1. 空间转录组基础：了解技术原理、数据特点与常见平台
各位好，欢迎来到《空间转录组spot批次校正技巧》的第一章。
做空间转录组分析之前，我觉得最要紧的是先搞清楚：你到底在跟什么样的数据打交道？这玩意儿跟普通单细胞数据有什么不同？
我刚开始接触这个领域时，看到一张组织切片上密密麻麻的spots，一时间有些懵。后来我才慢慢摸出门道——空间转录组的核心其实很简单：把基因表达信息放回它原本的组织位置上去。
一句话概括：空间转录组 = 单细胞分辨率（或接近单细胞分辨率）的基因表达 + 空间坐标信息。
1.1 技术原理：两类策略，三种实现
空间转录组技术虽然看着五花八门，但基本原理逃不出两类思路：
- 有靶向（Targeted）：预先设计探针，只检测已知的基因。通量高但范围窄。
- 无靶向（Unbiased）：捕获所有带poly-A尾的mRNA。范围广但通量低。
我习惯把常见平台归类成下面这张图，你看一眼就能明白它们之间的区别——
我的建议：如果你想知道「某个基因到底在哪类细胞中表达」，用MERFISH这类有靶向平台更直接。但如果你想做无偏的发现性分析，10x Visium是目前最成熟的选择。
1.2 数据特点：跟普通单细胞数据的三点不同
空间转录组数据跟单细胞RNA-seq最大的区别在哪？我总结为三点：
| 维度 | 单细胞RNA-seq | 空间转录组 |
|---|---|---|
| 空间坐标 | 无 | 每个spot有(x,y)或(x,y,z)坐标 |
| 分辨率 | 单细胞 | Spot级别（若干细胞聚合）或单细胞 |
| 稀疏性 | 高 | 中等偏高（spot内可能有多个细胞） |
说实话，最折磨人的是稀疏性问题。
拿10x Visium举例，每个spot直径55微米，覆盖约1-10个细胞。你检测到的基因表达其实是这堆细胞的平均信号。这不是真正的单细胞，而是一个局部混合体。我遇到过有些同学直接用单细胞的分析流程跑空间数据，结果出来一堆假阳性——这其实是没理解数据的「颗粒度」差异。
1.3 常见平台对比：选对工具才能事半功倍
下面这张表我建议你存着，每次做实验设计前翻出来看看——
| 平台 | 通量 | 分辨率 | 靶向策略 | 适用场景 |
|---|---|---|---|---|
| 10x Visium | 全转录组（~20,000基因） | Spot级（~55μm） | 无靶向（poly-A捕获） | 组织图谱绘制、肿瘤微环境、发育生物学 |
| MERFISH | 几百到几千基因 | 单分子/单细胞 | 有靶向（多重探针） | 精细空间定位、神经科学、基因调控网络 |
| Slide-seq | 全转录组（~10,000基因） | 近单细胞（~10μm beads） | 无靶向（poly-A捕获） | 高分辨率图谱、稀有细胞类型鉴定 |
实战经验：我去年做一个肿瘤微环境项目，先用了10x Visium做全转录组扫描，锁定几个候选区域后，再用MERFISH做精细验证。这种「先广后精」的组合拳，效率远高于一条路走到底。
1.4 数据格式：拿到手的是什么样？
不管哪个平台，你拿到的原始数据大致包含三样东西：
- 表达矩阵：基因 × spot 的计数矩阵（跟单细胞很像，但行名是spot ID）
- 空间坐标文件：每个spot对应的x,y坐标
- 组织图像（部分平台）：H&E染色或免疫荧光图像，用于配准
举个例子，10x Visium的数据结构长这样——
# 表达矩阵（稀疏矩阵格式）
spot_AAACCCAAGACTGTTC-1 基因A 5
spot_AAACCCAAGACTGTTC-1 基因B 0
spot_AAACCCAAGACTGTTC-1 基因C 12
# 坐标文件
spot_AAACCCAAGACTGTTC-1 100 250
spot_AAACCCAAGCTCTAGT-1 105 248提示：如果你用Python，建议一开始就用AnnData格式（scanpy的招牌数据结构）来存空间数据，它天然支持.obsm['spatial']这种坐标属性的添加。
1.5 批次效应：为什么空间数据尤其严重？
好了，终于到咱们这门课的核心问题了。
空间转录组的批次效应比单细胞数据要复杂，原因有三：
- 技术差异：不同芯片批次、不同捕获效率、甚至同一张切片不同区域的spot捕获效率都可能不同
- 组织差异：不同个体的组织切片很难保证完全一致的RNA保存质量
- 空间依赖：批次效应在空间上不是均匀分布的，它和组织的结构耦合在一起
我曾经被一个项目坑过：两个病人的肿瘤切片，看起来基因表达差异很大，我第一反应是「找到新亚型了」。结果花了一周做验证，才发现那只是批次效应——一个切片保存时间长了三个月，RNA降解严重。
注意：在做任何空间批次校正前，先确认你的批次是「可解释的」（比如已知的芯片批次号、实验日期），还是「不可解释的」（未知混杂因素）。可解释的批次校正成功率远高于后者。
好，这一章我们就讲到这里。后面的课程里，我会一步步带你把批次效应给拆解开。