作者，追風(fēng)少年i
馬上國慶了，祝大家節(jié)日快樂，我們這一篇進(jìn)行分析合集
包括三個部分（均是我之前所寫）
- 10X空間轉(zhuǎn)錄組數(shù)據(jù)分析重點(diǎn)梳理
- 時空CNV分析導(dǎo)論
- 10X空間轉(zhuǎn)錄組之免疫組庫分析
第一部分：10X空間轉(zhuǎn)錄組數(shù)據(jù)分析重點(diǎn)梳理
空間轉(zhuǎn)錄組學(xué) (ST) 技術(shù)正迅速成為單細(xì)胞 RNA 測序 (scRNAseq) 的延伸，具有以接近單細(xì)胞分辨率分析基因表達(dá)的潛力，同時保持組織內(nèi)的細(xì)胞組成。同時擁有表達(dá)譜和組織空間信息使研究人員能夠更好地了解細(xì)胞相互作用和異質(zhì)性，從而深入了解傳統(tǒng)測序技術(shù)無法實現(xiàn)的復(fù)雜生物過程。ST技術(shù)生成的數(shù)據(jù)本質(zhì)上是嘈雜的、高維的、稀疏的和多模態(tài)的（包括組織學(xué)圖像、計數(shù)矩陣等），因此需要專門的軟件來進(jìn)行深入分析。目前很多研究人員仍然借助單細(xì)胞的分析軟件來分析空間轉(zhuǎn)錄組，但事實證明這些工具不足以分析復(fù)雜的 ST 數(shù)據(jù)集，這一篇我們就來對空間轉(zhuǎn)錄組的分析進(jìn)行梳理。
第一部分，Spatial Reconstruction
這部分是空間轉(zhuǎn)錄組的基礎(chǔ)分析，也是第一步和獲取基礎(chǔ)信息的一步，空間轉(zhuǎn)錄組數(shù)據(jù)矩陣的降維、聚類、差異、富集的基礎(chǔ)分析，通常還是要借助Seurat的基礎(chǔ)流程，于此同時，scanpy、novoSpaRc、Giotto、STutility等分析軟件也具有空間轉(zhuǎn)錄組基礎(chǔ)分析的示例教程。關(guān)于第一部分，也要強(qiáng)調(diào)一下空間轉(zhuǎn)錄組和單細(xì)胞轉(zhuǎn)錄組基礎(chǔ)分析之間的不同，總結(jié)如下：
第二部分，Spot Deconvolution
關(guān)于單細(xì)胞空間聯(lián)合的分析方法目前已經(jīng)非常多，但是更為重要的是要有匹配的單細(xì)胞空間數(shù)據(jù)，方法運(yùn)用的時候需要大家有所選擇，總結(jié)如下：
| 軟件 | 發(fā)表文獻(xiàn)、雜志及影響因子 | 參考文章 |
|---|---|---|
| Seurat | 沒有專門針對單細(xì)胞空間聯(lián)合的文章，但有高分文章引用 | 人鱗狀細(xì)胞癌成分和空間結(jié)構(gòu)的多峰分析（空間轉(zhuǎn)錄組與單細(xì)胞文章）、10X空間轉(zhuǎn)錄組和10X單細(xì)胞數(shù)據(jù)聯(lián)合分析方法匯總 |
| cell2location | Cell2location maps fine-grained cell types in spatial transcriptomics(Nature Biotechnology，IF 55分) | 10X單細(xì)胞和空間聯(lián)合分析的方法---cell2location、10X單細(xì)胞空間聯(lián)合分析之再次解讀cell2location、10X單細(xì)胞空間聯(lián)合分析之cell2location的詳細(xì)梳理 |
| SPOTlight | SPOTlight: seeded NMF regression to deconvolute spatial transcriptomics spots with single-cell transcriptomes（Nucleic acids research,IF 17分） | 10X單細(xì)胞空間分析回顧之SPOTlight、10X單細(xì)胞空間聯(lián)合分析之三----Spotlight |
| RCTD | Robust decomposition of cell type mixtures in spatial transcriptomics（nature biotechnology、IF 55分） | 10X單細(xì)胞空間聯(lián)合分析之十（RCTD） |
| STdeconvolve | Reference-free cell-type deconvolution of pixel-resolution spatially resolved transcriptomics data(biorxiv) | 10X空間轉(zhuǎn)錄組數(shù)據(jù)分析之空間注釋（解卷積，STdeconvolve） |
