低质量 Spot 对下游分析的影响

做空间转录组，最怕什么？数据还没跑完，聚类图就糊成一团。我见过太多人花了大价钱做实验，最后分析结果却因为几个低质量 spot 被带偏。说到底，低质量 spot 就像一锅汤里的老鼠屎，你不把它捞出来，整锅汤都喝不了。

这一章，我们就掰开揉碎了看看：低质量 spot 到底怎么祸害聚类、差异表达和空间模式。你如果能把这块吃透，后面做质量控制时自然会知道哪些指标是命门。

从上面这张图就能看明白：低质量 spot 不是孤立问题，它会像病毒一样感染整个分析链条。下面我拆开细讲。

1. 对聚类的影响

聚类算法，本质上是根据基因表达相似性把 spot 归堆。低质量 spot 的表达谱是什么？要么全 0（大部分基因没检测到），要么全是噪音。你想想看，这种“数据痰盂”丢进聚类空间里会怎样？

• 引入虚假簇：几个低质量 spot 因为表达谱相似（都是全 0），算法会把它们聚成一个独立的“死簇”。我见过一个案例，一批背景空 spots 被识别为“新细胞类型”，差点发论文了。
• 边界模糊：高质量 spot 和低质量 spot 混杂时，聚类边界会被噪声拉宽。原本清晰的肿瘤-基质边界，变得黏糊糊。
• 子群丢失：低质量 spot 会稀释深层的表达差异，导致稀有亚群（比如干细胞 niche）被淹没在噪声中。

2. 对差异表达分析的影响

差异表达分析，靠的是两组之间基因表达均值的对比。低质量 spot 在这里搞破坏，主要有两种方式：

破坏方式	底层逻辑	后果
假阳性增加	低质量 spot 中某个基因因为随机噪声被高估，导致组间差异显著	错误地认为该基因有空间特异性，浪费验证精力
假阴性增加	真实差异信号被大量低质量 spot 的噪声冲淡，p 值不显著	漏掉真正关键的 marker 基因
方差膨胀	低质量 spot 引入异常高方差	统计检验失效，依赖排名的方法（如 Wilcoxon）也会被干扰

3. 对空间模式识别的影响

空间转录组的核心卖点就是“位置信息”。低质量 spot 会直接打乱空间邻域关系，让组织结构分析变成瞎猜。

举个例子：你想识别肿瘤边界（ tumor-stroma interface ）。正常情况，边界处应该有梯度变化的 marker 基因。但低质量 spot 在空间上通常呈随机分布 —— 可能一个在瘤内，一个在基质。它们会引入大量空间噪声，让算法无法分辨哪些是真正由组织结构驱动的 pattern，哪些是技术伪迹。

• 热点检测失效：空间自相关方法（如 Moran's I）会被低质量 spot 拉低整体相关性，报告的热点区域变少、变弱。
• 空间基因梯度错乱：我曾在分析小鼠脑组织时，看到一个本该在皮层深层高表达的基因，被低质量 spots 干扰后排到了表层 —— 因为那几个 spots 正好落在深层，但基因检测率为零，导致平滑后信号被压低。
• 组织解构失败：像 CellTrek、BayesSpace 这类依赖空间邻域信息的算法，遇到低质量 spot 会错误地合并或拆分区域，甚至重建出一张“鬼图”。

一张表总结影响维度

为了方便你快速回顾，我把三种影响按严重程度列出来。这是我根据实际项目经验打的标，你可以参考：

下游分析	受影响元件	严重程度	典型表现
聚类	簇数量与边界	★★★	出现无意义小簇，UMAP 拉丝扭曲
差异表达	基因列表与 p 值	★★★	top 基因中有明显的“零表达”特征
空间模式	空间热区与梯度	★★★★	热点分布与组织边界不吻合

看到没？空间模式受影响最重，因为它是空间转录组独一无二的价值。低质量 spot 一搅和，你连“这个东西在哪”都说不清了。

嗯，说到这，你可能已经意识到：质量控制不是可选步骤，而是决定项目生死的关键环节。下一章，我会教你怎么用具体的指标（总 UMI、基因数、线粒体占比）把那些“害群之马”揪出来。但在此之前，建议你先打开自己的数据，对照我上面说的现象看看 —— 中招了吗？