1. 空间转录组学简介与Scanpy概述

空间转录组学，说白了就是给基因表达加上坐标。你想想看，传统的单细胞测序能把细胞类型分得清清楚楚，但细胞在组织里到底在哪、跟谁挨着、周围环境什么样，这些信息全丢了。我刚开始接触这个领域时总觉得，有表达矩阵不就够了吗？后来被一个真实案例打脸了——同样一群细胞，放在肿瘤核心区和放在边缘区，功能状态完全不同。

本章我们从概念开始，理清空间转录组学解决了什么问题，主流技术有哪些差异，以及为什么我这些年一直推荐用Scanpy来做空间数据分析。内容偏“全景认知”，不涉及具体代码调参，但很重要。

1.1 从单细胞到空间维度

空间转录组学，是在组织切片原位检测基因表达，同时保留细胞的空间坐标。它回答的核心问题是：这些细胞在哪？它们和谁相互作用？

常规单细胞测序（scRNA-seq）把组织解离成单细胞悬液，测序后得到表达矩阵。但解离过程破坏了组织结构，细胞之间的位置关系、邻域组成、组织微环境信息全部丢失。空间转录组学弥补了这一环。

我在项目中遇到过一位做乳腺癌研究的医生，他用scRNA-seq找到了几十个差异基因，但没法确定这些基因在组织切片上的具体表达区域。后来我们用10x Visium跑了一轮空间转录组，三天就定位到了肿瘤浸润边缘的特异性表达区。这就是空间信息的价值。

空间转录组学的技术路线大致分成两类：

• 基于测序的方法——如10x Visium、Slide-seq、HDST。通过带有空间条形码的捕获芯片，从组织切片上捕获mRNA进行测序。
• 基于成像的方法——如MERFISH、seqFISH、STARmap。通过原位杂交或原位测序直接成像，单细胞分辨率更高，但通量相对较低。

1.2 主流技术平台：各有千秋

选择哪个平台，取决于你的实验问题和预算。我用一张表把几个主流方案的差异列清楚：

平台	分辨率	检测基因数	组织适用范围	通量（斑点/视野）	优势	局限
10x Visium	55 μm（含1-10细胞）	~20000	新鲜冷冻/FFPE	~5000 斑点	操作成熟，社区资源丰富	非单细胞分辨率
Slide-seqV2	10 μm	~10000	新鲜冷冻	~50000 斑点	高分辨，覆盖广	基因检出率偏低
MERFISH	单细胞（~100 nm）	100-10000	新鲜冷冻/FFPE	~10⁵ 细胞	真正单细胞，高精度	靶向 panel，通量受限
STARmap	单细胞	~1000	新鲜冷冻	~20000 细胞	原位，高分辨率	基因数有限

1.3 空间转录组数据的核心挑战

别被漂亮的t-SNE图骗了，空间转录组数据的处理比单细胞数据更麻烦。我总结了四个主要挑战：

1. 稀疏性与噪声——每个斑点的覆盖深度远低于单细胞测序，零表达比例高。尤其是低表达基因，检测波动大。
2. 空间自相关——邻近斑点的表达不是独立的，存在空间依赖性。传统统计方法直接套用会低估假阳性。
3. 批次效应与平台差异——不同样本、不同捕获区域之间存在技术偏差。空间数据的批次校正比单细胞更复杂，因为空间结构不能被打乱。
4. 多模态整合——空间转录组经常伴随H&E染色或免疫荧光图像，如何将基因表达与组织形态学对齐，是个开放问题。

1.4 Scanpy：为什么它适合空间转录组分析

Scanpy最初是为单细胞转录组设计的，但它的核心数据结构Anndata和模块化分析流程，天然适配空间数据。我从2019年开始在项目里用Scanpy处理空间数据，这些年下来，最大的感受是三点：

• Anndata的灵活性——空间坐标、组织图像、基因表达可以共存于同一个对象中。adata.obsm['spatial']存坐标，adata.uns['spatial']存组织图像参数，结构清晰。
• 分析流程可复用——质控、归一化、降维、聚类，这些单细胞分析步骤在空间数据上同样适用。你不需要重新学一套工具。
• 社区算法集成——Squidpy、Giotto、CellCharter等空间专用工具都构建在Scanpy/Anndata生态之上。你学会Scanpy，就等于打开了整个空间转录组分析的工具箱。

安装Scanpy很简单，我建议用conda创建独立环境：

conda create -n spatial_env python=3.10
conda activate spatial_env
conda install -c conda-forge scanpy python-igraph leidenalg
pip install squidpy

加载一个10x Visium示例数据集，看看数据长什么样：

import scanpy as sc

# 读取Visium空间数据
adata = sc.datasets.visium_sge(
    sample_id="V1_Breast_Cancer_Block_A"
)
print(adata)
# AnnData object with n_obs × n_vars = 3798 × 36601
#     obs: 'array_row', 'array_col', 'in_tissue'
#     var: 'gene_ids', 'feature_types', 'genome'
#     obsm: 'spatial'
#     uns: 'spatial', 'hires', 'lowres'

看到obsm['spatial']了吗？那就是每一个斑点的x, y坐标。有了这个，你就能在组织切片上画基因表达图谱了。

1.5 分析流程全景

下面的SVG图概括了从组织样本到生物学发现的全流程。我把它分成五个阶段，每个阶段都对应Scanpy生态中的关键步骤：

整个流程可以拆解为以下步骤：

1. 样本制备与技术选择——根据组织类型和分辨率需求选择平台，新鲜冷冻组织适合多数方案，FFPE样本目前只有10x Visium和MERFISH支持较好。
2. 数据获取与预处理——测序数据经过比对、计数生成基因-斑点表达矩阵。成像数据则需要经过图像分割、斑点识别等步骤。
3. Scanpy标准分析——质控过滤（去除空斑点、低质量斑点）、归一化（scran或SCTransform风格的size-factor归一化）、HVG选择、PCA降维、聚类（Leiden算法）。这些都是单细胞分析的标准操作，直接复用即可。
4. 空间特异性分析——这一步是空间转录组的核心。包括：空间可变基因检测（HVG在空间上的分布模式）、邻域组成分析、空间区域识别（通过空间约束聚类或图像分割）、配体-受体相互作用分析。
5. 生物学解读——将聚类结果映射到组织切片上，识别不同组织结构（肿瘤区域、免疫浸润区、正常组织等），结合临床信息挖掘生物标志物。

1.6 本章小结

空间转录组学不是单细胞测序的替代品，而是它的互补维度。一个告诉你细胞身份的“清单”，一个告诉你组织结构的“地图”。两者结合，才是完整的生物学故事。

在这一章里，我们聊了：

• 空间转录组学解决了什么问题——给基因表达加上空间坐标
• 主流技术平台的差异——从10x Visium到MERFISH，各有适用的场景
• 数据处理的四大挑战——稀疏性、空间自相关、批次效应、多模态整合
• Scanpy为什么适合空间分析——Anndata的灵活性、流程可复用、生态丰富
• 全流程框架——从样本到生物学发现的五个阶段