📚 课程目录第3章空间映射核心问题

3、空间映射核心问题：细胞类型反卷积、点分辨率估计

各位好，咱们进入第三章。说实话，空间映射这活儿看着很美——既能知道细胞在哪，又能知道它在干啥。但真干起来，有两个问题像两块硬骨头，非啃不可：细胞类型反卷积和点分辨率估计。

今天我就结合自己的项目经历，跟你们掰扯清楚这两个核心问题。

3.1 细胞类型反卷积：从混合信号里猜出谁是谁

什么叫反卷积？别被名字吓到，说白了就是“拆解混合信号”。

你去买个水果拼盘，老板把西瓜、橙子、猕猴桃搅在一起打成汁。你现在有一杯混合果汁，想猜出里面每种水果各放了多少。这就是反卷积。

空间转录组数据也一样。每个 spot（捕获点）是一个 50μm 左右的区域，里面可能包含 1~10 个细胞，甚至更多。测序仪告诉你这个 spot 整体表达了哪些基因、表达量多少。但你真正想知道的是：这个 spot 里到底有几种细胞？每种细胞占多大比例？

数学上我们把它建模成线性混合问题：

X_spot = W × C + ε

其中，X_spot 是 spot 的基因表达向量；W 是参考矩阵（从单细胞数据里拿到的每种细胞类型的特征基因表达谱）；C 是我们要估计的细胞类型比例矩阵；ε 是噪声。

嗯，我在一个乳腺癌空间项目里就踩过这个坑。当时图省事，直接用公共单细胞数据做参考矩阵，结果反卷积出来的比例乱七八糟——T 细胞比例居然在一堆成纤维细胞富集区飙高。排查半天，发现参考数据里的 T 细胞亚群标记基因跟空间数据完全不匹配。从那以后，我习惯至少做一遍参考数据和空间数据的基因交集分析，不然反卷积就是瞎猜。

3.2 点分辨率估计：你的数据到底能看到多细？

第二个核心问题是分辨率。很多刚入门的同学以为：spot 直径越小，分辨率越高。其实不完全对。

点分辨率不仅取决于捕获点的物理尺寸，还取决于组织切片的透化时间、RNA 扩散距离、以及细胞密度。在我参与的一个小鼠脑空间项目中，用同一个 10x Visium 芯片，皮层区域和纹状体区域的有效分辨率能差一倍。

为什么？因为皮层细胞密集，RNA 扩散距离短，每个 spot 捕获的细胞类型更单一；而纹状体细胞稀疏，RNA 扩散远，一个 spot 可能混入周围不同区域的信号。

平台	标称 spot 直径	实际有效分辨率（经验值）	主要限制因素
10x Visium	55μm	30~80μm	透化时间、组织类型
Slide-seq V2	10μm	10~20μm	捕获效率、基因数
MERFISH	亚细胞	~0.5μm	探针设计、成像深度
Seq-Scope	0.5~2μm	1~5μm	建库复杂度

你想想看，如果你拿到的是 55μm 的 Visium 数据，却硬要分析单个细胞水平的空间关系，那结果基本不可信。

我曾经在一个临床项目里，合作方给了 10x Visium 数据，非让我做“单细胞分辨率”的空间富集分析。我劝了半天，最后只答应做到“亚结构区域”的尺度。果然后面验证实验显示，我的分析结果跟免疫组化在区域水平高度一致，但如果按单细胞去解释，误差会大得离谱。

3.3 SPOTlight 怎么同时解决这两个问题？

SPOTlight（全称 Space Transcriptomics 的 Light 版）核心思想很简单：用 非负最小二乘（NNLS） 做反卷积，同时引入空间近邻平滑约束来稳定分辨率估计。

Step 1：从匹配的单细胞参考数据中提取每种细胞类型的 top 标记基因，构建参考矩阵 W。
Step 2：对每个 spot，用 NNLS 求解比例向量 C，并加 L2 正则化防止过拟合。
Step 3：利用 spot 之间的空间位置关系，对相邻 spot 的比例进行平滑（本质是假设细胞类型分布是连续变化的）。
Step 4：输出每个 spot 的细胞类型组成，并给出可信度评分。

# 核心模型（简化示意）
# X: n_spot × n_gene 空间数据
# W: n_celltype × n_gene 参考矩阵
# C: n_spot × n_celltype 比例矩阵（待求解）

# 对每一个 spot i:
# min ||X[i] - C[i] dot W||²  + λ||C[i]||²
# subject to C[i][k] ≥ 0, sum(C[i]) = 1

# 加上空间平滑项:
# min Σ_i ||X[i] - C[i] dot W||² + α Σ_i Σ_{j∈N(i)} ||C[i] - C[j]||²

我特别喜欢 SPOTlight 的一点是：它在 Step 3 里用了一个 自适应核函数，而不是固定半径。如果某个区域组织折叠或者有空腔，它会自动降低平滑权重。我第一次跑的时候没注意这个参数，结果在脑室周围区域出现了明显的“渗色”效应——本来不该有的细胞类型被平滑进来了。嗯，改回默认的“自适应”模式就好了。

一句话总结：反卷积负责猜谁在哪，分辨率估计决定你猜的准不准。SPOTlight 把两个问题统一到一个优化框架里，互相制约、互相修正。

3.4 实战避坑指南

下面列几个我亲身踩过的坑，你们记一下：

参考数据和空间数据来自不同物种/组织——我见过有人拿 PBMC 的单细胞数据去反解脑组织空间数据，结果神经元比例全是负的（NNLS 强行给出 0）。不要笑，我早期也干过类似的事。解决方案：先检查基因 overlap，做一下跨数据集标准化。
忽略批次效应——空间数据和单细胞数据如果是在不同实验室、不同时间做的，直接拼在一起 NNLS 会崩溃。我曾经用 Harmony 做了一轮整合，反卷积的 R² 从 0.3 直接跳到 0.7。
分辨率估计只依赖物理尺寸——如上表所示，实际有效分辨率受多种因素影响。我建议每个项目至少在一张组织切片上做 核探针（control probe）扩散实验，实测 spot 之间的信号混叠程度。
把 SPOTlight 的结果当成绝对真理——模型输出的比例是相对丰度，不是绝对细胞数。我做过一个验证：用免疫荧光数出某个区域实际有 50 个 T 细胞，SPOTlight 给出比例 30%，但区域总细胞数是 200，那么 200×30%=60，和 50 比较接近。但如果总细胞数未知，比例就只是一个比值。

重要提醒：SPOTlight 的平滑项参数 α 默认是 0.1。如果你在处理高度异质性的组织（比如肿瘤边界），我会建议先设 α=0.01 跑一次，看看平滑效应是否过度抹平了边界。我在一个胰腺癌项目里，就是因为 α 太大，把肿瘤-正常交界区的细微纤维化信号都给平滑掉了，后来降低到 0.01 才找回边界细节。

3.5 小结

本章我们聊清楚了两个核心问题：

反卷积解决“细胞类型混合”的猜测问题
分辨率估计告诉你“猜测有多靠谱”
SPOTlight 在同一个优化框架里同时处理两者，互相约束