空转细胞生态位cell type niches：Nature杂志空间转录组文献分享（附代码和数据）

admin管理员组

文章数量:1029748

空转细胞生态位cell type niches：Nature杂志空间转录组文献分享（附代码和数据）

昨天在学习一个空转的分析方法 mistyR 时：mistyR：空间转录组共定位分析，使用的示例数据来自 2022年8月10号发表在Nature杂志上的一篇文献，标题为《Spatial multi-omic map of human myocardial infarction》， 这篇文献是一篇非常经典的空间转录组数据分析文章，里面包括了 空转的基础分析，以及对细胞生态位（cell type niches）和分子生态位（molecular niche）的介绍等，来看看~

数据背景

来源于 31例人类心肌梗死样本组织（Human myocardial infarction），做了配套的 snRNA-seq、snATAC-seq 以及 spatial 转录组测序。共四个分组，如下：

• 4个非移植供体心脏作为对照；
• 具有坏死区域（缺血区和边界区）的组织样本：ischaemic zone and border zone；
• 急性心肌梗死患者未受影响的左心室心肌（远端区）：remote zone；
• 心肌梗死后晚期的9例人类心脏标本（纤维化区）：fibrotic zone。

空转示例下载地址：

代码语言：javascript代码运行次数：0运行复制

# 下载数据
download.file(".tar.gz?download=1",
              destfile = "10X_Visium_ACH005.tar.gz", method = "curl")
# 解压
untar("10X_Visium_ACH005.tar.gz")

处理后的 snRNA-seq, snATAC-seq, 和 空间转录组数据下载地址：

• cellxgene：
• the Zenodo data archive：

原始fq数据地址：

• the Human Cell Atlas Data Portal：
• the Zenodo data archive

Source data：

10种主要的心脏细胞类型

初步质控后：得到 单细胞转录组的191,795个单细胞核，snATAC-seq的46,086个nuclei，空间转录组的91,517个spots：

如何验证自己注释结果的可靠性呢，我们前面分享过 对两个数据集做相关性分析：如何对应两个不同单细胞数据集的分群结果？

文章这里也采用这这个策略：

相关性结果如下：

空间数据spot注释

这里使用的是配套的单细胞作为ref，用cell2location对空转spot进行反卷积注释：空间转录组数据注释分析：Cell2location反卷积(Nature Biotechnology IF: 33.1)

这些基础分析我们就不做详细介绍了，下面看看今天关注的重点细胞生态位！

细胞生态位：cell-type niches

cell-type niches 在文献中的定义：即基于空间反卷积得到的细胞类型打分/比例矩阵（每一行为一个spot，每一列为一种细胞类型，值为某种细胞在spot中的打分或相对比例） 进行聚类得到的clusters

Unsupervised clustering of spots from all samples on the basis of their cell-type compositions identified nine clusters, which we defined as major cell-type niches (Fig. 2a and Extended Data Fig. 3a–d).

这段内容提出了一个假设：

即某些细胞生态位（niches）可能是不同组织切片之间共享的结构单元，这些单元可以用于比较不同个体之间的生物学特征。通过空间可视化分析发现，某些生态位的分布与样本的病理状态密切相关。例如，细胞类型生态位8在对照组切片中均匀分布，而细胞类型生态位5则在缺血组切片中集中在特定区域。这种分布模式表明，这些生态位可能与组织的病理状态有关，可以作为研究不同个体间差异的潜在标志。

图a为具体的细胞生态位定义示意图：空转的每个spots是多种细胞的混合物，如下图中间蓝色的spot，示意图显示了三种细胞类型：1个endo, 1个pc, 3个vCM，在数据上体现就是spot反卷积的结果，每个spot中不同细胞类型的相对比例或者打分值。

基于cell-type compositions矩阵，进行聚类得到了9个cluster，这里的cluster就定义为Niche。

图c为每个生态位内细胞类型组成比例的中位数。星号表示一个生态位内细胞类型的组成比其他生态位高（单侧Wilcoxon秩和检验，矫正P < 0.05)。粗体星号和轮廓显示了正文讨论的组织模块

cell-type compositions矩阵：

代码语言：javascript代码运行次数：0运行复制

# 加载数据
# Load file into R
seurat_vs <- readRDS("ACH005/ACH005.rds")
seurat_vs
head(seurat_vs@meta.data)
table(seurat_vs$batch)

