空间转录组数据类型：10X Visium、Slide-seq、MERFISH 等

做空间转录组分析，第一件事就是搞清楚你拿到的数据是什么来头。
不同技术生成的数据格式千差万别，读取方式也不一样。我刚开始接触这个领域时，就吃过“格式不对”的亏——吭哧吭哧跑完流程，结果发现读进来的坐标全乱套了。嗯，从那以后我养成了习惯：拿到数据先看技术类型，再选对应的导入接口。

今儿咱们就把主流的几种空间转录组数据格式掰开揉碎讲一讲。
10X Visium、Slide-seq、MERFISH……每种都有脾气，别指望用同一套代码通吃。

1. 10X Visium：最成熟的商业方案

10X Visium 是目前最常用的空间转录组平台。它在载玻片上预铺了带空间条形码（spatial barcode）的捕获点，每个点直径 55 µm，相邻点中心距 100 µm。
说白了，这是一张“格子纸”——每个格子对应一个捕获区域，里面可能包含几个到十几个细胞。

Visium 的原始数据格式很好认：

• H5 文件：存放表达矩阵 + 空间坐标（通过 10X 的 spaceranger 软件处理生成）
• CSV / TSV 文件：手工解析的坐标表或矩阵表
• 图像文件（tiff）：组织切片 H&E 染色图像

在 Giotto 中，我通常用 createGiottoObjectVisium() 一键加载。举个例子：

library(Giotto)
my_gobject <- createGiottoObjectVisium(
  dir_path = "data/visium_raw/",
  h5_file = "filtered_feature_bc_matrix.h5",
  image_file = "tissue_hires_image.png",
  json_file = "scalefactors_json.json"
)

注意看参数：json_file 里存了图像像素到捕获点坐标的缩放比例。没有这个文件，你配不上图像和表达数据——我踩过这个坑。

2. Slide-seq：高分辨率的“珠子”方案

Slide-seq 来自哈佛的实验室，核心是一枚载玻片上面铺了数百万个直径 10 µm 的条形码珠子。每个珠子都有唯一 ID，通过原位测序确定其空间位置。
和 Visium 相比，Slide-seq 的分辨率更高（单个珠子捕捉细胞甚至亚细胞信号），但捕获效率略低。

Slide-seq 的数据格式很特别：

• Digital Expression Matrix（DGE）：一般以 .dge.txt 或 .mtx 形式给出
• Bead location file：每个珠子的坐标，通常是 beads.csv 或 puck.txt
• Puck 编号：Slide-seq 不同的批次（puck）坐标基准不同，不能混用

Giotto 可以用 createGiottoObjectSlideSeq() 处理：

go_slideseq <- createGiottoObjectSlideSeq(
  expression_matrix = "ST_puck_191128.dge.txt",
  spatial_locs = "ST_puck_191128_beads.csv",
  expression_format = "raw"
)

这里要尤其注意坐标的单位——Slide-seq 的坐标通常是纳米级精度，但有些公开数据集会人为缩放。我当时跑一个公共数据集，发现点间距太大，结果查了半天：原来是坐标单位被改成了 µm。加个 scale_factor = 1e-3 就对了。

3. MERFISH：单细胞分辨率的“多轮成像”技术

MERFISH 是单分子荧光原位杂交的扩展版。它用多轮编码探针杂交和成像，同时检测数百到上千种 RNA。
分辨率极高——能达到 0.1~1 µm 级别，可以精确到亚细胞位置。

MERFISH 的数据通常以文件形式分发：

• 表格格式（CSV / HDF5）：每一行是一个检测到的 RNA 分子，包含基因、X/Y 坐标、细胞分配等
• 细胞分割结果：有时通过 Cellpose 等工具生成，附在 segmentation.csv
• 图像（tiff stacks）：多轮杂交的原位图像（可选，用于可视化）

Giotto 没有专用的 MERFISH 导入函数，但我们可以用通用 createGiottoObject() 自己组装。我分享一个实际项目中的脚本：

library(data.table)
molecules <- fread("merfish_molecules.csv")
# 列：gene, x, y, cell_id
# 构建spatial locations：按细胞取平均坐标
cell_locs <- molecules[, .(x = mean(x), y = mean(y)), by = cell_id]
# 构建表达矩阵
expr_mat <- dcast(molecules, gene ~ cell_id, fun.aggregate = length, value.var = "gene")
rownames(expr_mat) <- expr_mat$gene
expr_mat$gene <- NULL

go_merfish <- createGiottoObject(
  expression = as.matrix(expr_mat),
  spatial_locs = as.data.frame(cell_locs)
)

嗯，这里要注意：MERFISH 的分子级别数据量极大（几千万行是常事），内存不够的话可以先用 data.table 的 fread() 并筛选基因列表，避免一次性全部读入。

4. 三种技术的核心差异一览

我做了一个表，方便快速对比：

你看，Visium 胜在成熟和全转录组；Slide-seq 在分辨率与通量之间找到了平衡；MERFISH 则是精准定位之王，但基因数受限。选哪个，取决于你的科学问题。

5. 数据格式对下游分析的影响

不同格式不只是导入方式不同，还直接影响你能做什么分析：

• 分辨率不均一：Visium 每个点混合多个细胞，不适合做单细胞解卷积？其实可以，需要借助 RCTD、Cell2location 等工具。Slide-seq 和 MERFISH 则能直接做单细胞粒度分析。
• 坐标系统一：Visium 的坐标基于图像像素，Slide-seq 基于物理距离（nm/µm）。如果混用不同技术进行整合，需要先做坐标归一化——我一般用 spatScale() 将坐标缩放到 [0,1] 范围。
• 稀疏程度不同：MERFISH 的分子数据非常稀疏（每个细胞几十到几百个分子），处理时需要设置 spatial_network 的 k = 10 或更小，否则邻居加权矩阵全是零。

你想想看，理解这三种数据格式的区别，就像手里有了三把不同钥匙。
Visium 是万能钥匙——兼容性好，社区资源最多；Slide-seq 是高精度镊子，适合精细结构分析；MERFISH 是显微镜，适合看 RNA 分子在细胞内的精确定位。
在 Giotto 里，它们最终都能被装进一个统一的 giottoObject，然后跑同样的分析流程。这就是工具包最强大的地方。