组织覆盖评估的概念与意义
做 Visium 实验，第一步就是把组织切片贴到捕获玻片上。贴得好不好，直接影响后面数据的质量。嗯，我见过不少新手拿到漂亮的组织照片就觉得万事大吉，结果跑完 SpaceRanger 一看捕获点读数稀疏得像秃头——原因很简单：组织压根没贴牢。
组织覆盖评估，说白了就是检查切片在捕获区域上的贴合情况。包括组织面积够不够大、有没有破损、有没有气泡或皱褶、边缘是否完全落在捕获点阵列内。这一步不是可有可无的仪式，它是质量控制的第一道关卡。
概念：到底在评估什么？
Visium 玻片上有四个捕获区域（Capture Area），每个区域包含约 5000 个捕获点。切片贴上去后，只有被组织直接覆盖的捕获点才能有效抓取 mRNA。那么问题来了——
- 覆盖面积：组织覆盖了多少个捕获点？太少，数据稀疏；太多（超出区域），边缘浪费。
- 覆盖完整性：组织有没有断裂、卷曲、折叠？一处破损可能让几十个点同时失效。
- 贴合度：组织是否完全接触玻片？气泡或组织边缘翘起会导致局部捕获效率骤降。
- 对齐度：组织是否居中？如果偏向一侧，另一侧的捕获点就白费了。
我个人习惯每贴一片就立刻用明场显微镜拍一张低倍镜照片，对照玻片上的标记框检查这些指标。别等到 SpaceRanger 跑完再后悔，那时候组织已经固定了，没法补救。
意义：为什么不能跳过这一步？
你可能觉得既然 SpaceRanger 会自动检测组织区域，自己肉眼看看就得了。我在项目里踩过这个坑：有一次样本是小鼠脑冠状切片，贴片时没注意边缘卷了一小块，SpaceRanger 默认的 tissue detection 把那块卷起来的边缘也算成有效覆盖。结果那个区域输出的基因表达谱里混入了大量背景噪声，差点把差异分析带偏。
组织覆盖评估的意义体现在三个层面：
- 数据质量：只有贴合良好的组织才能保证每个捕获点的 mRNA 捕获效率一致。
- 资源效率：一块玻片四个捕获区域，成本不低。提前发现覆盖问题可以及时重做，省时省钱。
- 可重复性：统一的质量评估标准让不同批次的数据具有可比性。
| 评估指标 | 理想状态 | 常见问题 |
|---|---|---|
| 组织面积覆盖率 | > 80% 的捕获点被覆盖 | < 30%，数据稀疏 |
| 组织完整性 | 无断裂、无卷边 | 褶皱、气泡、边缘翘起 |
| 对齐度 | 完全落在捕获区域内 | 部分超出或偏离中心 |
| 背景干净度 | 无组织碎片、无残留 OCT | 背景信号干扰 |
评估流程：一张图说清楚
下面这个流程图展示了我平时做组织覆盖评估的标准步骤。从切片贴片到最终决策，每一步都可以加入自动化脚本辅助判断。
实操中常见的坑
评估说起来简单，做起来全是细节。我把自己踩过的坑列出来，各位少走弯路。
- 气泡陷阱：贴片时稍微用力不均就会产生微小气泡，明场下根本看不清。等到 SpaceRanger 输出结果，那个区域 UMI 计数几乎为 0。我后来改用倒置显微镜从玻片背面观察，气泡会呈现亮色圆斑，一目了然。
- OCT 残留：冰冻切片用 OCT 包埋，冲洗不干净会在组织周围留下透明薄膜。这类薄膜在明场下几乎看不见，但它会阻挡 mRNA 透过。我曾经被坑过一次，后来每批样本都用 0.1% 甲苯胺蓝染色 30 秒，残留 OCT 会被染成浅蓝色，方便识别。
- 组织边缘卷曲：尤其对于脂肪含量高的样本（如乳腺、肝脏），切片边缘容易翘起。我现在的处理方法是贴片后立刻放在 37°C 加热板上烘 2 分钟，让组织充分软化贴合。
- 固定时间：Visium 需要的固定时间与常规 IHC 不同，过长或过短都会影响组织形态。标准是甲醇固定 30 分钟，但如果是大组织（如全脑冠状切片），我建议延长到 45 分钟，否则组织中央区容易塌陷。
✅ 明场照片清晰，能看到完整组织轮廓
✅ 组织边缘距离捕获区域边界至少 1 mm
✅ 无可见气泡（可借助暗场或相位差观察）
✅ OCT 冲洗干净（背景无色透明）
✅ 组织无撕裂、无折叠
自动化评估思路
手动评估效率低，尤其是当你有几十个切片时。我写过一个简单的 Python 脚本，核心代码只用了 OpenCV 的几行。思路是这样：
# 基于明场图像自动计算组织覆盖面积
import cv2
import numpy as np
img = cv2.imread('tissue_image.jpg', cv2.IMREAD_GRAYSCALE)
_, binary = cv2.threshold(img, 30, 255, cv2.THRESH_BINARY)
# 计算组织区域（白色）面积
tissue_pixels = cv2.countNonZero(binary)
total_pixels = binary.size
coverage = tissue_pixels / total_pixels * 100
print(f"组织覆盖面积比例: {coverage:.1f}%")
# 检测气泡：气泡在二值图中呈现圆形暗斑
bubbles = cv2.HoughCircles(binary, cv2.HOUGH_GRADIENT, 1, 20,
param1=50, param2=30, minRadius=5, maxRadius=50)
if bubbles is not None:
print(f"检测到 {len(bubbles[0])} 个气泡，建议重做")当然，这个脚本只能作为初步筛选，组织边缘卷曲和 OCT 残留还是需要人工复核。但至少能帮你快速排除那些覆盖面积明显不足的样本。
为什么我特别强调这一步？因为 Visium 实验的每个环节都有成本，组织覆盖评估是成本最低、最前置的一步。多花 5 分钟检查，后面省掉 5 小时的数据处理补救。嗯，道理大家都懂，但真正做的时候容易着急。你想想看，一块玻片上四个捕获区域，如果有一个因为组织覆盖问题作废，损失的不只是样本，还有后续整个实验时间线。