关于空转数据聚类的一点思考

作者，Evil Genius

最近看了很多关于空间转录组的文章，其中关于空间聚类的运用感觉到有一些值得挖掘的东西，当然也有很多文章不对空间数据进行聚类，直接单细胞空间进行联合分析，那么空间聚类到底应该如何解读呢？我们借助几篇空间聚类的文章来分析一下。

先从早一点的文章看起，在2020年7月发表于Cell的文章Multimodal Analysis of Composition and Spatial Architecture in Human Squamous Cell Carcinoma，其中分析过程对空间数据进行了聚类分析，关于空间聚类的目的，在于寻找单细胞数据分析得到的特有细胞群（TSK）在空间哪个具体的位置。

其中空间聚类的分布大致跟形态学是近乎一致的，但是这里我们要注意空间聚类还是针对单个样本的数据分析，文章的目的在于寻找TSK所在的空间区域，那么空间聚类将空间划分了几个区域之后，这几个区域代表了不同的功能区域，那么目标细胞类型是如何匹配功能区域呢?作者采用了Seurat 的打分函数，addmoduleScore，对空间聚类的每个群进行目标细胞打分，当然，分数越高说明目标细胞越富集于该区域，文章最终的结果证明了TSK处于交界区域。

至于空间更多的分析意义，并没有过多挖掘，从这里开始，空间聚类的形态学分布将是研究的一个方面。

2021年12月发表于Science Advances的文章Comprehensive analysis of spatial architecture in primary liver cancer，在没有单细胞数据的情况下也是对空间转录组数据进行了聚类分析，

这里我们需要注意的是，同一批样本同时取了正常区域、交界区域和肿瘤区域，对空间多个样本进行了整合分析，采用了去批次的方法harmony，这个时候我们就可以看到每个群在多个样本的空间分布，凸显了聚类的形态学分布，而且在有形态学的信息下，对于去批次的效果也是可以做出合理的判断。

作者接下来就基于聚类的分析结果，做了空间近距离通讯，空间“开关”、空间CNV分析等内容，收获了良好的效果。那么这里的空间聚类分析其实也是跟形态学有关，不过从这里可以看出，不同样本间存在独有的群， 这个当然可以说是形态学的差异。

2022年6月发表于nature的文章Spatial multi-omic map of human myocardial infarction则进一步阐明了空间聚类的意义。文章首先对空间的数据进行了数据的整合聚类，当然，也对空间进行了去批次处理，空间数据整合聚类之后命名为niche，当然，包括空间的分子聚类和细胞聚类。

从文章的结果可以看出，多个空间slide做整合分析，每个群的分布其实是有一定的样本特异性的，每个cluster其实代表了不同细胞类群的组合，每种组合又代表了不同的组织区域，这里基本上道出了空间聚类的核心，当然我们拿到这样的结果可以匹配细胞的共定位分析，可以从更精细的角度分析互作问题，但是这里由于每个群有样本的偏好分布，虽然我们知道了不同的群是不同的细胞组合，但是群分布的样本特异性也需要更多的研究。

2023年6月发表于SCIENCE IMMUNOLOGY的文章Spatial transcriptomics stratifies psoriatic disease severity by emergent cellular ecosystems在拿到空间转录组数据之后，也对多个空间数据进行了整合聚类的分析工作。

单细胞数据如果某个样本有新的类群，那么就代表了新的细胞类型或者新的细胞状态，而对于空间而言，新的cluster代表了新的细胞群体组合。

如果没有单细胞的加持下，空间聚类的结果是如何影响组别的信息需要更多的深入探讨，这里做整合同样有去批次的步骤，CCA和harmony都进行了处理。整合的效果根据形态学进行判定。

同上面所讲的那样， 有些群会特异性出现在某一类样本中，从细胞的角度来看这是新的细胞组合，从空间的角度来看这是新的niche，正是这种不同，体现了空间的差异，有助于解释疾病的发生。

作者后续在对空间数据进行通讯分析的时候也主要针对特有的类群以及附近的生态位，大家可以看到即使是空间转录组的聚类数据，依据形态学和marker gene也可以对空间进行功能注释。进而讨论空间的通讯问题。

最后，我们可以解释为空间聚类就是生态位的问题，在2022年1月发表于杂志Cell的文章Spatial proteogenomics reveals distinct and evolutionarily conserved hepatic macrophage niches充分说明了这一点，

作者对空间聚类之后，针对独有的细胞类型进行聚类的数据分析，发现围绕巨噬细胞的生态位。所以空间聚类有助于生态位的发现和识别。

最后，我们来总结一下：

1、空间也是需要进行多样本整合的，多样本整合也需要去批次处理。 2、空间聚类的最初意义就是不同的形态学区域。 3、从分子和细胞的角度来看，空间聚类的结果就是不同的细胞比例组成，而这种比例组成的变化也是引发疾病的原因之一 4、从样本的情况来看，空间聚类后的特意分布的cluster是引发转变的关键,这种新的转变主要是由于新的细胞比例组成而成。 5、空间的聚类结果跟前面讲诉的生态位是一样的，聚类一起的spot含有比例相当的细胞类型，这也是细胞互作的形态学体现。当然，运用空间聚类和MIA的结果能分析出细胞的生态位组成。

生活很好，有你更好