10X空间转录组之共定位分析（细胞类型和配受体基因）

hello，大家好，今天我们来深入分析一下有关10X空间转录组的共定位分析问题，其实有关共定位问题呢，之前的一些文章也都分享过，文章在空间转录组细胞类型的spot distance-based analyses，距离分析，空间转录组细胞类型的距离分析之二---代码实现，当然，还有一些其他的分享来介绍配受体的空间分布关系，例如10X空间转录组细胞通讯之stlearn（寻找区域交流热点中心），10X空间转录组（10X单细胞）之论细胞通讯空间分布的重要性等等，其中这些都很强调空间分布的重要性，而其中最应该关注的就是共定位和互斥的空间关系，今天我们来分享关于共定位的内容。

关于共定位，分为两部分内容，一种是细胞类型共定位，一种是配受体的共定位，关于这个问题，在文章Spatiotemporal analysis of human intestinal development at single-cell resolution，这篇文章于2021年1月份发布于Cell，顶级期刊，很多方法值得借鉴，我们这次只关注我们的共定位问题。

首先我们来看细胞类型的共定位

先看文章里面给出的计算方法；

• 第一步，空间细胞类型的预测
  Cell type prediction probabilities were calculated for each spot using factor analysis via FindTransferAnchors and TransferData functions in Seurat.，这个地方大家应该都不陌生，无论是做10X单细胞还是10X空间转录组，都应该非常熟悉，而且预测出来的数据类型及格式，就不多介绍了，大家应该都知道（不知道的自动面壁去）
• 第二步，计算相关性（Pearson correlations）
  For all predictions, pairwise cell type prediction probability score Pearson correlations were calculated using all tissue covered spots in a given slide in order broadly to assess spatial cell type co-occurrence within the same spot. Correlation r matrices were clustered using hierarchical clustering and significant correlations (adjusted p value < 0.05) were visualized in cell type pairwise heatmaps.

预测得到的矩阵分数信息，计算Pearson相关性，以此来估计两种细胞类型在同一个spot共同出现的现象，也就是我们关系的细胞类型共定位的问题。得到的相关性矩阵进行层次聚类，显著相关的两种细胞类型会进行展示，这个地方看起来比较简单，但真正做，有点难。

图片.png

图片.png

那这个细胞类型共定位有什么用呢？？？免疫细胞和疾病细胞共定位会有什么发现呢？？？？，很有意思的分析结果。

细胞类型共定位的扩展，这里的细胞类型共定位还限制于一个SPOT，其实个人觉得应该扩展一点，将一个SPOT的临近SPOT也纳入分析范围，算入细胞类型的共定位，这样的结果会更好一点。

接下来我们来看配受体的共定位

我们先来看文章的解释

To identify spatially co-localizing receptor-ligand pairs, we tested all putative receptor-ligand pairs identified from our single cell analysis.（看来作者这里检验的配受体是从10X单细胞分析结果得到的，分析软件是SingleCellSignalR，这个软件我封装过，下面展示一下这个软件的一个结果分析图）

图片.png

首先第一步，First, for each receptor-ligand pair, as before we fit a generalized linear model to test whether the expression of the receptor is dependant on the expression of the ligand in individual spots in each given slide.（这个地方注意是同一个spot，而不是临近spot）。

第二步，After multiple-testing correction (Benjami-Hochberg), pairs with adjusted p value of < 0.05 and a positive coefficient were considered as spatially co-localizing.

这部分还是同一spot的配受体共定位问题。

As some receptor-ligand pairs may signal over larger distances, we next sought the repeat the analysis by also including adjacent spots in the analysis. For each spot, we first calculated a distance-smoothed expression matrix as the mean expression in any given spot and spots immediately surrounding it. We then repeated the co-localization analysis as described above.（这个地方的分析就包括了配受体定位SPOT的邻域分析，注意这里的处理，取的是平均值）。

图片.png

有什么用呢？配受体对空间分布一致绝不是偶然。除了我们认为需要接触式的配受体关系，那种分泌式的配受体有相同的空间分布，说明了什么呢？？ 大家不妨自己想一想，这一点非常重要。

生活很好，等你超越