企业官网建设流程全解析

1. 空间转录组分析工具生态概览

空间转录组技术正在彻底改变我们对组织微环境的理解能力。这项技术不仅能获取基因表达数据，还能保留细胞在原始组织中的空间位置信息，为研究细胞间相互作用和组织结构提供了全新视角。在数据分析工具领域，R语言的Seurat和Python生态的Scanpy是当前最主流的两个选择。

Seurat作为空间转录组分析的先驱工具，自2018年推出空间分析模块以来，已经成为R语言生态中的黄金标准。它提供了一套完整的分析流程，从数据读取到可视化都能一站式解决。我刚开始接触空转数据分析时，第一个学会的就是Seurat的Load10X_Spatial()函数，这个函数能轻松将10x Genomics的Space Ranger输出转换为可分析的Seurat对象。

而Scanpy作为Python生态中的对应方案，近年来发展迅猛。它基于AnnData数据结构，与Python强大的机器学习生态无缝集成。我在去年一个需要整合深度学习模型的项目中就深有体会——当分析流程需要从Seurat切换到PyTorch时，数据转换的麻烦程度让我下定决心掌握Scanpy。

这两个工具在核心功能上高度相似，都支持：

• 数据读取与质量控制
• 标准化与高变基因筛选
• 降维聚类分析
• 空间可视化
• 差异表达分析

但它们的实现方式和扩展性各有特色。Seurat在交互式探索和可视化方面更胜一筹，而Scanpy在处理大规模数据和与AI框架集成时表现更好。下面这个简单对比表格概括了它们的主要差异：

在实际项目中，选择哪种工具往往取决于团队的技术栈和分析需求。如果你已经熟悉R语言且不需要复杂的机器学习扩展，Seurat可能是更稳妥的选择。但如果你计划进行大规模数据分析或需要与TensorFlow/PyTorch集成，Scanpy的优势就会凸显出来。

2. 数据格式转换与Scanpy对象创建

从Seurat转向Scanpy的第一步就是数据格式的转换。10x Genomics的空间转录组数据通常包含三个关键部分：表达矩阵（filtered_feature_bc_matrix.h5）、空间坐标信息（spatial/tissue_positions_list.csv）和组织切片图像（spatial/tissue_lowres_image.png）。在Seurat中，我们使用Load10X_Spatial()一键读取，而在Scanpy中则需要分步处理。

让我用一个真实案例来说明这个过程。最近在分析一个脑胶质瘤样本（GSM5833536）时，我首先在R中用Seurat完成了初步分析：

library(Seurat) GBM4 <- Load10X_Spatial( data.dir = "GBM4_spaceranger_out", filename = "filtered_feature_bc_matrix.h5", slice = "GBM4" )

要将这个数据迁移到Python环境，我们需要先将Seurat对象转换为Scanpy可读的格式。这里推荐使用rpy2库在Python中调用R函数完成转换：

import rpy2.robjects as ro from rpy2.robjects import pandas2ri from rpy2.robjects.conversion import localconverter # 激活R-Python转换环境 pandas2ri.activate() # 读取Seurat对象 ro.r('load("GBM4.rdata")') # 假设已保存为RData文件 with localconverter(ro.default_converter + pandas2ri.converter): adata = ro.r(''' library(Seurat) library(SeuratDisk) as.SingleCellExperiment(GBM4) ''')

不过更直接的方法是直接从原始数据构建Scanpy对象。以下是标准的Python实现：

import scanpy as sc import pandas as pd # 读取表达矩阵 adata = sc.read_10x_h5("filtered_feature_bc_matrix.h5") # 读取空间坐标 positions = pd.read_csv("spatial/tissue_positions_list.csv", header=None, index_col=0) positions.columns = ["in_tissue", "array_row", "array_col", "pxl_row_in_fullres", "pxl_col_in_fullres"] # 将坐标信息添加到AnnData对象 adata.obsm["spatial"] = positions[["pxl_row_in_fullres", "pxl_col_in_fullres"]].values # 添加组织切片信息（可选） import imageio img = imageio.imread("spatial/tissue_lowres_image.png") adata.uns["spatial"] = {"GBM4": {"images": {"lowres": img}}}

