Seurat分析1oxVisium数据（1）数据来源：小鼠脑切片，有两个连续的前部切片和两个（匹配的）连续的后部切片心idrtidermsorahsorpceiriotnCount_SpatialnCount_SpatialnCount SpatialnCount_Spatial600008000600005000040000400004000040000-artenorposterior22000020000200002000031053features31053features31053features31053features2696samples2825samples3353samples3293samplesIdentityIdentityIdentityIdenfty上节回顾空间转录组数据分析单细胞甲基化数据分析单细胞ATAC数据分析
Seurat 分析 10X Visium 数据 上节回顾 空间转录组数据分析 单细胞ATAC数据分析 单细胞甲基化数据分析 （1）数据来源：小鼠脑切片，有两个连续的前部切片和两个（匹配的）连续的后部切片 31053 features 2696 samples 31053 features 2825 samples 31053 features 3353 samples 31053 features 3293 samples
Seurat分析10xVisium数据（2）预处理：标准化消除测序深度的影响（与处理scRNA-Seq数据类似）组织的细胞密度在空间上存在差异的话，会导致spot之间巨大的异质性（不同spot的分子计数的差异不仅是技术上的，还取决于组织解剖学）标准化方法（LogNormalize函数）强制每个spot具有相同的文库大小，这可能会带来误差建议使用sctransform构建正则化的负二项基因表达模型brain<-ScTransform(brain,assay="Spatial",verbose=FALsE)#注意这里的默认参数：variable.features.n=3000（默认选择的是3000个高变基因）>上节回顾空间转录组数据分析单细胞ATAC数据分析单细胞甲基化数据分析
Seurat 分析 10X Visium 数据 上节回顾 空间转录组数据分析 单细胞ATAC数据分析 单细胞甲基化数据分析 （2）预处理：标准化消除测序深度的影响（与处理scRNA-seq数据类似） • 组织的细胞密度在空间上存在差异的话，会导致spot之间巨大的异质性（不同spot的分子计数的差异不仅是技术上的，还取决于组织解剖学） • 标准化方法（LogNormalize函数）强制每个spot具有相同的文库大小，这可能会带来误差 • 建议使用sctransform 构建正则化的负二项基因表达模型 brain <- SCTransform(brain, assay = "Spatial", verbose = FALSE) # 注意这里的默认参数：variable.features.n = 3000（默认选择的是3000个高变基因）
Seurat分析1oxVisium数据(2）预处理：标准化消除测序深度的影响（与处理scRNA-Seq数据类似）SCTransform与LogNormalize两种标准化方法之间的差异：计算每个基因与nCountSpatial数量的相关性，根据基因的平均表达水平将其分组，发现LogNormalize（左）的前三组基因表达与nCountSpatial相关性较强（即没有充分标准化基因表达值）SCTransform NormalizatioLogNormalizatiorgrpgrp串(1.92,2.88車(1.92,2.68ne0+-000390.959电2000039电1-0.006-0.00330电40.966-0.00339- (-1.93,-0.96电(1.93,0.966中(-2.891.80)审4-2.89-1.9303上节回顾空间转录组数据分析单细胞ATAC数据分析单细胞甲基化数据分析
Seurat 分析 10X Visium 数据 上节回顾 空间转录组数据分析 单细胞ATAC数据分析 单细胞甲基化数据分析 （2）预处理：标准化消除测序深度的影响（与处理scRNA-seq数据类似） • SCTransform 与 LogNormalize 两种标准化方法之间的差异：计算每个基因与 nCount_Spatial 数量的相关性，根据基因的平均表达水平将 其分组，发现LogNormalize（左）的前三组基因表达与 nCount_Spatial 相关性较强（即没有充分标准化基因表达值）
Seurat分析1oxVisium数据(2）预处理：基因表达的可视化（对于小鼠大脑数据，Hpca是海马体的标记基因，Ttr是脉络丛的标记基因）pt.size.factor：缩放绘图斑点的大小pt.size.factor=1pt.size.factor=2pt.size.factor=2.5上节回顾>空间转录组数据分析单细胞ATAC数据分析单细胞甲基化数据分析
Seurat 分析 10X Visium 数据 上节回顾 空间转录组数据分析 单细胞ATAC数据分析 单细胞甲基化数据分析 （2）预处理：基因表达的可视化（对于小鼠大脑数据，Hpca是海马体的标记基因，Ttr是脉络丛的标记基因） • pt.size.factor：缩放绘图斑点的大小 pt.size.factor = 1 pt.size.factor = 2 pt.size.factor = 2.5
Seurat分析1oxVisium数据(2）预处理：基因表达的可视化（对于小鼠大脑数据，Hpca是海马体的标记基因，Ttr是脉络丛的标记基因）alpha：设置最小和最大的透明度，可以将表达较低的点设置为更透明alpha = 0.9alpha = c(0.1, 1)上节回顾空间转录组数据分析单细胞ATAC数据分析单细胞甲基化数据分析>
Seurat 分析 10X Visium 数据 上节回顾 空间转录组数据分析 单细胞ATAC数据分析 单细胞甲基化数据分析 （2）预处理：基因表达的可视化（对于小鼠大脑数据，Hpca是海马体的标记基因，Ttr是脉络丛的标记基因） • alpha：设置最小和最大的透明度，可以将表达较低的点设置为更透明 alpha = 0.9 alpha = c(0.1, 1)