MIA，多模態(tài)數(shù)據(jù)取交集方法，是針對Spot Cluster 水平上利用單細胞注釋信息來對ST-Spot聚類結(jié)果進行細胞類型注釋。

圖片.png

給定單細胞某個已知細胞類型和某個Spot的聚類編號，我們分別篩選各自的CellMarkers和SpotMarkers

Background定義為單細胞與ST數(shù)據(jù)共同表達的基因集，根據(jù)單細胞的CellMarkers可以將背景基因集分成兩塊區(qū)域，藍色和黃色部分

然后將ST的SpotMarkers分別與這兩個區(qū)域取交集

如果這個ST的SpotMarkers是隨機抽取的，那么落在這兩個區(qū)域的基因數(shù)應(yīng)該是符合一定的比例， 如果出現(xiàn)過度集中與藍色區(qū)域，則我們認為CellMarkers與SpotMarkers是顯著重疊的，那么我們可以得到這個SpotCluster屬于這個細胞類型的可能性越高。

圖片.png

其實這個就是超幾何分布模型，我們可以一個公式來計算顯著性P值，由于P值是0-1之間，很小的數(shù)，我們可以取-log10，轉(zhuǎn)換為得分，此得分越高，注釋與這個細胞類型的可能性就越高。

很簡單，我們可以在R中的基本函數(shù)phyper中實現(xiàn)，命令用黑色方框顯示。

i表示同時屬于scRNA的CellMarkers和ST的SpotMarkers

M表示scRNA的CellMarkers

大N表示scRNA和ST同時表達基因

小n表示ST的SpotMarkers

在這里我想說個題外話，這個模型簡單且非常實用， 在基因功能富積分析使用的模型就是這個，所以課后不妨大家多多了解下

圖片.png

最終我們得到SpotCluster的細胞類型預(yù)測結(jié)果文件，行為Cluster編號，其中括號內(nèi)的數(shù)字表示ST的SpotMarker數(shù)，列為細胞類型

如果得分越高，這個SpotCluster屬于這個細胞類型的可能性就越高，我們可以看到Cluster3屬于Oligo的得分最高，因此屬于這個細胞類型的可能性就最高。

圖片.png

我們可以將上面的表格進行熱圖展示，行為Cluster，列為細胞類型，對細胞類型做了層級聚類

我們可以看到紅色方框內(nèi)是Cluster3對應(yīng)的Oligo細胞類型的數(shù)值，由于此值在Cluster3對應(yīng)的所有細胞類型最高，因此此Cluster被預(yù)測為Oligo細胞類型

我們也可以用?；鶊D展示Cluster與已知細胞類型對應(yīng)關(guān)系，比如Cluster3沿著這個弧線對應(yīng)到Oligo細胞類型。