空间转录组分析实战1：空转数据读取和降维聚类

GEO：GSM5833536 样本为例 (GBM)

数据下载及格式介绍：

下载GSM5833536_GBM4_spaceranger_out.tar.gz 并解压；解压后内容如下图所示：

spatial文件夹: 空间位置信息 及 H&E 染色切片

filtered_feature_bc_matrix.h5: 表达矩阵.h5文件

下面进入R语言，读取数据并创建Seurat对象

##加载R包
library(Seurat)
library(hdf5r)
library(ggplot2)
library(data.table)
library(dplyr)


##创建空转Seurat对象
GBM4 <-Load10X_Spatial(
       data.dir ="E:/GSE194329/GBM4_spaceranger_out",   #上一步数据下载路径
       filename = "filtered_feature_bc_matrix.h5", #h5矩阵文件名
       slice ="GBM4")   # H&E 图片名(自定义)


GBM4$orig.ident <-"GBM4" 
GBM4
#An object of class Seurat 
#36601 features across 2540 samples within 1 assay 
#Active assay: Spatial (36601 features, 0 variable features)
#1 image present: GBM4

#可视化每个sport的空间计数
SpatialFeaturePlot(GBM4, features = "nCount_Spatial")


##SCT标准化
GBM4 <- SCTransform(GBM4, assay = "Spatial", verbose = FALSE)
GBM4 <- RunPCA(GBM4, assay = "SCT", verbose = FALSE) 

##数据聚类
GBM4<- FindNeighbors(GBM4, reduction = "pca", dims = 1:10)
GBM4 <- FindClusters(GBM4, verbose = FALSE,resolution = 0.4)
p1<-SpatialPlot(GBM4, label = TRUE, label.size = 5)

#UMAP降维
GBM4 <- RunUMAP(GBM4, reduction = "pca", dims = 1:10)
p2 <- DimPlot(GBM4, reduction = "umap", label = TRUE)
p1+p2

p1+p2

#查看感兴趣基因空间表达分布
SpatialFeaturePlot(GBM4, features =c("SOX10","SOD2"))

##保存Seurat对象，方便下次使用
save(GBM4,file = 'GBM4.rdata')

以上就是本期的10X空间转录组数据的初步分析示例;，GSM5833536 所属数据集是标准的Space Ranger  输出格式，非常容易读取和创建Seurat对象；如果遇到其他格式，需修改代码。

下期将带来空间区域划分及区域差异分析！