空间转录组分析实战3：空间转录组去卷积—CARD细胞注释

前言：当下基于高通量测序的10X Visium 空间转录组技术还达不到单细胞转录组的分辨率，所使用的 6.5 X 6.5mm的捕获区域包括5000个孔（spot），其每个spot的直径为55μm，远超单个细胞体积，导致测得的每个孔（spot）可能包含2-10个以上的细胞，这会导致特定位置的基因表达是同质或者异质细胞类型的混合状态。（10X Visium HD已与2024年初正式发布，可以实现空间单细胞分辨率，但离大规模使用还有一段时间）

因此，需要使用细胞类型去卷积（deconvolution）的分析工具去解析每个孔中的细胞类型组成，从而实现对细胞类型的空间定位。 现在此类分析工具出来很多，像SPOTlight、RCTD、CARD、Cell2location、STdeconvolve等。

本次实战3给大家介绍的是一款2022年发表在Nature Biotechnology杂志上的空转细胞类型去卷积软件——CARD

文章：Spatially informed cell type deconvolution for spatial transcriptomics

CARD分析步骤示意图

接实战2：

首先需要找到相同癌种的单细胞转录组数据，本次实战使用GEO单细胞数据，编号：GSE138794

下载该数据集下的GSM4119531— GSM4119535这5个单细胞转录组数据

①进行单细胞数据分析流程

##实战3:结合10X单细胞数据对空间转录组数据进行反卷积细胞注释
##加载R包
library(Seurat)
library(Matrix)
library(harmony)
library(hdf5r)
library(ggplot2)
library(data.table)
library(dplyr)

##GBM单细胞数据：GSM4119531,GSM4119532
setwd('E:/GSE138794/') #单细胞矩阵存放路径
dir = c("GSM4119531/","GSM4119532/","GSM4119533/","GSM4119534/","GSM4119535/")
names(dir) <- c('GSM4119531','GSM4119532','GSM4119533','GSM4119534','GSM4119535')


scRNAlist <- list()
#每个样本创建一个seurat对象，并存放到scRNAlist里
for(i in 1:length(dir)){
  counts <- Read10X(data.dir = dir[i],gene.column = 1)
  scRNAlist[[i]] <- Create