Proseg项目GeoJSON格式转换问题解析与解决方案

Proseg项目GeoJSON格式转换问题解析与解决方案

proseg Probabilistic cell segmentation for in situ spatial transcriptomics 项目地址: https://gitcode.com/gh_mirrors/pr/proseg

问题背景

在使用Proseg项目的proseg-to-baysor工具进行数据格式转换时，许多用户遇到了一个关键的技术问题：当将Proseg生成的细胞多边形数据转换为Baysor兼容格式后，Xenium Ranger无法正确识别和导入这些细胞多边形数据。这个问题直接影响了后续的空间转录组分析流程。

问题现象分析

Proseg工具生成的原始cell-polygons.geojson.gz文件采用标准的GeoJSON FeatureCollection结构，每个细胞多边形都作为一个独立的Feature对象存储，并包含cell ID等元数据。这种结构被Xenium Ranger等下游工具广泛支持。

然而，经过proseg-to-baysor转换后，输出的baysor-cell-polygons.geojson文件结构发生了变化：

1. 顶层类型变为GeometryCollection而非FeatureCollection
2. 原始文件中的features数组被替换为geometries数组
3. 细胞ID等关键元数据丢失

这种结构变化导致Xenium Ranger的import-segmentation命令无法正确解析细胞多边形数据，最终生成的Zarr文件中缺少关键的polygon_sets/1数据集。

技术原理深入

GeoJSON规范定义了多种几何对象类型，其中FeatureCollection是最常用的结构，它包含一个features数组，每个feature对象包含geometry和properties两部分。这种结构非常适合存储带有属性的空间数据，如细胞ID和对应的多边形。

而GeometryCollection是一种更简单的结构，仅包含几何对象集合，不包含任何属性信息。虽然这种结构在某些场景下更简洁，但会丢失关键元数据，导致下游工具无法正确关联几何对象与其实体。

解决方案

临时解决方案

对于遇到此问题的用户，可以手动修改GeoJSON文件结构：

1. 将顶层type从"GeometryCollection"改为"FeatureCollection"
2. 将"geometries"数组改为"features"数组
3. 为每个几何对象添加properties字段，包含cell ID信息

示例转换代码：

import json
import geopandas as gpd

# 读取原始文件
gdf = gpd.read_file("baysor-cell-polygons.geojson")

# 转换为标准FeatureCollection
gdf['cell_id'] = range(len(gdf))  # 添加cell ID
gdf.to_file("fixed-cell-polygons.geojson", driver="GeoJSON")

长期解决方案

建议Proseg项目团队考虑以下改进：

1. 在proseg-to-baysor工具中添加输出格式选项，允许用户选择FeatureCollection或GeometryCollection
2. 保留原始数据中的cell ID等关键元数据
3. 增加对Xenium Ranger等下游工具的兼容性测试

影响范围评估

此问题主要影响以下工作流程：

1. 使用Proseg进行细胞分割后，计划使用Xenium Ranger进行进一步分析的用户
2. 需要将Proseg结果与其他空间转录组分析工具集成的用户
3. 依赖细胞多边形数据进行下游分析的研究项目

最佳实践建议

为避免类似问题，建议用户：

1. 在处理空间数据转换时，始终检查输出文件的结构是否符合下游工具要求
2. 保留中间文件的备份，以便问题排查
3. 使用geopandas等库验证GeoJSON文件结构的完整性
4. 在分析流程早期进行小规模测试，确保数据兼容性

总结

Proseg项目作为空间转录组分析的重要工具，其数据格式兼容性对整个分析流程至关重要。本文详细分析了GeoJSON格式转换问题的技术原因，并提供了切实可行的解决方案。希望这些信息能帮助研究人员顺利开展他们的空间转录组学研究工作。

proseg Probabilistic cell segmentation for in situ spatial transcriptomics 项目地址: https://gitcode.com/gh_mirrors/pr/proseg