Обновление процесса --- iTME (высокоточная пространственная платформа, Stereo-seq, HD) ткани анатомического клеточного окружения (CN)
Обновление процесса --- iTME (высокоточная пространственная платформа, Stereo-seq, HD) ткани анатомического клеточного окружения (CN)

Автор, Злой гений

Недавно студент спросил, почему процесс обновления и обновления компании требует так много контента?

Причина очень проста. Так называемое обновление процесса требует исследования и обобщения всех методов анализа, алгоритмов, сценариев использования, преимуществ и недостатков. Например, текущая космическая платформа включает Visium, Xenium, HD, Stereo-seq и сингл. -пространство ячеек Существуют десятки методов совместного анализа, и для разных платформ требуются разные стратегии анализа.

Одним словом, необходима интеграция ресурсов.

Конечно, каждому просто нужно больше изучать свои темы и совершенствоваться, когда у него есть время. У меня не было этого осознания, когда я учился в аспирантуре, и теперь я до смерти сожалею об этом. среди одноклассников, которые опубликовали статьи с высокими оценками, разрыв становится все больше и больше, и определенно не будет паникерством сказать, что небольшая ошибка может иметь огромное значение. Я надеюсь, что все воспримут это как предупреждение и не будут тратить время на подготовку к докторской диссертации. Это самое подходящее время для публикации статей.

Теперь, когда все выполняют HD и Stereo-seq, постарайтесь не использовать режим сегментации ячеек, а использовать режим сегментации изображений для распознавания изображений, чтобы получить пространственную матрицу уровня одной ячейки.

Сегодня мы продолжаем совершенствовать процесс анализа, уделяя особое внимание BGI (Stereo-seq).

iTME, который рассекает ткани клеточного окружения (CN) на основе клеточного состава

Большая часть программного обеспечения с открытым исходным кодом для анализа межклеточных связей разработана на основе экспрессии генов или расстояния между клетками без учета расстояния межклеточного взаимодействия.

Выявление глубокой пространственной ковариации межклеточной коммуникации, вызванной гетерогенным пространственным ТМЭ.

Структура анализа

1. Сначала выполните анализ соседства ячеек. 2. Анализировать пространственное взаимодействие между клетками и обнаруживать активные пары L-R путем количественного определения пространственной близости и силы взаимодействия между клетками и генами. 3. Построить метамодули TME на основе нескольких образцов и в то же время проанализировать модули пространственного взаимодействия, связанные с этими модулями TME и метамодулями.

Декодирование iTME в организационные единицы клеточного окружения (CN)

Сила пространственного взаимодействия ячеек: вывод о пространственной связи между ячейками

Профилирование микроокружения опухоли с помощью пространственной транскриптомики

Тканевые клеточные районы, связанные с TME

Деконволюция iTME для одной нейронной сети

Пример кода

Язык кода:javascript
копировать
git clone https://github.com/STOmics/SCIITensor.git

cd SCIITensor

python setup.py install

Single sample analysis

Язык кода:javascript
копировать
import SCIITensor as sct
import scanpy as sc
import pandas as pd
import seaborn as sns
import matplotlib as mpl
import matplotlib.pyplot as plt
import pickle

adata = sc.read("/data/work/LR_TME/Liver/LC5M/sp.h5ad")
lc5m = sct.core.scii_tensor.InteractionTensor(adata, interactionDB="/data/work/database/LR/cellphoneDB_interactions_add_SAA1.csv")
sct.core.scii_tensor.build_SCII(lc5m)
sct.core.scii_tensor.process_SCII(lc5m, bin_zero_remove=True, log_data=True)
sct.core.scii_tensor.eval_SCII_rank(lc5m)
sct.core.scii_tensor.SCII_Tensor(lc5m)
with open("LC5M_res.pkl", "wb") as f:
    pickle.dump(lc5m, f)


# Visualization
## heatmap
sct.core.scii_tensor.plot_tme_mean_intensity(lc5m, tme_module = 0, cellpair_module = 2, lrpair_module = 4,
    n_lr = 15, n_cc = 5,
    figsize = (10, 2), save = False, size = 2, vmax=1)
factor_cc = lc5m.cc_factor.copy()
factor_cc.columns = factor_cc.columns.map(lambda x: f"CC_Module {x}")

factor_lr = lc5m.lr_factor.copy()
factor_lr.columns = factor_lr.columns.map(lambda x: f"LR_Module {x}")

factor_tme = pd.DataFrame(lc5m.factors[2])
factor_tme.columns = factor_tme.columns.map(lambda x: f"TME {x}")

