作者，Evil Genius
现在我们高精度平台项目越来越多了（包括HD、Stereo-seq、Xenium、CoxMx等），针对Visium低精度的一些分析是无法满足高精度平台的，首先高精度平台需要进行图像分割，获取单细胞级别的空间数据，另一方面，精度的提升也为分析带来了新的契机。
其中，细胞类型之间的空间拓扑学关系非常重要。
我们之前无论是文章分享，还是培训课程上都讲解了很多关于细胞类型空间关系的内容，包括空间共定位、空间邻域、分子niche与细胞niche等，非常的重要，而针对高精度平台的空间细胞的拓扑学研究，我们也需要进一步开展。
当然了，我是公司的牛马，需要未雨绸缪，就是项目没来之前把所有可以分析的内容准备好，不能等项目来了再去学习，那样我就被开除了。
组织的功能通常是由其组成细胞的类型和排列决定的。细胞类型的不同形状、大小和分子特性导致组织内的特殊功能，其中，然而，不同组织中不同细胞类型之间的空间关系往往更为复杂。
目前利用各种方法研究细胞类型之间的空间关系，主要包括使用分析和统计方法量化和总结细胞类型之间的共定位和相关性。主要的焦点是测试关于细胞类型是否随机分布的各种假设，而不是试图构建模型来捕捉复杂的空间关系。
分层计算框架来系统地识别细胞类型的特征局部组成，称为细胞邻域，将这些邻域的局部相互作用和共定位映射到不同的微环境中，并描绘控制这些微环境形成组织的排序规则。
这里提到的分析表示不同组织中不同细胞类型之间复杂的空间关系，而不是对共定位和相关性进行两两分析。
空间spot过程模型是生成式统计模型，旨在学习单个物体（spot）在空间中特定位置出现的概率，包括该概率对其他物体位置的依赖。spot的集合（包括它们在定义区域内的位置）被称为“spot模式”，捕获这些spot模式如何生成的模型被称为“spot过程模型”。这些模型已被广泛应用于各个领域的空间关系分析，如气象学、生态学、犯罪学和社会科学。在细胞生物学中，空间spot过程模型已被用于阐明点状细胞器与各种细胞成分（如核膜和微管）之间的空间关系。它们还被用于研究病毒核糖核蛋白复合物的组装，并用于鉴定结肠癌组织的预后结构特征。
在多类型spot过程模型中，当假设不同类型的spot之间存在相互作用时，一个常见的挑战是确定两种类型的spot可以相互影响的最大相互作用距离。通常，距离参数由两类spot之间最近邻到通常观测到的相互作用距离的距离确定，或由两类spot之间最近邻的距离分布确定。
首先评估不同组织中细胞类型分布的非随机性
其次评估组织内和组织间细胞类型空间关系的差异
分析组织图像的异质性
最后可视化细胞类型的相互作用网络
组织图像
最后来看看代码
准备文件(csv格式)
The x-coordinate of the cell.
The y-coordinate of the cell.
The cell type of the cell.
核心参数
TR (Total Range):两种细胞类型之间可以交互的最大范围。默认值为500像素。
IR (Interval Range):两种细胞类型之间具有相同交互作用的每个区间的距离。默认值为100像素。
HR (Hardcore Range):两种细胞类型之间的最小允许距离，以保持空间完整性。细胞类型不能比这个距离更近。默认值:1像素。
示例代码,需要结合实际项目认真解读
source("cytospatio.R")
cytospatio(input_file = "path_to_input_file", output_dir = "path_to_output_dir", TR, IR, HR)
