空间组学邻域分析方法更新之BANKSY
原创空间组学邻域分析方法更新之BANKSY
原创
追风少年i
发布于 2024-03-04 21:11:45
发布于 2024-03-04 21:11:45
作者，Evil Genius
??? 最近分享了一些关于多组学的内容，其实就有人问我单细胞的数据能call snp么？这个问题的答案是看情况，我们都知道单细胞数据的捕获原理，那么3‘数据是几乎不能call snp的，唯有5'在某些情况下是可以的，例如前面分享的KRAS的G12D突变，就在单细胞5’数据的测序范围之内，就可以检测到，超出98bp的突变则无法检测。但是大家也要明白，突变通常是在外显子（WES）数据中分析的，是基因组，所以一般会补充WES的突变数据，转录组全长在检测融合的时候有优势，所以大家单细胞想研究突变就看运气了，如果肿瘤刚好有一些靶向突变位于5‘测序范围内，那就相当于多了一个组学，发的文章又能提高10分了。
??? 这个地方10X建库的时候有人选择不打断，而是测转录组的全长，但是这样的话一般需要三代测序，错误率太高，虽然可以同时检测转录组、融合、突变、和基因多态性，但几乎还是没人做这个，成本也非常高。
好了，今天补充一个好的分析内容，关于空间生态位分析的BANKSY，其实之前分享过，文章在空间转录组数据分析之生态位聚类（Banksy）空间系列的视频也讲过，链接在空转第十一课空间污染spotclean和生态位基因模块banksy，但是这个方法直到2024年2月27日才见刊，发表于Nature Genetics,IF 30.8分，往往这些厉害的分析软件都是国外人或者团队开发的，国内的人要加油啦。
软件目标：使研究人员能够更深入地理解细胞间的相互作用和组织构造。
该算法作为一种创新的空间组学数据分析工具，其主要功能是将空间组学数据中的细胞根据类型和组织域进行有效分类。通过结合细胞自身的转录组数据和其在微环境中的空间关系，有效地提高了细胞分类的准确性和效率。
我们看一下下面的示意图：
BANKSY’s neighborhood-based feature augmentation strategy for clustering
大家还记得我上课说起的空间三大矩阵么？
分子矩阵 gene X Barcode，就是直接拿到的空间矩阵
细胞矩阵 celltype X Barcode（单细胞空间联合分析后的矩阵）
生态位表达矩阵 gene（每个位点环境中的表达信息） X Barocde
其中BANKSY的方法就是为了我们的生态位表达矩阵专门开发的。
这里要补充第四个矩阵，那就是空间邻域细胞矩阵，celltype X Barcode。
很明显，空间聚类要有邻域基因表达的信息。
另外，这个方法实现了对不同样本相同细胞类型的生态位基因表达差异的分析，这也是分析空间微环境最重要的一环。
BANKSY is a method for clustering spatial omics data by augmenting the features of each cell with both an average of the features of its spatial neighbors along with neighborhood feature gradients（这里面已经很明显说明问题了）。
其实这个平台原本是为了10X的Xenium开发的，因为Xenium是可以做到的空间单细胞级别的。
但是这个软件几乎完美契合了寻因的空间平台，因为寻因平台的抽核原理，理论上是可以真正达到空间单细胞级别的，这样的话，空间四大矩阵，都可以完美的拿到了，就看寻因给不给力了。
简单看一些示例
IMG_257
这个软件真的是生态分析的一把利器，专门为了高精度平台开发的，华大的、10X HD都可以很好的运用。
高精度平台华大出来的最早，要是这个方法是华大开发的就好了。
代码之前分享过了，在空间转录组数据分析之生态位聚类（Banksy）
官网示例在Spatial transcriptomic clustering ? Banksy。
生活很好，有你更好
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。
如有侵权，请联系 cloudcommunity@tencent.com 删除。
评论
登录后参与评论
推荐阅读
目录