Pipeline整体架构：流程步骤、工具链、输入输出规范

空间转录组分析Pipeline，说白了就是一套“从图像到基因表达矩阵”的自动化流水线。我在做项目时发现，很多人觉得这就是跑个软件的事，结果一断连，完全不知道断在哪、怎么接。所以这一章，咱们把整个架构拆开看看。

先给你一张全貌图，心里有个谱。

1. 流程步骤——从原始数据到生物学结论

我个人习惯把Pipeline拆成四个阶段，每个阶段的输出就是下个阶段的输入。你在中断恢复时，首先得搞明白断在哪一关。

阶段	主要步骤	输出文件	典型耗时
数据输入	FASTQ获取、Image获取、目录组织	原始FASTQ、TIFF图像	5-30分钟
质量控制	FastQC、MultiQC、barcode过滤	QC报告、过滤后的FASTQ	1-4小时
比对定量	STARsolo / Space Ranger的count	BAM、特征-条形码矩阵	4-48小时
分析可视化	Seurat / Scanpy 聚类、SpatialDE	h5Seurat、annData、图像标注	2-12小时

2. 工具链——每个节点用谁家的刀

工具选型这事儿挺有讲究。我用过的空间转录组Pipeline，核心工具基本就那几把。

• 10x Visium 官方方案：Space Ranger + Loupe Browser，全流程闭源。优点是开箱即用，缺点是出了错不好定位。我建议新手先用它跑通流程，再考虑切换。
• 开源方案：STARsolo + Seurat/Scanpy + Giotto，灵活度高。我自己项目里偏好这套，中断后可以直接从某一步续跑。

3. 输入输出规范——文件路径和命名要统一

中断恢复最怕什么？最怕你找不到中间文件在哪。我见过一个团队，每个人目录风格都不一样，结果断链后根本不知道上一步输出放哪了。我的建议是——强一致性。

project/
├── 00_raw_data/
│   ├── sample1_S1_L001_R1_001.fastq.gz
│   ├── sample1_S1_L001_R2_001.fastq.gz
│   └── tissue_image.tif
├── 01_qc/
│   ├── fastqc/
│   ├── filtered_fastq/
│   └── qc_report.html
├── 02_alignment/
│   ├── star_out/
│   ├── barcodes.tsv
│   ├── features.tsv
│   └── matrix.mtx
├── 03_analysis/
│   ├── seurat_object.rds
│   └── clustering_results.csv
└── logs/
    ├── pipeline_20250320.log
    └── error_summary.txt

你看，目录编号清晰，每个阶段独立。就算中间跑崩了，你也能准确定位到哪个环节挂了。

4. 中断的高风险区域——提前预警

嗯，这里要注意。空间转录组Pipeline有几个“鬼门关”，一旦中断，恢复成本很高。

中断点	常见原因	恢复策略
比对阶段	内存不足、磁盘写满、reference版本错	检查log，调整资源后从上次checkpoint续跑
定量生成矩阵	barcode白名单不匹配、细胞数阈值过低	重新生成或手动修正白名单文件
聚类分析	Seurat版本不匹配、对象损坏	用备份的rds文件重新加载，并锁R包版本