空间转录组：从R导入数据

引言

本系列讲解 空间转录组学 (Spatial Transcriptomics) 相关基础知识与数据分析教程[1]，持续更新，欢迎关注，转发，文末有交流群(你懂的)！

简介

本文主要阐述了如何将数据以 Bioconductor-based data classes 的形式导入 R。我们先对原始数据结构进行了概述，接着介绍了如何将原始数据导入 R。

平面文件结构

目前，不同商业供应商提供的空间转录组学平台的数据，其文件结构和格式各不相同。不过，这些数据在本质上是相似的，比如：基于测序的数据都包含阵列点的空间位置和计数矩阵；基于成像的数据则包括转录本位置（通过点呼叫得到）、多边形边界（通过分割得到）以及计数矩阵（通过将转录本分配到细胞得到）等。

接下来，我们将对几种商业可用的数据类型进行总结。

Visium（10x Genomics）

在 Visium 数据上运行 Space Ranger（10x Genomics 提供的数据处理软件）会生成一组标准化的输出文件。这些文件既包含原始测量数据（与单细胞 RNA 测序类似，但还包含例如点级坐标、潜在图像等信息），也包含来自标准分析流程的结果，该流程包括标准质量控制、降维（如 PCA、t-SNE 和 UMAP）、基于图的聚类等。

10x Genomics 对这些产生的输出进行了描述；简单来说：

Visium
  └── outs
    ├── spatial
      ├── tissue_positions_list.csv # spot locations
      └── tissue_lowres_image.png   # same-section H&E
    └── filtered_feature_bc_matrix  # in-tissue matrix files
    └── raw_feature_bc_matrix       # unfiltered matrix files
         ├── barcodes.tsv # spot barcodes (i.e., sequences)
         ├── features.tsv # gene metadata (e.g., ensembl IDs)
         └── matrix.mtx   # (gene x spot) count matrix

Visium HD (10x Genomics)

在 Visium HD 数据上运行 Space Ranger，其产生的输出与前面提到的类似，不过默认会包含以 2、8 和 16 µm 分辨率进行分箱的输出。所以，输出呈现分层结构，每个 binned_outputs/ 子目录里都包含着和 Visium 的 outs/ 目录相似的文件，比如：

VisiumHD
  └── binned_outputs
    └─── square_002um
      └── filtered_feature_bc_matrix.h5
      └── filtered_feature_bc_matrix
        └── barcodes.tsv.gz
        └── features.tsv.gz
        └── matrix.mtx.gz
      └── raw_feature_bc_matrix.h5
      └── raw_feature_bc_matrix
        └── ...
      └── spatial
        └── tissue_positions.parquet
        └── ...
    └── square_*

Xenium (10x Genomics)

运行 Xenium Ranger 能够把 Xenium 运行产生的原始数据处理成一个输出包，该输出包有着标准化的文件结构和内容。需要特别指出的是，10x Genomics 提供了多种输出文件格式（比如，基因/细胞元数据既有 .csv 格式，也有 .parquet 格式），这使得它能够方便地与各种框架进行互操作。

10x Genomics 对所有输出都进行了详细描述，具体可以查看相关资料；简单来说：

Xenium
  └── outs 
    ├── cells.parquet          # cell metadata (e.g., area)
    ├── cell_feature_matrix.h5 # compressed format of the below 
    └── cell_feature_matrix    # segmentation-derived matrix files
      ├── barcodes.tsv # cell barcodes (i.e., sequences)
      ├── features.tsv # gene metadata (e.g., target type)
      └── matrix.mtx   # (gene x cell) count matrix
    ├── transcripts.parquet        # molecule locations
    ├── cell_boundaries.parquet    # membrane segmentation
    ├── nucleus_boundaries.parquet # nuclear segmentation 
    └── experiment.xenium # experiment-wide metadata (in .json format)

CosMx (NanoString)

借助自定义模块脚本，AtoMx Spatial Informatics Portal（SIP）能够导出各种类型的对象，关键的是，它支持“平面”（人类可读的）文件格式。与原始数据（比如，在进行点呼叫之前的图像）不同，这些文件是经过处理后的输出，比如分割边界顶点和分子的空间位置、由分割得到的计数矩阵等。

关于这些文件的详细描述可以查看相关资料；简单来说：

CosMx
  ├── exprMat_file.csv       # (gene x cell) counts
  ├── fov_positions_file.csv # FOV corner positions
  ├── metadata_file.csv      # cell-level metadata
  ├── polygons.csv           # segmentation boundaries
  └── tx_file.csv            # molecule locations

Bioconductor 包

多个 Bioconductor 包中的读取函数可以将原始文件中的数据导入 R 中的 SpatialExperiment 对象（或其衍生对象），具体如下：

• VisiumIO 提供了用于读取 10x Genomics Space Ranger 流程（即 Visium 和 Visium HD）空间数据的读取器。它支持 .mtx、.tar.gz 和 .h5 文件格式，并且能够一次性读取多个样本。这些数据会被导入到一个 SpatialExperiment 对象中。
• XeniumIO 提供了将 10x Genomics Xenium 数据导入 R 的函数。它支持多种文件格式，比如用于计数数据的 .h5 和 .mtx，用于多边形和分子的 .parquet 和 .csv 等。此外，它还能自动区分 RNA 目标和其他条形码，像负探针、空白条码等。
• SpatialExperimentIO 提供了多种基于成像的空间转录组学平台的读取器，涵盖了 CosMx（Bruker）、Xenium（10x Genomics）、MERSCOPE（Vizgen）和 seqFISH（Spatial Genomics）。这些数据可以被导入到一个 SingleCellExperiment 或 SpatialExperiment 中。
• SpatialFeatureExperiment 提供了将 CosMx、Xenium、MERSCOPE 和 Visium（HD）作为 SpatialFeatureExperiment 对象导入的函数。

Reference

[1]

Ref: https://lmweber.org/OSTA/