#draw the heatmap based on the cell-cell factor matrix
fig = sns.clustermap(factor_cc.T, cmap="Purples", standard_scale=0, metric='euclidean', method='ward', 
                     row_cluster=False, dendrogram_ratio=0.05, cbar_pos=(1.02, 0.6, 0.01, 0.3),
                     figsize=(24, 10),
                     )
fig.savefig("./factor_cc_heatmap.pdf")

#select the top ligand-receptor pairs, then draw the heatmap based on ligan-receptor factor matrix
lr_number = 120 #number of ligand-receptor pairs on the top that will remain
factor_lr_top = factor_lr.loc[factor_lr.sum(axis=1).sort_values(ascending=False).index[0:lr_number]]
fig = sns.clustermap(factor_lr_top.T, cmap="Purples", standard_scale=0, metric='euclidean', method='ward', 
                     row_cluster=False, dendrogram_ratio=0.05, cbar_pos=(1.02, 0.6, 0.01, 0.3),
                     figsize=(28, 10),
                     )
fig.savefig("./factor_lr_heatmap.pdf")

## sankey
core_df = sct.plot.sankey.core_process(lc5m.core)
sct.plot.sankey.sankey_3d(core_df, link_alpha=0.5, interval=0.001, save="sankey_3d.pdf")

## circles
interaction_matrix = sct.plot.scii_circos.interaction_select(lc5m.lr_mt_list, factor_cc, factor_lr, factor_tme, 
                               interest_TME='TME 0',
                               interest_cc_module='CC_Module 3',
                               interest_LR_module='LR_Module 4',
                               lr_number=20,
                               cc_number=10)

plt.figure(figsize=(8, 3))
sns.heatmap(interaction_matrix, vmax=1)

#Draw the circos diagram, which includes cell types, ligand-receptor genes, and the links between ligands and receptors.
cells = ['Hepatocyte', 'Fibroblast', 'Cholangiocyte', 'Endothelial', 'Macrophage', 'Malignant', 'B_cell', 'T_cell', 'DC', 'NK'] #list contains names of all cell types
sct.plot.scii_circos.cells_lr_circos(interaction_matrix, cells, save="cells_lr_circos.pdf")

#Draw the circos which only contains cell types and the links between them.
sct.plot.scii_circos.cells_circos(interaction_matrix, cells, save="cells_circos.pdf")

#Draw circos which only contains ligand-receptor genes
sct.plot.scii_circos.lr_circos(interaction_matrix, cells)

## igraph
sct.plot.scii_net.grap_plot(interaction_matrix, cells,
                   save="igrap_network.pdf")

cc_df = sankey.factor_process(lc5m.factors[0], lc5m.cellpair)
sct.plot.sankey.sankey_2d(cc_df)

Multiple sample analysis

Язык кода:javascript
копировать
adata_LC5P = sc.read("/data/work/LR_TME/Liver/LC5P/FE1/cell2location_map/sp.h5ad")
lc5p = sct.core.scii_tensor.InteractionTensor(adata_LC5P, interactionDB="/data/work/database/LR/cellphoneDB_interactions_add_SAA1.csv")
sct.core.scii_tensor.build_SCII(lc5p)
sct.core.scii_tensor.process_SCII(lc5p)
sct.core.scii_tensor.eval_SCII_rank(lc5p)
sct.core.scii_tensor.SCII_Tensor(lc5p)
with open('LC5P_res.pkl', "wb") as f:
    pickle.dump(lc5p, f)


adata_LC5T = sc.read("/data/work/LR_TME/Liver/LC5T/FD3/cell2location_map/sp.h5ad")
lc5t = sct.core.scii_tensor.InteractionTensor(adata_LC5T, interactionDB="/data/work/database/LR/cellphoneDB_interactions_add_SAA1.csv")
sct.core.scii_tensor.build_SCII(lc5t)
sct.core.scii_tensor.process_SCII(lc5t)
sct.core.scii_tensor.eval_SCII_rank(lc5t)
sct.core.scii_tensor.SCII_Tensor(lc5t)
with open('LC5T_res.pkl', "wb") as f:
    pickle.dump(lc5t, f)

