作者，Evil Genius

針對低精度的visium數(shù)據(jù)，大家分析細胞niche的結果還好么？

隨著分析的深入，大家還可以自我設置niche參數(shù)人為定義么？

對不起，大概率不行了，因為認識的加深，很多固有的多細胞niche（例如TLS），已經(jīng)成了共識，大家的分析，也要站在前人的基礎上進行分析了。

就像亞群的分析，對于成纖維細胞，也不可以再自己做一套新的了，也是要站在前人的肩膀上了，大家可以參考文章知識匯總--癌癥相關成纖維細胞的異質性與可塑性。

四種常見的CAF相關腫瘤生態(tài)位

大家可以在這個基礎上進行更深度的挖掘，但是想要推翻之前的研究，不僅需要勇氣，更需要實力。

其實這就是風口的問題，站在風口，因為沒有什么借鑒，大家自己分析，邏輯合理即可；一旦風口停了或者風力小了，就要求大家研究的深度了。

那么回到細胞niche分析，之前的分析在細胞矩陣的基礎上都是可以直接聚類的，現(xiàn)在的話，也不太行了，原因很簡單，大家只要明白為什么單細胞基因矩陣不能直接聚類，而是要PCA/NMF + TSNE/UMAP，就能理解細胞矩陣也是需要提取特征的。

但是細胞矩陣又和基因矩陣有很大的差別，我們的細胞矩陣是百分比矩陣，不能參考單細胞基因矩陣那樣的處理，所以需要我們借助一些特殊的方法。

還有一個問題需要大家考慮，多樣本分析細胞niche需要批次矯正么？

如果聯(lián)合采用的是cell2location，并不是百分比矩陣，應該怎么優(yōu)化處理呢？

其中百分比矩陣存在的問題

成分數(shù)據(jù)具有"閉合性"（總和為常數(shù)，如100%），這導致：1、成分數(shù)據(jù)具有"閉合性"（總和為常數(shù)，如100%）：偽相關性問題2、非歐幾里得幾何：成分空間是單形空間，不是歐幾里得空間，不能直接應用常規(guī)統(tǒng)計方法。

其中相對優(yōu)化、且有文章引用的方法有兩種，1、等距對數(shù)比變換 (Isometric Log-Ratio Transformation)，是處理比例、百分比等相對組成數(shù)據(jù)的專業(yè)方法;2、借助NMF實現(xiàn)細胞特征提取 + 聚類。

我們來實現(xiàn)一下，首先是從cell2location豐度矩陣 → ILR轉換 → 聚類分析，R和python都來一遍，對于空轉，雙修偶幾乎是必然，而且python用的會更多一點。

首先是R