1、Giotto简介与安装
1.1 Giotto是什么？——一个空间转录组分析“工具箱”
空间转录组这个领域，说白了就是既要看基因表达，又要看细胞在组织里的位置。Giotto就是为这个场景量身打造的R包。
我最早接触它是在一个肿瘤微环境项目里。当时手头有10x Visium数据，想看看免疫细胞和肿瘤细胞在空间上怎么“扎堆”。试了几个工具，最后还是Giotto最顺手。它的核心思路很简单：把每个捕获点（spot）当作一个独立“样本”，但保留它们的邻居关系。这样一来，空间聚类、差异表达、配体-受体分析就都能在空间上下文里做了。
嗯，这里要注意：Giotto不只是个可视化工具。它支持从原始数据到高级分析的完整流程。我个人习惯把它叫作“空间组学的瑞士军刀”。
一句话总结： Giotto = 空间表达数据 + 空间位置信息 + 一套模块化分析管线。它能帮你回答“哪些细胞挨得近”“它们在合作干什么”这类问题。
1.2 Giotto的安装流程
安装Giotto不算复杂，但有几个关键点容易踩坑。我在两个项目里都遇到过依赖包缺失导致的报错，所以这里把步骤拆细一点。
- 确认R版本——建议用R ≥ 4.2，太低版本很多依赖包装不上。用
R.version.string查一下就行。 - 从GitHub安装主包——Giotto目前不在CRAN上，需要用devtools或remotes拉取。
- 安装核心依赖——有些依赖在CRAN，有些在Bioconductor。我会在下一节单独讲。
- 加载并检查版本——装完后用
library(Giotto)确认无报错。
省流操作（我的常用命令）
# 先装devtools和remotes
install.packages(c("devtools", "remotes"))
# 正式安装Giotto
remotes::install_github("RubD/Giotto")
# 如果遇到超时，可以加参数
remotes::install_github("RubD/Giotto", upgrade = "never")注意： 如果网络状况不好，安装过程可能卡在下载依赖。我建议关掉VPN再试，或者把 upgrade 设成 "never"，只装必要的。另外，Windows用户需要提前装好Rtools，不然编译C++代码时会报错。
1.3 验证安装是否成功
装完之后，别急着开工。先跑两行代码确认环境是干净的。
library(Giotto)
packageVersion("Giotto")如果返回版本号（比如 ‘2.0.1’），就说明安装成功了。如果报错“找不到Giotto”，多半是路径问题，检查一下 .libPaths() 里有没有包含安装目录。我有一回就是装到个人目录但R没加载到那，折腾了十分钟才反应过来。
1.4 依赖包配置与常见问题
这一节可能是整个安装过程里最容易出问题的地方。Giotto的依赖分三类：
| 依赖类型 | 常见包 | 安装来源 |
|---|---|---|
| 基础数据处理 | data.table, Matrix, Rcpp | CRAN |
| 空间/视觉 | ggplot2, ggrepel, spatstat | CRAN |
| 生物信息专用 | BiocGenerics, S4Vectors, SummarizedExperiment | Bioconductor |
安装步骤如下：
# 安装CRAN依赖
install.packages(c("data.table", "Matrix", "Rcpp", "ggplot2", "ggrepel", "spatstat"))
# 安装Bioconductor依赖
if (!requireNamespace("BiocManager", quietly = TRUE))
install.packages("BiocManager")
BiocManager::install(c("BiocGenerics", "S4Vectors", "SummarizedExperiment"))我曾经遇到过一个恼人的问题：spatstat 升级后改了部分函数名，导致Giotto某些内部调用报错。解决办法是锁定 spatstat 版本，或者直接从GitHub装Giotto的开发版——后者通常更新更快。
避坑： 如果安装过程中出现 ERROR: compilation failed for package ‘RcppArmadillo’，八成是系统缺少编译工具。Linux用户装 libgmp-dev，macOS用户装 gmp via Homebrew，Windows用户确认Rtools安装完整且路径已配置。
1.5 推荐环境与性能建议
Giotto处理的数据量通常不小——一张Visium切片就有几千个spot，每个spot对应2万个基因的表达值。内存不足是常见瓶颈。我在一台16GB内存的笔记本上跑过，勉强能应付单样本，但处理多切片或高分辨率数据时明显吃力。
下面是我的建议配置：
| 场景 | 推荐内存 | CPU核心数 | 备注 |
|---|---|---|---|
| 单样本Visium（~5000 spots） | 16 GB | 4 | 基础分析可用 |
| 多样本/高分辨率（ST、Slide-seq） | 32+ GB | 8+ | 并行处理有明显优势 |
| 整合分析 + 空间交互网络 | 64+ GB | 16+ | 建议使用服务器或云实例 |
个人小贴士： 如果内存不够，可以先用 subset 截取感兴趣的区域分析，跑通了再扩展到全切片。另外，Giotto支持 doParallel 后台，记得先注册多核——
library(doParallel)
registerDoParallel(cores = 4)这能节省大量时间，尤其是做置换检验的时候。
1.6 安装后的第一件事：跑一个内置示例
装完别急着读文档，直接动手试试。Giotto自带了一个微型数据集，用来验证安装是否全面可用。
library(Giotto)
# 创建一个小型的giotto对象
mini_gobject <- createGiottoObject(
expression = matrix(runif(1000), nrow = 100, ncol = 10),
spatial_locs = data.frame(sdimx = runif(10), sdimy = runif(10))
)
# 运行基础预处理
mini_gobject <- normalizeGiotto(mini_gobject)
mini_gobject <- calculateHVG(mini_gobject)
print("安装验证通过！")如果没有报错，恭喜你，环境已经搭好了。接下来就可以准备正式数据了。我个人习惯把这个测试输出保存下来，方便以后排查问题——比如版本升级后出bug，可以快速定位是环境问题还是代码问题。