空间转录组基础数据解读+学习方法

详情请参考这个视频：空间转录组（spatial transcriptome）数据分析基础教程_哔哩哔哩_bilibili

1.首先是filtered_feature_bc_matrix文件

两个里面的内容本质一样，都是空间转录组 表达矩阵的信息

2.具体的所有东西可以在10x的网站里学，看参数

具体的网址：Cell Ranger Gene Expression Outputs - Official 10x Genomics Support

可以在这个里面进行学习。

3.具体讲一下spatial的数据还有adata中的uns中的spatial数据和obsm中的spatial数据吧！

本质是一样的，但是明显可以看到adata中的spatial数据比spatial文件夹中的数据少？因为质控等一些原因

spatial 中有 4 千多的数据，但是在 filtered_feature_bc_matrix.h5 中的 obs 中只有 3 千多的数据，可能是因为在数据处理过程中进行了质量控制和过滤，去除了低质量细胞、空白滴、非目标区域的细胞等。这是单细胞 RNA 测序和空间转录组学数据处理中常见的步骤，目的是提高数据的可靠性和准确性。

根据要求调整

import scanpy as sc

# 加载原始spatial数据
input_dir = ("E:/Lung/Lung/A1/outs")
adata = sc.read_visium(path=input_dir, count_file='raw_feature_bc_matrix.h5')
# adata_spatial = sc.read_visium("path_to_visium_data")

# 加载过滤后的数据
adata_filtered = sc.read_visium(path=input_dir, count_file='filtered_feature_bc_matrix.h5')

# 打印原始和过滤后数据的细胞数量
print(f"Total spots in spatial data: {adata.shape[0]}")
print(f"Total cells in filtered data: {adata_filtered.shape[0]}")

输出结果是这样的所以你猜为什么要叫filtered的文件夹？

4.一直很想知道.h5文件夹下到底是些个什么妖魔鬼怪？

官方文件下里面有这个几个压缩包，再点进去看：

barcodes就是ATCG之类的UMIspot的代号

feature就是一些基础的特征：类似于如下的基因表达

matrix是基因表达的稀疏矩阵

形式大概如下：

%%MatrixMarket matrix coordinate integer general
% A gene expression matrix
4 3 5
1 1 10
1 3 20
2 2 30
4 1 40
4 3 50

什么意思？

假设我们有一个基因表达矩阵，其中基因和样本的表达量如下：

Gene \ Sample	Sample1	Sample2	Sample3
Gene1	10	0	20
Gene2	0	30	0
Gene3	0	0	0
Gene4	40	0	50

• 表示矩阵有 4 行（基因数）、3 列（样本数）、5 个非零元素。
• • 1 1 10 表示第 1 行第 1 列的值为 10（Gene1 在 Sample1 中的表达量）。
  • 1 3 20 表示第 1 行第 3 列的值为 20（Gene1 在 Sample3 中的表达量）。
  • 2 2 30 表示第 2 行第 2 列的值为 30（Gene2 在 Sample2 中的表达量）。
  • 4 1 40 表示第 4 行第 1 列的值为 40（Gene4 在 Sample1 中的表达量）。
  • 4 3 50 表示第 4 行第 3 列的值为 50（Gene4 在 Sample3 中的表达量）。

• 这种文件格式非常适合存储稀疏矩阵，其中大部分元素为零，只有少量非零元素，如基因表达矩阵、社会网络、推荐系统等中的数据。