在bin2cell中导入外部细胞分割结果的技术指南

在bin2cell中导入外部细胞分割结果的技术指南

bin2cell Join subcellular Visium HD bins into cells 项目地址: https://gitcode.com/gh_mirrors/bi/bin2cell

背景介绍

bin2cell是一个用于分析Visium HD空间转录组数据的强大工具包。在实际应用中，研究人员有时需要对细胞分割结果进行手动校正，或者希望使用其他专业图像分析工具进行细胞分割。本文将详细介绍如何在bin2cell中导入外部完成的细胞分割结果。

核心原理

bin2cell的工作流程中，细胞分割是基于经过重新缩放的H&E染色图像进行的。要导入外部分割结果，关键是要确保分割结果与bin2cell内部处理的图像尺寸和分辨率完全匹配。

详细操作步骤

1. 准备基础数据

首先需要使用bin2cell读取空间转录组数据对象，并生成重新缩放的H&E图像。这一步确保了后续导入的分割结果能够与原始数据正确对齐。

2. 进行细胞分割

使用您选择的图像分析工具（如QuPath、ImageJ或其他专业软件）在bin2cell生成的重新缩放H&E图像上进行细胞分割。强烈建议直接使用bin2cell生成的图像进行分割，而不是自行缩放原始图像，以避免潜在的精度问题。

3. 准备分割结果文件

完成分割后，需要将分割结果转换为bin2cell可识别的格式：

• 背景区域标记为0
• 每个被识别的细胞对象用不同的正整数标记
• 保存为scipy稀疏矩阵格式(.npz)

您可以使用scipy.sparse.load_npz()函数查看bin2cell生成的标准格式作为参考。

4. 关键参数设置

导入分割结果时需要注意两个关键参数：

• mpp参数：设置为重新缩放H&E图像时使用的微米每像素值
• 空间坐标：确保指向正确的空间坐标集（默认保存在.obsm["spatial_cropped"]中）

5. 导入分割结果

使用b2c.insert_labels()函数将准备好的.npz文件导入到bin2cell工作流程中。导入后即可继续进行后续的2微米bin分配和分析步骤。

技术注意事项

1. 图像缩放一致性：不同软件实现图像缩放时可能采用不同的算法，这会导致微小的差异。因此强烈建议使用bin2cell生成的重新缩放图像作为分割基础。

2. 文件格式验证：在正式导入前，建议先用Python检查.npz文件内容，确保矩阵维度和标记值符合预期。

3. 性能考虑：对于大型数据集，稀疏矩阵格式可以显著减少内存占用和IO时间。

应用场景

这种外部导入方法特别适用于以下情况：

• 需要人工校正自动分割结果
• 希望使用特定专业工具的分割算法
• 需要整合多种分割方法的结果进行比较
• 已有高质量手动标注数据需要复用

通过遵循上述流程，研究人员可以灵活地结合bin2cell的分析流程与其他图像处理工具的优势，获得更准确的空间转录组分析结果。

bin2cell Join subcellular Visium HD bins into cells 项目地址: https://gitcode.com/gh_mirrors/bi/bin2cell