作者，Evil Genius
慢慢的也要把空间的分析升级到高精度平台了。
群里有人分享自己发表的文章，说实话，我真心的羡慕，做科研这条路，文章是硬通货，把自己说的天花乱坠，什么都会，都不如说一声，自己是cell/nature期刊选手来的有说服力。而且前者像一个小丑😄。
大家基本上都是科研人员，还有机会，专心做一个课题，我希望大家有条件读个好博士，我工作了以后，真的发现，博士学历非常重要，发表文章的质量，更加重要。
今天我们分享一个简单的流程升级，对于高精度平台，无论是HD、Stereo-seq、Xenium、CosMx（前提是做了细胞分割，拿到单细胞级别的空间矩阵）等都有一个共同的特点，如下图：
各个区域的细胞密度不同，如果是visium，邻域一般考虑周围6个spot，这个低精度平台的做法， 到了高精度，这种做法就不合适了，需要调整了。
之前分享过一篇文章，分析优化----关于空间原位数据的邻域分析优化，提出了对于高精度平台邻域分析的见解，当然了，很多文章也都在运用，那就是一定范围内的细胞都算为邻域，这要最直观的结果就是不同细胞的邻域不仅细胞种类不同，细胞数量也有差异。
我们需要实现的是，一定范围内（200um），拿到高精度平台的空间邻域矩阵(包括分子矩阵和细胞矩阵)。
基础分析大家自己做，做好细胞定义，拿到h5ad格式的数据
接下来我们来分析一下,首先是邻域分子矩阵
import numpy as np
import pandas as pd
import scanpy as sc
import matplotlib.pyplot as plt
from sklearn.metrics.pairwise import euclidean_distances
# 加载空间转录组数据 (.h5ad文件)
adata = sc.read('your_data_file.h5ad') # 替换为你的 h5ad 文件路径
# 查看数据的基本信息
print(adata)
获取细胞坐标和基因表达数据
