scanpy官方教程2022||05-空间转录组数据分析

• 学习资料来源：
  • scanpy主页：https://scanpy.readthedocs.io/en/stable/
  • 官网：https://scanpy-tutorials.readthedocs.io/en/latest/spatial/basic-analysis.html【注意教程有两个版本，这里是latest版本的学习笔记】

这篇教程主要介绍怎么使用scanppy进行空间转录组数据分析，以10X数据为主，顺带介绍MERFISH数据的分析。

数据读取

本次分析使用的数据为人类淋巴结，数据下载地址：https://support.10xgenomics.com/spatial-gene-expression/datasets/1.0.0/V1_Human_Lymph_Node

函数datasets.visium_sge()可以下载10x官网的数据，如果是你自己的数据，可以使用sc.read_visium()读取进来，返回一个AnnData对象。

命令版本：

import scanpy as sc
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
sc.logging.print_versions()
sc.settings.verbosity = 3
outdir  = '/Pub/Users/project/scanpy/stRNA/'

adata = sc.datasets.visium_sge(sample_id="V1_Human_Lymph_Node")
adata.var_names_make_unique()
adata.var["mt"] = adata.var_names.str.startswith("MT-")
sc.pp.calculate_qc_metrics(adata, qc_vars=["mt"], inplace=True)

# Visium data数据结构
adata

数据情况如下：

AnnData object with n_obs × n_vars = 4035 × 36601
    obs: 'in_tissue', 'array_row', 'array_col', 'n_genes_by_counts', 'log1p_n_genes_by_counts', 'total_counts', 'log1p_total_counts', 'pct_counts_in_top_50_genes', 'pct_counts_in_top_100_genes', 'pct_counts_in_top_200_genes', 'pct_counts_in_top_500_genes', 'total_counts_mt', 'log1p_total_counts_mt', 'pct_counts_mt'
    var: 'gene_ids', 'feature_types', 'genome', 'mt', 'n_cells_by_counts', 'mean_counts', 'log1p_mean_counts', 'pct_dropout_by_counts', 'total_counts', 'log1p_total_counts'
    uns: 'spatial'
    obsm: 'spatial'

QC以及预处理

基于总的counts与基因，对spots进行一些基本的过滤：

fig, axs = plt.subplots(1, 4, figsize=(15, 4))
sns.distplot(adata.obs["total_counts"], kde=False, ax=axs[0])
sns.distplot(adata.obs["total_counts"][adata.obs["total_counts"] < 10000], kde=False, bins=40, ax=axs[1])
sns.distplot(adata.obs["n_genes_by_counts"], kde=False, bins=60, ax=axs[2])
sns.distplot(adata.obs["n_genes_by_counts"][adata.obs["n_genes_by_counts"] < 4000], kde=False, bins=60, ax=axs[3])
plt.savefig(outdir + "01-sns.distplot.png")

结果：

a.png

过滤：

• counts：大于5000，小于35000
• min_cell：10
• mt：20%

sc.pp.filter_cells(adata, min_counts=5000)
sc.pp.filter_cells(adata, max_counts=35000)
adata = adata[adata.obs["pct_counts_mt"] < 20]
print(f"#cells after MT filter: {adata.n_obs}")
sc.pp.filter_genes(adata, min_cells=10)

使用normalize_total对Visium Counts数据进行标准化，然后进行高变基因选择。此外，对于数据标准化还可以选择：SCTransform or GLM-PCA。

sc.pp.normalize_total(adata, inplace=True)
sc.pp.log1p(adata)
sc.pp.highly_variable_genes(adata, flavor="seurat", n_top_genes=2000)

基于相似性对数据进行降维聚类

聚类：

sc.pp.pca(adata)
sc.pp.neighbors(adata)
sc.tl.umap(adata)
sc.tl.leiden(adata, key_added="clusters")

我们绘制一些协变量来检查 UMAP 中是否有任何与总Counts和检测到的基因相关的特定结构。

plt.rcParams["figure.figsize"] = (4, 4)
sc.pl.umap(adata, color=["total_counts", "n_genes_by_counts", "clusters"], wspace=0.4)
plt.savefig(outdir + "02-umap.png")

结果图：

image-20220906230555138.png

空间坐标可视化

看看 total _ count 和 n _ gene _ by _ count 在空间坐标系中是如何表现的，可以使用 sc.pl.space 函数覆盖所提供的H&E染色图像顶部的圆形Spots

plt.rcParams["figure.figsize"] = (8, 8)
sc.pl.spatial(adata, img_key="hires", color=["total_counts", "n_genes_by_counts"])
plt.savefig(outdir + "03-spatial.png")

结果图：

image-20220906230954638.png

sc.pl.spatial函数附加参数：

• img_key：adata.uns对象中的值
• crop_coord：用于裁剪的坐标(左、右、上、下)
• alpha_img：图像透明度的 alpha 值
• bw：将图像转换为灰度
• size：spot的大小

通过在空间维度上可视化聚集样本，我们可以深入了解组织的组织结构，并有可能进入细胞间通讯

sc.pl.spatial(adata, img_key="hires", color="clusters", size=1.5)
plt.savefig(outdir + "03-spatial_clusters.png")

