**空间转录组学中的细胞类型识别与特定表达差异分析**

空间转录组学中的细胞类型识别与特定表达差异分析

spacexr Spatial-eXpression-R: Cell type identification (including cell type mixtures) and cell type-specific differential expression for spatial transcriptomics 项目地址: https://gitcode.com/gh_mirrors/sp/spacexr

本文档旨在为用户提供一个全面的指南，以理解和应用名为spacexr的开源R包，该包专注于通过RCTD（Robust Cell Type Decomposition）进行细胞类型识别以及使用C-SIDE（Cell type-Specific Inference of Differential Expression）检测空间转录组数据中的细胞类型特异性差异表达。

安装指南

首先，确保您的环境中已安装R语言。接下来，在R会话中，您可以使用以下命令来安装spacexr包及其依赖项：

if (!requireNamespace("BiocManager", quietly=TRUE))
  install.packages("BiocManager")
BiocManager::install("spacexr")

若遇到任何依赖性问题，请按照提示解决或手动安装缺失的包。

项目的使用说明

启动RCTD进行细胞类型识别

1. 基础教程：从空间转录组学示例开始，该教程展示了如何对数据应用RCTD的基本步骤。
2. 模式选择：
   • 双细胞型模式: 适合高分辨率技术如Slide-seq和MERFISH。
   • 全模式: 针对低分辨率技术，如100微米级Visium。
   • 多细胞型模式: 用于探测每个点可能包含的多个细胞类型。

应用C-SIDE进行差异表达分析

1. 入门案例：查看差异表达示例，学习如何测试不同条件下的基因差异表达。
2. 场景示例：探索在不同区域间、细胞相互作用或是病理交互情况下的差异表达分析方法。

项目API使用文档

spacexr提供了几个核心函数来执行上述操作，例如：

• 对于RCTD:

  • runRCTD()：主要函数，用来运行RCTD算法。
  • 参数配置如指定模式(mode)、参考单细胞数据等。

• 对于C-SIDE:

  • runCSIDE()：处理差异表达，支持自定义轴上的DE分析。
  • 包含参数以设定感兴趣的解释变量和统计测试。

详细的函数签名和参数说明可在安装后通过R的帮助系统获取，例如通过?runRCTD来查看runRCTD函数的文档。

详细安装方式

对于开发者或需要最新功能的用户，可以直接从GitHub仓库克隆源代码并安装：

git clone https://github.com/dmcable/spacexr.git
cd spacexr
R CMD INSTALL .

或者，利用devtools包安装开发版本：

if (!requireNamespace("devtools", quietly = TRUE))
  install.packages("devtools")
devtools::install_github(repo = "dmcable/spacexr")

请注意，运行以上命令前，确保已安装必要的开发工具和R的编译套件。

通过以上步骤，您将能够顺利地安装并开始使用spacexr包进行空间转录组数据分析，无论是进行复杂的细胞类型识别还是深入的差异表达研究。

spacexr Spatial-eXpression-R: Cell type identification (including cell type mixtures) and cell type-specific differential expression for spatial transcriptomics 项目地址: https://gitcode.com/gh_mirrors/sp/spacexr