCTD, region_list)
myRCTD <- run.CSIDE(myRCTD, X, barcodes, cell_types)
实际应用场景与案例分析
神经科学研究：在海马体组织中发现Interneuron亚型的空间分布规律，通过C-SIDE分析揭示特定基因在CA1、CA3区域的差异表达。
肿瘤微环境：在Visium数据中识别CAF（癌症相关成纤维细胞）、免疫细胞和肿瘤细胞的相互作用，解析肿瘤异质性的空间模式。
发育生物学：在男性生殖组织研究中精确识别生殖前体细胞、生殖母细胞和支持细胞的空间定位，揭示生殖细胞发生过程的空间调控机制。
常见避坑指南
问题1：细胞类型收敛失败
- 原因：细胞类型出现次数过少（<100个像素）
- 解决方案：使用
aggregate_cell_types检查细胞类型频率，移除稀有细胞类型
问题2：基因表达数据不足
- 原因：基因数量过少（<1000个基因）
- 解决方案：确保输入数据包含足够的基因信息
问题3：参数设置不当
- 原因：直接使用vignette参数处理真实数据
- 解决方案：始终使用函数默认参数，避免vignette专用设置
学术研究应用案例
阿尔茨海默病研究：通过分析J20小鼠模型，发现淀粉样斑块周围特定细胞类型的基因表达变化，为疾病机制提供新见解。
** cerebellum细胞图谱**：构建小脑细胞类型的空间分布图谱，鉴定Bergmann细胞、Purkinje细胞和颗粒细胞的特定标记基因。
肿瘤免疫微环境：解析肝细胞癌中血管平滑肌细胞、单核细胞和CAF的空间相互作用，发现新的治疗靶点。
官方文档深度阅读
如需深入了解SpaCEXR的高级功能和详细参数说明，建议阅读官方文档：documentation/README.md。文档包含完整的API参考、算法原理说明以及高级应用案例，是掌握SpaCEXR的必备资源。
通过本指南，您已经掌握了SpaCEXR的核心功能和应用场景。现在就开始使用这个强大的工具，探索空间转录组学的无限可能吧！
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
