SuperAPI AI 工具集

bio-spatial-transcriptomics-spatial-preprocessing

测试与质量

查看项目

更新于 10-15 21:55

技能介绍

用途:对空间转录组数据做质控、过滤与归一化,为后续空间域识别和标记基因分析准备计数矩阵。

主要能力:先按平台分叉——测序/spot 类(Visium、Visium HD、Slide-seq、Stereo-seq)以 spot/bin 为混合单元,质控 UMI/spot、基因数/spot、线粒体比例、cells/spot;成像/原位类(Xenium、MERSCOPE/MERFISH、CosMx、seqFISH)以分割细胞为单位,质控低转录本下限、细胞面积与阴性对照 FDR。可标注阴性对照探针与线粒体基因、计算 QC 指标、按平台设定阈值,并在过滤前用空间散点图检查质控指标的空间分布。

使用方式:依赖 squidpy 1.5+、scanpy 1.10+、anndata 0.10+、spatialdata 0.2+。用 sc.pp.calculate_qc_metrics 计算指标,用 sq.pl.spatial_scatter 空间检查,用 sc.pp.filter_cells/filter_genes 过滤;归一化可选 normalize_total+log1p、Pearson 残差、SCTransform、细胞体积/面积或 SpaNorm。

适用场景:Visium 等 spot 数据的全转录组分析,以及 Xenium、MERFISH、CosMx 等靶向 panel 成像数据的预处理。

限制:阈值依赖组织类型且带一定主观性,成像约 10 转录本/细胞为社区惯例而非厂商规范;成像 panel 基因数上限即 panel 大小,高基因数不等于双细胞;线粒体基因常不在 panel 上,pct_counts_mt 质控常不可行;基因计数类归一化在偏斜 panel 上会引入偏差,Pearson 残差与 SCTransform 不能修正。具体版本兼容与最新最佳实践需核对已安装工具文档。