第1章 课程介绍与概述

大家好,欢迎来到这门课程。我是你们的讲师,一个在空间转录组坑里摸爬滚打了好几年的老工程师。

今天咱们先不急着敲代码,把来龙去脉理清楚。你想想看,做任何分析,如果连手里的数据是怎么来的、它有什么脾气都不知道,后面的活儿就容易跑偏。我个人习惯,每次拿到一个新平台的数据,第一件事就是看它的技术原理文档,而不是直接跑流程。

核心观点: 空间转录组不是单纯的测序技术,它是"显微镜"和"测序仪"的联姻。理解了这一点,你就抓住了整个课程的钥匙。

1.1 空间转录组技术发展史

传统的转录组研究,说白了就是把组织磨碎了测RNA。这种做法有两个明显的短板:

  • 丢失空间信息 —— 你永远不知道某个基因是在肿瘤的"中心"表达,还是在"边缘"表达。
  • 掩盖细胞异质性 —— 平均化后的信号,把稀有的细胞类型给稀释掉了。

单细胞测序的出现解决了第二个问题,但第一个问题依旧存在。当时我就想,要是能把基因表达和空间位置对应上就好了。这个想法,其实就是空间转录组技术的雏形。

我简单梳理一下几条主要的发展脉络:

时间 技术/平台 核心特点
2016 原位测序 (FISSEQ, STARmap) 直接在组织切片上测RNA,通量低,价格高
2017 10x Visium (前身 Spatial Transcriptomics) 基于空间条形码的芯片捕获,通量大幅提升
2019 Slide-seq / HDST 基于微珠的超高分辨率,但基因检出率较低
2021 Xenium / MERFISH 靶向原位分析,分辨率达到亚细胞级别

我记得2018年第一次看到Visium的数据时,心里挺震撼的。一张组织切片上,1000多个直径为55微米的斑点(spot),每个斑点都有自己的RNA表达谱。斑点位置和H&E染色图像对应起来,基因表达就像在地图上画出来的。嗯,这里有个关键点要强调:Visium的每个斑点,其实包含了大约1-10个细胞。它不是单细胞分辨率,但抓住了"邻域"的概念。

1.2 Visium平台核心优势

为什么这门课选Visium来教?因为在实际项目中,它是最"接地气"的高通量空间转录组平台。我接过不少来自临床合作者的切片,Visium是他们最常用的选择。简单说说它的优势所在:

  1. 高通量、全转录组 —— 一次实验可以检测2万个左右的基因,不需要像靶向方法那样预先设定基因列表。
  2. 图像与转录组的完美对齐 —— H&E染色后的组织形态学信息不会被浪费。你在组织切片上看到的"肿瘤区域"和"间质区域",可以直接映射到基因表达上。
  3. 成熟的商业化生态 —— 试剂盒、仪器、软件、分析流程都很完善。做实验的同事告诉我,只要切片质量过关,上手成功率很高。
  4. 社区强大 —— 从Seurat到Scanpy,再到Space Ranger,分析工具链非常齐全。这也是我选择用Visium作为教学案例的原因。

我的经验之谈: 我曾经同时处理过Visium和Slide-seq的数据。Slide-seq虽然分辨率高,但数据稀疏性严重,很多下游分析的"坑"需要自己填。而Visium在稳定性和后续分析的成熟度上,更适合教学入门。说白了,它是你理解空间转录组的"九阳神功",学会了这个,换别的平台也就三天的事儿。

1.3 课程目标与学习路径

这门课不搞"空中楼阁"。30章学完,你要能独立完成一个Visium项目的完整分析流程,并且能解释每一步背后的生物学意义。

我把整个学习路径拆成了几个阶段,你心里有个谱:

阶段 章节范围 你能做什么
基础准备 1-5章 掌握数据格式、环境配置、图像处理基础
核心处理 6-15章 完成质量控制、标准化、降维和聚类
高级分析 16-25章 做差异表达、空间可变基因、细胞类型注释
实战整合 26-30章 多切片整合、联合scRNA-seq分析、项目实战

为什么这么安排?我刚开始学的时候,就踩过一个坑。当时直接跳过数据预处理,用了别人的聚类参数,结果聚集来是一团浆糊。从那以后我给自己定了规矩:每步都要理解它在干什么,而不是盲目跑代码。

别踩这个坑: 我曾经见过有人跑完Space Ranger的默认流程后,完全不做图像对齐的检查,就去做聚类了。最后发现一个斑点的表达谱和显微镜下的组织区域对不上。记住:Visium的数据是"图像+表达"双模态的,任何一个模态出问题,分析结果都不可能正确。

好,下面这张图概括了Visium数据分析的核心逻辑链条。你可以把这个当成课程的"路线图":

Visium空间转录组分析核心流程(第1-30章概览) 原始数据 质量控制 标准化 降维聚类 生物学解读 表达矩阵 + H&E图像 去除低质量斑点 去除批次效应 PCA/UMAP + 聚类 差异基因 + 空间模式 课程学习路径 基础(第1-5章)→ 核心(第6-15章)→ 高级(第16-25章)→ 实战(第26-30章)

注意看这个流程。从原始数据到生物学解读,每个阶段都依赖前一个阶段的质量。如果你在标准化这步偷懒了,后面的聚类结果肯定不靠谱。这也是为什么我把"质量控制"和"标准化"单独拿出来讲了好几章。

最后说一句真心话。我在这个领域踩过的坑、趟过的雷,都会在后面的章节里一一拆解给你看。你跟着我走完这30章,不仅能跑代码,还能明白为什么这么跑。到了那时候,再拿到一张Visium切片,你就知道怎么下手了。