1. Spot过滤简介：什么是Spot过滤，在空间转录组中的核心应用场景

说实话，我刚接触空间转录组那会儿，拿到原始数据的第一反应就是——直接跑聚类、找差异基因。结果呢？出来的图惨不忍睹，要么背景噪声淹没了信号，要么低质量的spots把整个空间模式搅得一团糟。

后来我才明白，空间转录组分析的第一步，也是最容易被忽略的一步，就是Spot过滤。

1.1 什么是Spot过滤

简单说，Spot过滤就是从原始数据中筛选出真正承载了有效组织信息的spots，剔除那些背景噪音、组织边缘残留、或技术上失败的捕获点。

你想想看，一张空间转录组芯片上可能有几千甚至上万个spots。但其中有不少spots落在载玻片上、落在组织褶皱处、或者本身捕获效率就很低。如果不对这些低质量spots做处理，后续所有分析都会被带偏。

我记得在某个项目中，我们处理的是FFPE样本的Visium数据。一开始没做严格的过滤，结果差异基因列表里冒出了一堆线粒体基因。排查了半天才发现，是那些坏掉的spots贡献的假信号。

1.2 空间转录组的数据长什么样

在做过滤之前，得先搞清楚我们面对的是什么数据。空间转录组数据的核心是计数矩阵，行是spots，列是基因。

# 典型的Visium计数矩阵概览（行列转置后）
# 行：spot barcodes | 列：基因名称
# ┌──────────┬──────┬──────┬──────┐
# | barcode  | MALAT1 | ACTB | GAPDH | ...
# ├──────────┼──────┼──────┼──────┤
# | AAACAACGA |  128  |  56  |  89  | ...
# | AAACAACTG |  0    |  2   |  1   | ...  # 这个spot可能有问题
# | AAACAAGTA |  345  |  201 |  178 | ...
# └──────────┴──────┴──────┴──────┘

每个spot附带一个barcode，同时还有空间坐标信息。过滤的基础就建立在这两个层面：表达层面的质量和空间层面的合理性。

1.3 核心应用场景：什么时候需要Spot过滤

我建议大家在下面几个场景中，一定要把Spot过滤放到分析流程的前端：

• 质控阶段：移除UMI count过低、基因数过少的spots
• 组织区域识别：剥离背景spots（落在非组织区域的捕获点）
• 差异分析前：剔除异常值对统计检验的干扰
• 空间聚类：过滤掉噪声spots可以提高聚类分辨率
• 细胞类型推断：混合信号严重的spots会影响推断精度

说白了，Spot过滤是一个前置的“净化”步骤。它不炫技，但非常实用。

1.4 判断一个Spot质量好坏的核心指标

我一般在项目中用以下三个指标来做初步过滤：

1.5 两种主要的过滤策略

根据我个人的经验，过滤策略可以分为：

• 硬阈值过滤：直接设定UMI、基因数、线粒体比例的上下限，一次性砍掉所有不达标的spots。优点是快，缺点是可能误伤。
• 软过滤（迭代过滤）：先对spots做初步聚类或可视化，参考统计学分布（比如中位数绝对偏差MAD）动态调整过滤标准。

我现在的习惯是先做一轮硬阈值快速清理，然后用可视化的方式（比如UMI分布在组织切片上的映射）检查过滤效果，再决定是否需要调整参数。

1.6 知识体系总览

下面这张图是我梳理的Spot过滤在整个空间转录组分析流程中的位置，以及它内部的核心环节。理解了这个框架，后面各章节学起来会更清晰。

1.7 小结：为什么要重视Spot过滤

这几年我做了不少空间转录组项目，从10x Visium到Slide-seq，从新鲜冷冻到FFPE。说句实在话，数据质量决定了分析的下限，而Spot过滤直接决定了数据质量的起点。

你想想看，如果前面这一步没做好，后面那些漂亮的代码、复杂的模型，都是在垃圾数据上“跳舞”而已。我曾经见过不少同学花了大量的时间在调试聚类参数、优化可视化效果，结果最后发现是过滤这一步没做好，白忙活了一个星期。

嗯，本章的核心就这些。掌握好Spot过滤的理念和基础指标，后面的实战技巧才能发挥真正的价值。