脚本更新----空间邻域差异分析（针对visium、bin模式的Stereo-seq、HD）

原创

追风少年i

发布于 2024-11-25 11:52:17

5200

作者，Evil Genius

有言在先了啊，盗版猖獗的话，就不再创作新内容了，以盗版为主了啊。反正大家也是买盗版，创作做的意义不大。

今日更新脚本，空间邻域差异分析（针对visium、bin模式的Stereo-seq、HD）

我们要实现下面的内容（在visium平台）

第一步，做好单细胞空间联合分析，无论什么方法（cell2location、RCTD为主），并且整理好h5ad数据。

import scanpy as sc
import spatialpy as sp
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

# 加载空间转录组数据 (Visium数据)
visium_data = sc.read_visium("path_to_visium_data/")

# 预处理数据：标准化、去除低表达基因等
sc.pp.filter_genes(visium_data, min_cells=3)
sc.pp.filter_cells(visium_data, min_genes=200)
sc.pp.normalize_total(visium_data, target_sum=1e4)
sc.pp.log1p(visium_data)

# 加载单细胞数据 (假设是10X数据)
sc_data = sc.read("path_to_single_cell_data/")

# 预处理单细胞数据：标准化、去除低表达基因等
sc.pp.filter_genes(sc_data, min_cells=3)
sc.pp.filter_cells(sc_data, min_genes=200)
sc.pp.normalize_total(sc_data, target_sum=1e4)
sc.pp.log1p(sc_data)

# 对单细胞数据进行PCA降维、聚类
sc.tl.pca(sc_data, svd_solver='arpack')
sc.pp.neighbors(sc_data)
sc.tl.leiden(sc_data)

# 假设sc_data的聚类结果是细胞类型
cell_types = sc_data.obs['leiden']

# 将单细胞的细胞类型信息映射到Visium数据
###cell2location大家自己做
# 假设我们已经有Visium样本的细胞类型信息
visium_data.obs['cell_type'] = np.random.choice(cell_types, size=visium_data.shape[0])  # 这里只是一个示例

第二步，visium的空间共定位分析以及邻域差异分析

# 使用KNN邻域方法计算空间邻域
spatial_neighbors = sp.nn.compute_knn(visium_data, n_neighbors=5)  # 选择合适的邻居数量

# 计算邻域内细胞类型的分布
neighbor_cell_types = visium_data.obs['cell_type'].iloc[spatial_neighbors]

# 计算不同细胞类型之间的邻域差异
# 例如：可以通过计算不同细胞类型的邻域重叠率来量化邻域差异
def compute_neighborhood_overlap(cell_type1, cell_type2, neighbors):
    overlap_count = np.sum((neighbors == cell_type1) | (neighbors == cell_type2), axis=1)
    return overlap_count / len(neighbors)

# 计算不同细胞类型之间的邻域重叠率
overlap_matrix = np.zeros((len(np.unique(cell_types)), len(np.unique(cell_types))))

for i, ct1 in enumerate(np.unique(cell_types)):
    for j, ct2 in enumerate(np.unique(cell_types)):
        overlap_matrix[i, j] = compute_neighborhood_overlap(ct1, ct2, neighbor_cell_types)

# 可视化邻域重叠矩阵
plt.imshow(overlap_matrix, cmap='viridis')
plt.colorbar()
plt.title("Neighborhood Type Overlap")
plt.xlabel("Cell Type")
plt.ylabel("Cell Type")
plt.show()