## merge data
all_data = sct.core.scii_tensor.merge_data([lc5t, lc5m, lc5p], patient_id = ['LC5T', 'LC5M', 'LC5P'])
sct.core.scii_tensor.SCII_Tensor_multiple(all_data)

## heatmap
mpl.rcParams.update(mpl.rcParamsDefault)
sct.core.scii_tensor.plot_tme_mean_intensity_multiple(all_data, sample='LC5T',
                                                     tme_module=0, cellpair_module=0, lrpair_module=0, vmax=1)

Пример кодасуществоватьGitHub - STOmics/SCIITensor

Жизнь хороша, с тобой еще лучше

boy illustration
Учебное пособие по Jetpack Compose для начинающих, базовые элементы управления и макет
boy illustration
Код js веб-страницы, фон частицы, код спецэффектов
boy illustration
【новый! Суперподробное】Полное руководство по свойствам компонентов Figma.
boy illustration
🎉Обязательно к прочтению новичкам: полное руководство по написанию мини-программ WeChat с использованием программного обеспечения Cursor.
boy illustration
[Забавный проект Docker] VoceChat — еще одно приложение для мгновенного чата (IM)! Может быть встроен в любую веб-страницу!
boy illustration
Как реализовать переход по странице в HTML (html переходит на указанную страницу)
boy illustration
Как решить проблему зависания и низкой скорости при установке зависимостей с помощью npm. Существуют ли доступные источники npm, которые могут решить эту проблему?
boy illustration
Серия From Zero to Fun: Uni-App WeChat Payment Practice WeChat авторизует вход в систему и украшает страницу заказа, создает интерфейс заказа и инициирует запрос заказа
boy illustration
Серия uni-app: uni.navigateЧтобы передать скачок значения
boy illustration
Апплет WeChat настраивает верхнюю панель навигации и адаптируется к различным моделям.
boy illustration
JS-время конвертации
boy illustration
Обеспечьте бесперебойную работу ChromeDriver 125: советы по решению проблемы chromedriver.exe не найдены
boy illustration
Поле комментария, щелчок мышью, специальные эффекты, js-код
boy illustration
Объект массива перемещения объекта JS
boy illustration
Как открыть разрешение на позиционирование апплета WeChat_Как использовать WeChat для определения местонахождения друзей
boy illustration
Я даю вам два набора из 18 простых в использовании фонов холста Power BI, так что вам больше не придется возиться с цветами!
boy illustration
Получить текущее время в js_Как динамически отображать дату и время в js
boy illustration
Вам необходимо изучить сочетания клавиш vsCode для форматирования и организации кода, чтобы вам больше не приходилось настраивать формат вручную.
boy illustration
У ChatGPT большое обновление. Всего за 45 минут пресс-конференция показывает, что OpenAI сделал еще один шаг вперед.
boy illustration
Copilot облачной разработки — упрощение разработки
boy illustration
Микросборка xChatGPT с низким кодом, создание апплета чат-бота с искусственным интеллектом за пять шагов
boy illustration
CUDA Out of Memory: идеальное решение проблемы нехватки памяти CUDA
boy illustration
Анализ кластеризации отдельных ячеек, который должен освоить каждый&MarkerгенетическийВизуализация
boy illustration
vLLM: мощный инструмент для ускорения вывода ИИ
boy illustration
CodeGeeX: мощный инструмент генерации кода искусственного интеллекта, который можно использовать бесплатно в дополнение к второму пилоту.
boy illustration
Машинное обучение Реальный бой LightGBM + настройка параметров случайного поиска: точность 96,67%
boy illustration
Бесшовная интеграция, мгновенный интеллект [1]: платформа больших моделей Dify-LLM, интеграция без кодирования и встраивание в сторонние системы, более 42 тысяч звезд, чтобы стать свидетелями эксклюзивных интеллектуальных решений.
boy illustration
LM Studio для создания локальных больших моделей
boy illustration
Как определить количество слоев и нейронов скрытых слоев нейронной сети?
boy illustration
[Отслеживание целей] Подробное объяснение ByteTrack и детали кода