在这个过程中最容易踩的坑是坐标系统的匹配问题。我发现有些实验室提供的坐标文件可能使用不同的参考系，这时需要手动调整坐标方向。一个实用的检查方法是绘制spot分布图：

import matplotlib.pyplot as plt plt.scatter(adata.obsm["spatial"][:,0], -adata.obsm["spatial"][:,1], s=1) plt.gca().set_aspect("equal") plt.show()

3. 标准化与高变基因筛选的对比实现

数据标准化是空间转录组分析中最关键的预处理步骤之一。Seurat的SCTransform和Scanpy的标准流程在理念上相似，但实现细节有显著差异。

在Seurat中，我们通常使用SCTransform进行标准化：

GBM4 <- SCTransform(GBM4, assay = "Spatial", verbose = FALSE)

这个函数一次性完成了三件事：1) 归一化处理；2) 方差稳定转换；3) 高变基因筛选。而在Scanpy中，这三个步骤需要分开执行：

# 基本标准化 sc.pp.normalize_total(adata, target_sum=1e4) sc.pp.log1p(adata) # 高变基因筛选 sc.pp.highly_variable_genes( adata, flavor="seurat", n_top_genes=2000, subset=True )

我在实践中发现几个值得注意的差异点：

1. 基因选择策略：Seurat的FindVariableFeatures默认使用vst方法，而Scanpy支持更多选择（seurat、cell_ranger等）。在分析小鼠脑数据时，我发现当细胞数超过1万时，使用flavor="cell_ranger"效果更好。

2. 标准化强度：Scanpy的normalize_total默认将所有细胞的计数归一化到中位数，而Seurat的SCTransform会考虑基因-细胞间的复杂关系。对于质量差异大的样本，SCTransform可能更稳健。

3. 内存消耗：处理大型数据集时，Scanpy的内存效率通常更高。我曾比较过同一个样本（约5000个spot）的处理，Seurat占用约8GB内存，而Scanpy仅需3GB。

下面是一个更接近SCTransform效果的Scanpy实现方案：

# 更接近SCTransform的标准化流程 import numpy as np from scipy.sparse import csr_matrix # 负二项回归归一化 counts = adata.X.copy() if isinstance(adata.X, csr_matrix) else csr_matrix(adata.X) size_factors = np.array(counts.sum(axis=1)).ravel() / np.median(counts.sum(axis=1)) norm_counts = counts / size_factors[:, None] # 方差稳定转换 (近似值) norm_counts.data = np.log1p(norm_counts.data * 1e4) adata.X = norm_counts # 基于分散度的高变基因筛选 sc.pp.highly_variable_genes(adata, flavor="seurat_v3")

在实际项目中，我通常会保存两种标准化结果进行比较。特别是当后续分析涉及差异表达时，不同标准化方法可能导致显著不同的结果。

4. 降维与聚类的Python实现

降维和聚类是揭示空间转录组数据生物学模式的核心步骤。Seurat和Scanpy在这一环节的语法非常相似，但参数设置和默认算法有些微差别。

4.1 PCA降维

在Seurat中，PCA降维直接作用于SCT assay：

GBM4 <- RunPCA(GBM4, assay = "SCT", verbose = FALSE)

Scanpy中的对应操作更加模块化：

# 首先计算PCA sc.pp.pca(adata, n_comps=50, svd_solver="arpack") # 可视化方差解释比例 plt.plot(np.cumsum(adata.uns["pca"]["variance_ratio"])) plt.xlabel("PCs") plt.ylabel("Cumulative Variance Explained") plt.axvline(x=15, color="red", linestyle="--")

一个实用技巧是通过肘部法则确定主成分数。我通常绘制累积方差图，选择解释大部分变异的最小PC数。对于大多数空间转录组数据，15-30个PC已经足够。

4.2 邻域图构建与聚类

Seurat使用FindNeighbors和FindClusters进行聚类：

GBM4 <- FindNeighbors(GBM4, reduction = "pca", dims = 1:10) GBM4 <- FindClusters(GBM4, resolution = 0.4)

