3. Visium 空间转录组学简介

好了，我们正式开始接触技术核心。这一章，我带你看看Visium到底是什么——它的原理、数据长什么样，以及为什么值得花精力去做容器化部署。

我当初刚接触空间转录组时，脑子里就一个想法：这不就是给基因表达做了个GPS定位嘛。但这个GPS的精密度，远超我的想象。

3.1 10x Genomics Visium 原理

Visium的核心思路，说白了就是“原位捕获+测序”。它不像单细胞RNA-seq那样把组织消化成悬液，而是直接在组织切片上捕获mRNA。

这个捕获过程依赖一个特殊的玻片——捕获玻片。玻片上铺了密密麻麻的捕获点（spots），每个点直径55微米，点中心间距100微米。每张玻片有4个捕获区域，每个区域约5000个spots。

每个spot上都有一个条形码（spatial barcode）。组织切片贴上去后，组织里的mRNA会释放到玻片上，被spot上的Oligo-dT捕获。反转录后生成的cDNA就带上了这个位置信息。

捕获流程要点：

• 组织切片固定后，进行H&E染色或免疫荧光染色。
• 在显微镜下照相，记录形态学图像。
• 组织透化处理，释放mRNA。
• 原位反转录，cDNA与spot共价结合。
• 酶解除去组织，cDNA保留在玻片上。
• 文库构建后测序。

3.2 数据格式

Visium产出的数据，不是普通的一堆FASTQ文件那么简单。它有一套标准结构，了解这个，你才知道容器里要处理什么。

核心数据文件：

处理过后，你还会有：

• SpaceRanger生成的计数矩阵：barcodes.tsv, features.tsv, matrix.mtx（标准的10x格式）
• Loupe Browser的cloupe文件：.cloupe，用于交互式可视化
• HDF5格式：filtered_feature_bc_matrix.h5，把数据打包在一个文件里

我建议你特别关注tissue_positions_list.csv这个文件，它在后续分析中非常关键，很多聚类可视化都依赖它把基因表达映射回图像坐标。

3.3 分析价值

为什么要费这么大劲做空间转录组？因为它解决了一个单细胞测序解决不了的问题——空间上下文。

核心价值在于：

• 映射组织微环境：你能知道哪些细胞在哪种区域聚集，比如肿瘤浸润边缘的免疫细胞分布
• 识别结构域：可以用无监督聚类识别出组织中的不同解剖区域（白质vs灰质、癌巢vs基质）
• 配体-受体分析：看到相邻细胞之间的互作信号，这是普通单细胞技术做不到的
• 临床转化：有人用它做病理切片的空间分型，辅助诊断和预后判断

举个例子，我合作过一个神经科学的项目。用普通scRNA-seq分析小鼠脑组织，只能看到神经元亚型，完全看不出它们在大脑皮层里的层状分布。换了Visium后，层状结构一下子清晰——这才是真正的空间位置信息。

3.4 知识体系框架

我把这一章的核心逻辑画了一张图。你可以把它当作这个章节的“CT扫描”——一眼看到全局。

这张图你看完了，应该就能理解Visium的全貌：玻片捕获→成像→测序→数据矩阵→分析。每一步都有它的技术细节和坑点，我们后面会一个一个讲。

3.5 数据格式一览

最后，我特意整理了一个数据格式速查表。当你以后拿到一个Visium数据集，可以对照这个表快速上手。