本文档介绍了如何使用Python进行空间转录组的多样本整合，对比了CCA和harmony方法在整合过程中的效果，强调了harmony在整合正常区域上的优势。文章还提供了SpaceRanger分析参数的简介，并分享了Python读取和处理数据的步骤，包括数据过滤、基础处理、聚类、可视化以及借助harmony进行批次效应校正。
作者，Evil Genius
大家国庆过得如何了？？？？？
如果很开心，不妨分享一下
上一篇文章讲过了，对空间转录组进行整合分析，比较CCA和harmony的结果可以发现
harmony整合的过程中把正常区域整合在了一起，而CCA在整合的过程把部分正常区域和部分肿瘤区域合并成了一个cluster。
CCA对肿瘤区域的聚类结果更为混乱一点，这一点符合认知。
整体效果而言倾向于harmony的分析结果。
关于空间整合分析的结果仍然建议大家采用文献的思路，整合的过程分别使用CCA和harmony进行分析，根据形态学划分来判断采用哪种整合结果。
我们在空间转录组第三节课上的分享的多样本整合基本都是基于R版本，但是对于空间转录组而言很多分析都是基于python的，那么这一篇我们来更新python版本的空间多样本整合。
在这之前了解一下SpaceRanger的分析参数
参数介绍
- id
输出文件夹名字，两个样本的输出文件分别命名为A和P
- slide
Visium slide serial number. Refer to the Slide Parameters for information on supported slide versions. Required unless --unknown-slide is passed.
- area
Visium capture area identifier. Required unless --unknown-slide is passed. Options for Visium are A1, B1, C1, D1.
- loupe-alignment
spaceranger count运行时图片对其有两种方式，一种软件自动识别图片进行对齐，另外一种就是先用Loupe软件手动对齐，生成对于json文件提供给后面的软件并用loupe-alignment参数指定。
测序流程示意图
最低0.47元/天 解锁文章
355
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