| Stereoscope | Multi-resolution deconvolution of spatial transcriptomics data reveals continuous patterns of inflammation（biorxiv） | Multi-resolution deconvolution of spatial transcriptomics data reveals continuous patterns of inflammation |
| DSTG | DSTG: Deconvoluting Spatial Transcriptomics Data through Graph-based Artificial Intelligence（Briefings in Bioinformatics、IF 11分） | 10X單細(xì)胞空間聯(lián)合分析之四----DSTG |
| spatialDWLS | SpatialDWLS: accurate deconvolution of spatial transcriptomic data（biorxiv） | 10X單細(xì)胞空間聯(lián)合分析之五----spatialDWLS |
| Tangram | Deep learning and alignment of spatially resolved single-cell transcriptomes with Tangram（Nature Methods, IF 28.5） | 10X單細(xì)胞空間聯(lián)合分析之六(依據(jù)每個spot的細(xì)胞數(shù)量進(jìn)行單細(xì)胞空間聯(lián)合分析----Tangram) |
| CellDART | CellDART: Cell type inference by domain adaptation of single-cell and spatial transcriptomic data(biorxiv) | 10X單細(xì)胞-10X空間轉(zhuǎn)錄組聯(lián)合分析之七----CellDART |
| STRIDE | STRIDE: accurately decomposing and integrating spatial transcriptomics using single cell RNA sequencing(biorxiv) | 10X單細(xì)胞-10X空間轉(zhuǎn)錄組聯(lián)合分析之八----STRIDE（三維重構(gòu)） |
| Adroit | AdRoit: an accurate and robust method to infer complex transcriptome composition（Communications Biology,designed for bulk RNA-seq data， IF 5分） | 10X空間轉(zhuǎn)錄組和10X單細(xì)胞數(shù)據(jù)聯(lián)合分析方法匯總 |
| scanpy | 沒有專門針對單細(xì)胞空間聯(lián)合的文章 | Integrating spatial data with scRNA-seq using scanorama、10X單細(xì)胞（10X空間轉(zhuǎn)錄組）批次去除（整合）分析之Scanorama |
其中Seurat的聯(lián)合方法最為常用，但是其他方法也非常經(jīng)典，我們重點(diǎn)介紹兩個方法：
(1) Cell2location: Cell2location 采用分層貝葉斯框架，假設(shè)基因表達(dá)計數(shù)遵循負(fù)二項分布。它首先使用外部 scRNAseq 數(shù)據(jù)作為參考來估計細(xì)胞類型特異性特征。觀察到的空間表達(dá)計數(shù)矩陣用負(fù)二項分布建模，其中基因可用的特定技術(shù)敏感性、基因和位置特定的加性偏移作為平均參數(shù)的一部分包括在內(nèi)。然后 cell2location 使用變分貝葉斯推理來近似后驗分布并相應(yīng)地產(chǎn)生參數(shù)估計 。
(2) SPOTlight : SPOTlight 是一種反卷積算法，它采用非負(fù)矩陣分解 (NMF) 回歸算法以及非負(fù)最小二乘法 (NNLS)。在 SPOTlight 中，執(zhí)行 NMF 以識別 scRNA-seq 參考中特定于細(xì)胞類型的top profile，并執(zhí)行 NNLS 來識別spot top profile，這是反卷積的結(jié)果。此外，據(jù)報道，SPOTlight 在不同的生物場景和具有匹配和外部參考的不同技術(shù)版本中執(zhí)行靈敏且準(zhǔn)確。
第三部分，Spatially Variable Genes Identification
