spatial-transcriptomics-tutorials-with-omicverse
Naucz się analizy przestrzennej transkryptomiki: preprocessing, dekonwolucja i modelowanie dla Visium, Stereo-seq i Slide-seq.
Instalacja
Wybierz klienta i sklonuj repozytorium do odpowiedniego katalogu skilli.
Instalacja
O skillu
Umiejętność omicverse prowadzi Cię przez kompleksowe przepływy analizy przestrzennej transkryptomiki. Obejmuje preprocessing danych (przycinanie, rotacja, wyrównanie współrzędnych przestrzennych), dekonwolucję (Tangram, cell2location, Starfysh), klasteryzację (GraphST, STAGATE) oraz analizy downstream takie jak integracja, trajektoria i komunikacja komórkowa. Pracuje z danymi Visium, Visium HD, Stereo-seq i Slide-seq, zawsze najpierw walidując współrzędne przestrzenne przed operacjami analitycznymi.
Jak używać
Zainstaluj omicverse i jego zależności (scanpy, numpy) w swoim środowisku Python. Umiejętność wymaga dostępu do bibliotek omicverse.space, omicverse.io.spatial i omicverse.plot.
Załaduj dane przestrzenne za pomocą funkcji omicverse – użyj ov.io.spatial.read_visium() dla danych Visium lub załaduj dane ręcznie, upewniając się, że współrzędne przestrzenne znajdują się w adata.obsm['spatial'] jako tablica numeryczna.
Przed jakąkolwiek operacją przestrzenną sprawdź, czy współrzędne istnieją i są typu float64. Wykonaj asercję: assert 'spatial' in adata.obsm, a następnie skonwertuj: adata.obsm['spatial'] = adata.obsm['spatial'].astype('float64'). Ten krok zapobiega błędom precyzji podczas rotacji i przycinania.
Przeprowadź preprocessing: użyj ov.space.crop_space_visium() do wybrania regionu zainteresowania (podaj współrzędne i rozmiar obszaru), a następnie ov.space.rotate_space_visium() do rotacji danych. Po rotacji wyrównaj współrzędne automatycznie za pomocą ov.space.map_spatial_auto() z metodą 'phase' lub ręcznie za pomocą map_spatial_manual().
Przejdź do etapu dekonwolucji i analizy downstream zgodnie z dokumentacją omicverse – wybierz metodę dekonwolucji (Tangram, cell2location lub Starfysh), klasteryzacji (GraphST, STAGATE) i dalszych analiz w zależności od Twoich pytań badawczych.
Wizualizuj wyniki za pomocą ov.plot_set() na początku sesji, aby ustawić domyślne parametry graficzne, a następnie używaj funkcji plotowania omicverse do prezentacji wyników preprocessing i analiz downstream.