10X空间转录组通讯分析章节3

细胞与细胞之间的通讯其实是一个很深的课题，今天我们来分享一下一个新的10X空间转录组细胞通讯的一个方法，分享代码的同时，我们要深入了解其原理和算法。这里再强调一遍，不要拿着代码随便套用，根据自己的实际情况来设计分析的思路和方法。

第一步，导入模块,我们以参考数据为例，

import squidpy as sq
adata = sq.datasets.seqfish()

第一步，我们需要注意的是，参考数据是进行过注释的，这里也要强调，不做注释，分析的结果都是在耍流氓。

AnnData object with n_obs × n_vars = 19416 × 351
    obs: 'Area', 'celltype_mapped_refined'
    uns: 'celltype_mapped_refined_colors'
    obsm: 'X_umap', 'spatial'

第二步：To get started, we just need an [anndata.AnnData] object with some clustering information. Below are some useful parameters of [squidpy.gr.ligrec()]：

这里我们认真参考一下这个函数的参数：

help(sq.gr.ligrec)
*   `n_perms` - number of permutations for the permutation test.
*   `interactions` - list of interaction, by default we fetch all available interactions from [[Türei *et al.*, 2016].
*   `{interactions,transmitter,receiver}_params` - parameters used if downloading the `interactions`, see `omnipah.interactions.import_intercell_network()` for more information.
*   `threshold` - percentage of cells required to be expressed in a given cluster.
*   `corr_method` - false discovery rate (FDR) correction method to use.

做过cellphoneDB的同学们，应该很了解这些参数的意思了。

第三步，进行通讯分析

res = sq.gr.ligrec(
    adata,
    n_perms=1000,
    cluster_key="celltype_mapped_refined",
    copy=True,
    use_raw=False,
    transmitter_params={"categories": "ligand"},
    receiver_params={"categories": "receptor"},
)

得到的res其实也是一个对象：
包括means、pvalues、metadata。

可视化

sq.pl.ligrec(res, source_groups="Erythroid", alpha=0.005)

图片.png

最后总结一下，对这个方法表示鄙视

生活很好，有你更好