结果图：在基因表达空间中属于同一cluster的spots常常在空间维度上同时出现。例如，属于cluster 3的spots通常被属于cluster 0的spots所包围（与官网颜色不一致）

image-20220906231301582.png

我们可以放大感兴趣的特定区域，以获得定性的见解：

• crop_coord：Coordinates to use for cropping the image (left, right, top, bottom)

sc.pl.spatial(adata, img_key="hires", color="clusters", groups=["0", "3"], crop_coord=[1200, 1700, 1900, 1000], alpha=0.5, size=1.2)
plt.savefig(outdir + "03-spatial_clusters_0_3.png")

Cluster marker genes

让我们进一步观察集群3，它出现在图像中的小群spots中。
计算标记基因并绘制热图，其中包含前10个标记基因在整个cluster中的表达水平:

sc.tl.rank_genes_groups(adata, "clusters", method="t-test")
sc.pl.rank_genes_groups_heatmap(adata, groups="3", n_genes=10, groupby="clusters")
plt.savefig(outdir + "04-rank_genes_groups_heatmap.png")

结果图：我们看到 CR2概括了空间结构

image-20220906232911479.png

可视化CR2基因表达：

sc.pl.spatial(adata, img_key="hires", color=["clusters", "CR2"])
plt.savefig(outdir + "04-spatial_CR2.png")

结果图：

image-20220906233104220.png

空间可变基因

空间转录组学允许研究人员调查基因表达趋势如何在空间中变化，从而确定基因表达的空间模式。
为此，我们使用 SpatialDE Svensson18(代码) ，一个基于高斯过程的统计框架，旨在识别空间可变基因。

# 安装在scanpy的conda环境中
pip install spatialde

还有其他几个可识别空间可变基因的工具：

• SPARK paper - code
• trendsceek paper - code
• HMRF paper - code

首先，将归一化的counts和坐标转换为pandas dataframe，这是spatialDE所需的输入

运行 SpatialDE 需要相当长的时间：

import SpatialDE

counts = pd.DataFrame(adata.X.todense(), columns=adata.var_names, index=adata.obs_names)
coord = pd.DataFrame(adata.obsm['spatial'], columns=['x_coord', 'y_coord'], index=adata.obs_names)
results = SpatialDE.run(coord, counts)

将结果与变量注释的 DataFrame 连接起来

results.index = results["g"]
adata.var = pd.concat([adata.var, results.loc[adata.var.index.values, :]], axis=1)

检查在空间上变化的重要基因，并用 sc.pl.space 函数将它们可视化

results.sort_values("qval").head(10)

结果：

image-20220907000959914.png

选择两个可视化：

sc.pl.spatial(adata, img_key="hires", color=["KIFC1", "TAP1"], alpha=0.7)
plt.savefig(outdir + "05-spatial_FSV.png")

MERFISH数据示例

如果使用基于 FISH 技术生成的空间数据，只需读取坐标并将其分配给 adata.obm 元素

来看看这个数据的例子：Xia et al. 2019

首先从原文下载坐标和counts数据

import urllib.request
url_coord = "https://www.pnas.org/highwire/filestream/887973/field_highwire_adjunct_files/15/pnas.1912459116.sd15.xlsx"
filename_coord = "pnas.1912459116.sd15.xlsx"
urllib.request.urlretrieve(url_coord, filename_coord)

url_counts = "https://www.pnas.org/highwire/filestream/887973/field_highwire_adjunct_files/12/pnas.1912459116.sd12.csv"
filename_counts = "pnas.1912459116.sd12.csv"
urllib.request.urlretrieve(url_counts, filename_counts)

## 没下载下来，先去手动下下来好了

读取数据

dir = '/Pub/Users/project/scanpy/data/'
coordinates = pd.read_excel(dir+"pnas.1912459116.sd15.xlsx", index_col=0)
counts = sc.read_csv(dir+"pnas.1912459116.sd12.csv").transpose()

adata_merfish = counts[coordinates.index, :]
adata_merfish.obsm["spatial"] = coordinates.to_numpy()

adata_merfish
AnnData object with n_obs × n_vars = 645 × 12903
    obsm: 'spatial'

接着进行标准的预处理与降维

sc.pp.normalize_per_cell(adata_merfish, counts_per_cell_after=1e6)
sc.pp.log1p(adata_merfish)
sc.pp.pca(adata_merfish, n_comps=15)
sc.pp.neighbors(adata_merfish)
sc.tl.umap(adata_merfish)
sc.tl.leiden(adata_merfish, key_added="clusters", resolution=0.5)

这个单细胞数据来自只有一种细胞类型的cultured U2-OS cells。聚类后的cluster包含细胞周期中不同阶段的细胞states，鉴于实验的设置，我们不期望在空间维度上看到具体的结构。

我们可以在UMAP空间和这样的空间坐标上可视化Leiden得到的cluster。

fig, axs = plt.subplots(1, 2, figsize=(12, 8))
sc.pl.umap(adata_merfish, color="clusters", ax=axs[0])
sc.pl.embedding(adata_merfish, basis="spatial", color="clusters",  ax=axs[1])
plt.savefig(outdir + "06-adata_merfish_spatial.png")

结果图：

image-20220907003645786.png

希望你觉得这个教程很有用！