# Extract the cell composition c2l反卷积
composition <- as.data.frame(t(seurat_vs[["c2l_props"]]$data)) 
head(composition)

# Extract the location data
geometry <- GetTissueCoordinates(seurat_vs, cols = c("imagerow", "imagecol"), scale = NULL)
head(geometry)

c2l反卷积结果：每一行为一个spot，行和为1；每一列为一种细胞类型，值为某种细胞在spot中的相对比例

下图为细胞生态位分析的其他结果展示

• a-b. 细胞生态位的UMAP聚类图，图a按患者进行着色，图b按组织区域进行着色；
• c.不同 患者样本中细胞生态位的组成比例变化堆积柱状图；
• d. 细胞生态位的UMAP聚类图，按循环细胞、周细胞、脂肪细胞、内皮细胞和髓系细胞的相对比例组成及其各自标记基因进行着色：心肌细胞（RYR2）、成纤维细胞（PDGFRA）、循环细胞（MKI67）、周细胞（ABCC9）、脂肪细胞（FASN）、内皮细胞（VWF）、髓系细胞（IL7R）、血管平滑肌细胞（MYH11）；

• e. 不同细胞类型生态位中标准化的PROGENy通路活性分析；

在空间切片上可视化代码：

代码语言：javascript代码运行次数：0运行复制

# .html
seurat <- object
SpatialPlot(seurat, group.by = "celltype_niche")

分子生态位：molecular niche

除了上面的细胞生态位的概念，这篇文章还提出了分子生态位的概念，下面就留给各位自己去探索啦，定义如下，非常好理解，主要是看用这个结果做了什么分析以及解释：

To study the molecular differences between similar tissue structures in an unbiased manner across samples, we generated a set of molecular niches by clustering of spots on the basis of their gene expression (Fig. 3a,b)

代码链接

文章不仅分享了数据和代码，还有详细的分析思路！

代码： and

数据分析思路：

本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。原始发表：2025-04-19，如有侵权请联系 cloudcommunity@tencent 删除基础可视化数据数据分析cell

空转细胞生态位cell type niches：Nature杂志空间转录组文献分享（附代码和数据）

昨天在学习一个空转的分析方法 mistyR 时：mistyR：空间转录组共定位分析，使用的示例数据来自 2022年8月10号发表在Nature杂志上的一篇文献，标题为《Spatial multi-omic map of human myocardial infarction》， 这篇文献是一篇非常经典的空间转录组数据分析文章，里面包括了 空转的基础分析，以及对细胞生态位（cell type niches）和分子生态位（molecular niche）的介绍等，来看看~

数据背景

来源于 31例人类心肌梗死样本组织（Human myocardial infarction），做了配套的 snRNA-seq、snATAC-seq 以及 spatial 转录组测序。共四个分组，如下：

• 4个非移植供体心脏作为对照；
• 具有坏死区域（缺血区和边界区）的组织样本：ischaemic zone and border zone；
• 急性心肌梗死患者未受影响的左心室心肌（远端区）：remote zone；
• 心肌梗死后晚期的9例人类心脏标本（纤维化区）：fibrotic zone。

空转示例下载地址：

代码语言：javascript代码运行次数：0运行复制

# 下载数据
download.file(".tar.gz?download=1",
              destfile = "10X_Visium_ACH005.tar.gz", method = "curl")
# 解压
untar("10X_Visium_ACH005.tar.gz")

处理后的 snRNA-seq, snATAC-seq, 和 空间转录组数据下载地址：

• cellxgene：
• the Zenodo data archive：

原始fq数据地址：

• the Human Cell Atlas Data Portal：
• the Zenodo data archive

Source data：

10种主要的心脏细胞类型

初步质控后：得到 单细胞转录组的191,795个单细胞核，snATAC-seq的46,086个nuclei，空间转录组的91,517个spots：

如何验证自己注释结果的可靠性呢，我们前面分享过 对两个数据集做相关性分析：如何对应两个不同单细胞数据集的分群结果？

文章这里也采用这这个策略：

相关性结果如下：

空间数据spot注释

这里使用的是配套的单细胞作为ref，用cell2location对空转spot进行反卷积注释：空间转录组数据注释分析：Cell2location反卷积(Nature Biotechnology IF: 33.1)

