作者，Evil Genius
高精度平台（Xenium、CODEX、CosMx）的空间细胞邻域niche分析。
核心就是一定距离内的细胞(window)都是该位置的niche环境。
高精度的细胞niche分析，通常需要指定研究的目标细胞类型，比如肿瘤细胞，然后研究其微环境的差异，进行细胞聚类。
之前分享过一个方法，今天分享一个简单的。
###pip install SOAPy_st
import warnings
warnings.filterwarnings("ignore")
import scanpy as sc
import SOAPy_st as sp
import numpy as np
adata = sc.read('spatial.h5ad')
高精度平台经过细胞分割，拿到的是单细胞级别的空间数据。
还有空间坐标
首先要注意坐标系统
细胞-细胞网络以100像素为半径构建，以捕获更多周围细胞的组成模式。
sp.pp.make_network(adata, sample_key='sample', method='radius', cutoff=100, scale=1.0, cluster_key='cluster')
依据微环境细胞类型的聚类分析
sp.tl.get_c_niche(adata=adata_com, k_max=30, celltype_key='cluster', sample_key='sample')
AnnData object with n_obs × n_vars = 211649 × 44
obs: 'sample', 'leiden', 'cluster', 'C_niche'
var: 'highly_variable'
uns: 'cluster_colors', 'leiden', 'leiden_colors', 'neighbors', 'pca', 'umap', 'var_for_clustering', 'SOAPy'
obsm: 'X_pca', 'X_umap', 'spatial'
varm: 'PCs'
obsp: 'connectivities', 'distances'
绘图
fig = sp.pl.show_celltype_niche_heatmap(adata=adata_com, cmap = 'coolwarm', figsize=(20, 16))
空间的绘图
依据微环境细胞的差异进行在分群，也是空间分析重要的一环。
生活很好，有你更好
