时空CNV分析导论

作者，追风少年i~~

hello，周四了，已经7月下旬了，有些难道真的是命中注定？？再怎么努力也没用？？

最近有人问我为什么开始收费了，我真的是被别人抄袭害怕了，没办法，被老六给吓得~~~~

好了，今天我们来分享关于空间CNV的分析内容，其实一开始对于空间转录组能否做CNV是存疑的，空间转录组的每个spot包含不止一个细胞，尤其肿瘤细胞，包含的细胞更多，这样的话，如何选择合适的ref？？分析出来的inferCNV是否是真的呢？？

关于CNV，有很多的基础知识需要大家补充，文章列在下面，供大家参考：

10X单细胞个性化分析之CNV篇

10X单细胞（10X空间转录组）CNV分析之inferCNVpy

10X单细胞（10X空间转录组）CNV分析回顾之CopyKAT

10X空间转录组CNV和速率分析的空间图谱

10X空间转录组数据分析之CNV事件的spatial landscape

10X单细胞（10X空间转录组）数据分析之识别肿瘤细胞的CNV分析原理

10X空间转录组数据推断基因拷贝数畸变（copy number aberrations）CNA

copyKAT推断单细胞转录组肿瘤细胞CNV（自动识别肿瘤normal和tumor）

其中的关键在于我们要知道CNV分析的原理和算法，下图是CNV分析的效果图

单细胞CNV

那么，我们就要知道空间数据是如何分析CNV的，其实最开始的想法就是参考单细胞的方法，inferCNV分析推断，在文章Comprehensive Analysis of Spatial Architecture in Primary Liver Cancer中就使用的这个方法，不过同时采用外显子数据来辅助验证准确性，分析结果如下：

空间CNV

这里注意一下细节，通过使用 infercnv 的方法，基于它们的转录组谱估计每个肿瘤spot的 CNV。 首先，对于每位患者，将其 N（Normal，正常组织） 切片中的正常肝细胞spot定义为正常参考。 然后，所有分析的基因按它们在染色体中的位置进行排序，并在它们上应用 100 个基因的滑动窗口来计算它们的移动平均表达值，从而估计初始拷贝数。 通过从肿瘤cluster spot中减去正常参考拷贝数谱，得到了肿瘤点的 CNV 估计。 为了减少 dropout 的影响，利用点的共享最近邻 (SNN) 关系，并通过计算每个点及其 SNN 的加权平均值来进一步平滑每个spot的 CNV。

为了确认从 ST 数据推断的 CNV 结果，还对相应患者的 PBMC、正常切片、肿瘤切片和前缘切片的正常/肿瘤区域进行了bulk WES。 然后，使用 CNVkit 软件（稳定版）从配对的肿瘤正常 WES 数据中调用肿瘤大样本的拷贝数变化。 采用 PBMC 的法线参考或法线截面数据可以产生类似的结果。 此外，对于派生的 log2 复制率结果，检测和过滤异常值。

其实就是两点1、正常组织作为ref；2、空间聚类的结果识别CNV。