这些基础分析我们就不做详细介绍了，下面看看今天关注的重点细胞生态位！

细胞生态位：cell-type niches

cell-type niches 在文献中的定义：即基于空间反卷积得到的细胞类型打分/比例矩阵（每一行为一个spot，每一列为一种细胞类型，值为某种细胞在spot中的打分或相对比例） 进行聚类得到的clusters

Unsupervised clustering of spots from all samples on the basis of their cell-type compositions identified nine clusters, which we defined as major cell-type niches (Fig. 2a and Extended Data Fig. 3a–d).

这段内容提出了一个假设：

即某些细胞生态位（niches）可能是不同组织切片之间共享的结构单元，这些单元可以用于比较不同个体之间的生物学特征。通过空间可视化分析发现，某些生态位的分布与样本的病理状态密切相关。例如，细胞类型生态位8在对照组切片中均匀分布，而细胞类型生态位5则在缺血组切片中集中在特定区域。这种分布模式表明，这些生态位可能与组织的病理状态有关，可以作为研究不同个体间差异的潜在标志。

图a为具体的细胞生态位定义示意图：空转的每个spots是多种细胞的混合物，如下图中间蓝色的spot，示意图显示了三种细胞类型：1个endo, 1个pc, 3个vCM，在数据上体现就是spot反卷积的结果，每个spot中不同细胞类型的相对比例或者打分值。

基于cell-type compositions矩阵，进行聚类得到了9个cluster，这里的cluster就定义为Niche。

图c为每个生态位内细胞类型组成比例的中位数。星号表示一个生态位内细胞类型的组成比其他生态位高（单侧Wilcoxon秩和检验，矫正P < 0.05)。粗体星号和轮廓显示了正文讨论的组织模块

cell-type compositions矩阵：

代码语言：javascript代码运行次数：0运行复制

# 加载数据
# Load file into R
seurat_vs <- readRDS("ACH005/ACH005.rds")
seurat_vs
head(seurat_vs@meta.data)
table(seurat_vs$batch)

# Extract the cell composition c2l反卷积
composition <- as.data.frame(t(seurat_vs[["c2l_props"]]$data)) 
head(composition)

# Extract the location data
geometry <- GetTissueCoordinates(seurat_vs, cols = c("imagerow", "imagecol"), scale = NULL)
head(geometry)

c2l反卷积结果：每一行为一个spot，行和为1；每一列为一种细胞类型，值为某种细胞在spot中的相对比例

下图为细胞生态位分析的其他结果展示

• a-b. 细胞生态位的UMAP聚类图，图a按患者进行着色，图b按组织区域进行着色；
• c.不同 患者样本中细胞生态位的组成比例变化堆积柱状图；
• d. 细胞生态位的UMAP聚类图，按循环细胞、周细胞、脂肪细胞、内皮细胞和髓系细胞的相对比例组成及其各自标记基因进行着色：心肌细胞（RYR2）、成纤维细胞（PDGFRA）、循环细胞（MKI67）、周细胞（ABCC9）、脂肪细胞（FASN）、内皮细胞（VWF）、髓系细胞（IL7R）、血管平滑肌细胞（MYH11）；

• e. 不同细胞类型生态位中标准化的PROGENy通路活性分析；

在空间切片上可视化代码：

代码语言：javascript代码运行次数：0运行复制

# .html
seurat <- object
SpatialPlot(seurat, group.by = "celltype_niche")

分子生态位：molecular niche

除了上面的细胞生态位的概念，这篇文章还提出了分子生态位的概念，下面就留给各位自己去探索啦，定义如下，非常好理解，主要是看用这个结果做了什么分析以及解释：

To study the molecular differences between similar tissue structures in an unbiased manner across samples, we generated a set of molecular niches by clustering of spots on the basis of their gene expression (Fig. 3a,b)

代码链接

文章不仅分享了数据和代码，还有详细的分析思路！

代码： and

数据分析思路：

本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。原始发表：2025-04-19，如有侵权请联系 cloudcommunity@tencent 删除基础可视化数据数据分析cell

本文标签： 空转细胞生态位cell type nichesNature杂志空间转录组文献分享（附代码和数据）