Scanpy的等价实现为：

# 构建KNN图 sc.pp.neighbors(adata, n_neighbors=15, n_pcs=10) # Leiden聚类 sc.tl.leiden(adata, resolution=0.4, key_added="clusters")

这里有几个参数需要特别注意：

• n_neighbors：控制局部邻域大小，值太大会丢失细节，太小会引入噪声。我通常在10-30之间调整。
• resolution：决定聚类粒度，值越大簇越多。对于空间数据，0.4-1.0范围通常合适。
• 随机种子：为确保结果可重复，务必设置random_state参数。

4.3 UMAP/tSNE降维可视化

Seurat中的UMAP实现：

GBM4 <- RunUMAP(GBM4, reduction = "pca", dims = 1:10)

Scanpy中的对应方法：

# UMAP降维 sc.tl.umap(adata, min_dist=0.3, spread=1.0) # 可视化 sc.pl.umap(adata, color=["clusters", "n_counts"], wspace=0.4)

在空间转录组分析中，我强烈建议同时检查基因表达空间和物理空间的聚类结果。这能帮助识别是真实的生物模式还是技术假象：

# 空间坐标可视化 sc.pl.spatial( adata, img_key="hires", color="clusters", size=1.5, alpha=0.7 )

5. 空间可视化与标记基因分析

空间可视化是空间转录组分析的最大特色。Seurat的SpatialFeaturePlot和Scanpy的sc.pl.spatial都能将基因表达映射回组织切片，但它们的定制化程度有所不同。

5.1 基础空间可视化

在Seurat中绘制标记基因的空间分布：

SpatialFeaturePlot(GBM4, features = c("SOX10", "SOD2"))

Scanpy的等价实现：

sc.pl.spatial( adata, img_key="hires", color=["SOX10", "SOD2"], alpha=0.7, bw=True # 灰度显示背景 )

我发现Scanpy在图像处理上更灵活。例如，可以轻松调整图像透明度来突出表达信号：

# 自定义可视化 with plt.rc_context({"figure.figsize": (8, 4)}): fig, axs = plt.subplots(1, 2) for i, gene in enumerate(["SOX10", "SOD2"]): sc.pl.spatial( adata, img_key="hires", color=gene, ax=axs[i], show=False, alpha_img=0.3, alpha=0.9, size=1.8, title=gene, bw=True ) plt.tight_layout()

5.2 标记基因识别

Seurat使用FindAllMarkers进行差异表达分析：

markers <- FindAllMarkers(GBM4, only.pos = TRUE)

Scanpy提供了多种差异表达分析方法：

# 使用t-test sc.tl.rank_genes_groups( adata, "clusters", method="t-test", key_added="t_test" ) # 使用Wilcoxon检验（更接近Seurat默认方法） sc.tl.rank_genes_groups( adata, "clusters", method="wilcoxon", key_added="wilcoxon" ) # 可视化top标记基因 sc.pl.rank_genes_groups_heatmap( adata, groups="5", n_genes=10, groupby="clusters", key="wilcoxon" )

对于大型数据集，我推荐使用更高效的logreg方法：

sc.tl.rank_genes_groups( adata, "clusters", method="logreg", n_genes=200, key_added="logreg" )

5.3 空间共表达模式分析

Scanpy的一个独特优势是可以方便地整合空间信息进行共表达分析。例如，我们可以计算基因对的空间相关性：

from scipy.stats import spearmanr def spatial_correlation(adata, gene1, gene2): """计算两个基因的空间表达相关性""" idx1 = adata.var_names.get_loc(gene1) idx2 = adata.var_names.get_loc(gene2) exp1 = adata.X[:, idx1].toarray().flatten() exp2 = adata.X[:, idx2].toarray().flatten() return spearmanr(exp1, exp2).correlation # 示例：计算SOX10和OLIG2的空间相关性 corr = spatial_correlation(adata, "SOX10", "OLIG2") print(f"空间相关性：{corr:.3f}")

