课程补充----单细胞空间联合分析之RCTD封装版（针对visium、bin模式的Stereo-seq、HD）

作者，Evil Genius

关于RCTD，本来都不打算更新了，R版本的联合分析我觉得大家自己写写就完了，现在看来，还是需要整理一下。

文章在Robust decomposition of cell type mixtures in spatial transcriptomics | Nature Biotechnology

参考链接在GitHub - dmcable/spacexr: Spatial-eXpression-R: Cell type identification (including cell type mixtures) and cell type-specific differential expression for spatial transcriptomics

至于引用该方法的文章，那就很多了。

RCTD有三种模式:

（1）doublet mode:每个spot分配1-2种细胞类型，推荐用于具有高空间分辨率的技术，如Stereo-seq、HD等（注意bin的大小）;

（2）full mode:每个spot分配任意数量的细胞类型，推荐用于具有低空间分辨率的技术，如Visium;

（3）multi mode : doublet mode的扩展，可以每个spot发现两个以上的细胞类型，作为全模式的替代选项。

很多博主、公司推文写了非常多的介绍和代码示例，大家可以借鉴一下。

不过对于这些网络写手，我更喜欢网络侠客这个称呼。

官网的教程写了很多，针对不同精度的平台都有，列举一下：

• Doublet mode: spatial transcriptomics vignette. Also, most other vignettes use doublet mode.
• Doublet mode on MERFISH: MERFISH nonparametric vignette.
• Full mode: full mode on Visium hippocampus
• Multi mode: multi mode on Visium hippocampus

不过官网分析的结果是真的丑

Seurat官网也借鉴了RCTD的方法，在Analysis, visualization, and integration of Visium HD spatial datasets with Seurat • Seurat

示例代码如下，采用了Doublet mode模式

library(spacexr)

# set up reference
ref <- readRDS("../data/mouse_hippocampus_reference.rds")
ref <- UpdateSeuratObject(ref)
Idents(ref) <- "celltype"

# extract information to pass to the RCTD Reference function
counts <- ref[["RNA"]]$counts
cluster <- as.factor(ref$celltype)
names(cluster) <- colnames(ref)
nUMI <- ref$nCount_RNA
names(nUMI) <- colnames(ref)
reference <- Reference(counts, cluster, nUMI)

# set up query with the RCTD function SpatialRNA
slide.seq <- SeuratData::LoadData("ssHippo")
counts <- slide.seq[["Spatial"]]$counts
coords <- GetTissueCoordinates(slide.seq)
colnames(coords) <- c("x", "y")
coords[is.na(colnames(coords))] <