本技能围绕 OmicVerse 整理空间转录组分析流程，分三阶段：预处理、反卷积、下游分析。使用前须校验空间坐标，确保 adata.obsm['spatial'] 存在并转为 float64，避免旋转或裁剪时精度问题。
预处理：Visium 可用 ov.space.crop_space_visium 裁剪、rotate_space_visium 旋转并配合 map_spatial_auto/map_spatial_manual 对齐；Visium HD 用 ov.space.read_visium_10x 读取，经 visium_10x_hd_cellpose_he/gex 分割后用 salvage_secondary_labels 合并标签，bin2cell 聚合为细胞级 AnnData；Xenium 用 ov.io.read_xenium 读取，可加 cache_file 缓存加速，再用 scanpy 标准流程及 ov.pl.spatialseg 可视化，注意 y 轴反向与 vmax='p99.2' 截尾。
反卷积：ov.space.Deconvolution 支持 Tangram（method 传给 deconvolution()）、cell2location（method 在初始化时设定）、FlashDeconv（初始化时设定，适合 10⁵–10⁶ 位点，CPU 运行，含 lambda_spatial 空间正则）、Starfysh 原型反卷积。
下游：ov.utils.cluster 配合 GraphST、STAGATE 做空间聚类；ov.space.pySTAligner 做多切片整合；SpaceFlow、STT 做轨迹；COMMOT 配 FlowSig 做细胞通讯；GASTON 估计 iso-depth；SLAT 做跨切片对齐。
限制与排查：Tangram/cell2location 需先统一基因标识；mclust 需要 rpy2 与 R 包；FlowSig 建网前需先构建空间邻接图；STT 的 gseapy 需要联网获取基因集。依赖含 omicverse、scanpy、anndata、squidpy、cellpose、tangram-sc、cell2location 等，具体版本与安装细节资料未提供。