6. 计算效率与扩展性对比

在实际应用中，工具的计算效率和扩展性往往是关键考量因素。我从三个方面对比了Seurat和Scanpy的性能表现。

6.1 内存占用

在处理大型空间数据集时（如Visium HD，包含数万个spot），内存管理尤为关键。在我的测试中：

• 对于约5,000个spot的数据集：

  • Seurat占用约6-8GB内存
  • Scanpy占用约3-5GB内存

• 对于约20,000个spot的数据集：

  • Seurat需要30+GB内存
  • Scanpy保持在15-20GB范围

这种差异主要源于Python稀疏矩阵处理的优化。Scanpy默认使用scipy.sparse格式存储数据，而Seurat在R4.0之后才完全支持稀疏矩阵。

6.2 计算速度

下表比较了关键步骤在相同硬件（16核CPU，32GB内存）上的运行时间：

Scanpy在大多数步骤上都有2倍左右的优势，特别是在PCA和UMAP计算上。这是因为其底层调用了更优化的数值计算库。

6.3 与深度学习框架集成

这是Scanpy最显著的优势。例如，我们可以直接将预处理好的数据输入PyTorch模型：

import torch from torch.utils.data import Dataset class SpatialDataset(Dataset): def __init__(self, adata): self.X = torch.FloatTensor(adata.X.toarray()) self.positions = torch.FloatTensor(adata.obsm["spatial"]) def __len__(self): return len(self.X) def __getitem__(self, idx): return self.X[idx], self.positions[idx] dataset = SpatialDataset(adata) loader = torch.utils.data.DataLoader(dataset, batch_size=32)

这种无缝集成使得复杂分析流程（如图神经网络应用于空间数据）成为可能。相比之下，Seurat需要通过Reticulate等桥接工具才能调用Python函数，增加了复杂度。

7. 实战经验与常见问题解决

在长期使用这两种工具的过程中，我积累了一些宝贵的实战经验，特别是针对迁移过程中的常见问题。

7.1 数据转换的陷阱

当需要将Seurat对象转换为Scanpy对象时，直接转换基因名可能会出问题。因为：

• R的Make.unique和Python的索引处理不同
• 基因名中的特殊字符（如"-"）在两者中的处理方式不同

一个稳健的解决方案是：

# 从Seurat导出为h5ad ro.r(''' library(SeuratDisk) SaveH5Seurat(GBM4, filename = "GBM4.h5Seurat") Convert("GBM4.h5Seurat", dest = "h5ad") ''') # 在Python中读取 adata = sc.read_h5ad("GBM4.h5ad")

7.2 批次效应处理

当整合多个样本时，Scanpy的批次校正方法更丰富：

# 使用BBKNN进行批次校正 sc.external.pp.bbknn(adata, batch_key="sample") # 或者使用Harmony import harmonypy adata.obsm["X_pca_harmony"] = harmonypy.run_harmony( adata.obsm["X_pca"], adata.obs, "sample" )

相比之下，Seurat的IntegrateData在空间数据上有时会过度校正，丢失真实的空间变异信号。

7.3 空间特异性分析

Scanpy可以方便地结合空间信息进行特异性分析。例如，计算空间自相关：

from esda.moran import Moran from libpysal.weights import DistanceBand # 创建空间权重矩阵 coords = adata.obsm["spatial"] w = DistanceBand(coords, threshold=300) # 计算SOX10的空间自相关 moran = Moran(adata[:, "SOX10"].X.toarray().flatten(), w) print(f"Moran's I: {moran.I:.3f}, p-value: {moran.p_norm:.4e}")

这种分析在Seurat中需要额外安装R包并编写复杂代码。

7.4 可视化定制

Scanpy的绘图基于matplotlib，可以深度定制。例如创建复合空间图：

fig, ax = plt.subplots(1, 2, figsize=(12, 6)) # 左侧：聚类结果 sc.pl.spatial( adata, img_key="hires", color="clusters", ax=ax[0], show=False, title="Clusters" ) # 右侧：标记基因表达 sc.pl.spatial( adata, img_key="hires", color="SOX10", ax=ax[1], show=False, title="SOX10 Expression", color_map="magma" ) plt.tight_layout() plt.savefig("combined_spatial.pdf", dpi=300)

这种灵活的可视化组合在发表级图片制作中非常有用。