作者，Evil Genius
慢慢的也要把空間的分析升級到高精度平臺了。
群里有人分享自己發(fā)表的文章，說實話，我真心的羨慕，做科研這條路，文章是硬通貨，把自己說的天花亂墜，什么都會，都不如說一聲，自己是cell/nature期刊選手來的有說服力。而且前者像一個小丑??。
大家基本上都是科研人員，還有機會，專心做一個課題，我希望大家有條件讀個好博士，我工作了以后，真的發(fā)現(xiàn)，博士學歷非常重要，發(fā)表文章的質(zhì)量，更加重要。
今天我們分享一個簡單的流程升級，對于高精度平臺，無論是HD、Stereo-seq、Xenium、CosMx（前提是做了細胞分割，拿到單細胞級別的空間矩陣）等都有一個共同的特點，如下圖：
各個區(qū)域的細胞密度不同，如果是visium，鄰域一般考慮周圍6個spot，這個低精度平臺的做法， 到了高精度，這種做法就不合適了，需要調(diào)整了。
之前分享過一篇文章，分析優(yōu)化----關(guān)于空間原位數(shù)據(jù)的鄰域分析優(yōu)化，提出了對于高精度平臺鄰域分析的見解，當然了，很多文章也都在運用，那就是一定范圍內(nèi)的細胞都算為鄰域，這要最直觀的結(jié)果就是不同細胞的鄰域不僅細胞種類不同，細胞數(shù)量也有差異。
我們需要實現(xiàn)的是，一定范圍內(nèi)（200um），拿到高精度平臺的空間鄰域矩陣(包括分子矩陣和細胞矩陣)。
基礎(chǔ)分析大家自己做，做好細胞定義，拿到h5ad格式的數(shù)據(jù)
接下來我們來分析一下,首先是鄰域分子矩陣
import numpy as np
import pandas as pd
import scanpy as sc
import matplotlib.pyplot as plt
from sklearn.metrics.pairwise import euclidean_distances
# 加載空間轉(zhuǎn)錄組數(shù)據(jù) (.h5ad文件)
adata = sc.read('your_data_file.h5ad') # 替換為你的 h5ad 文件路徑
# 查看數(shù)據(jù)的基本信息
print(adata)
