Seurat/Scanpy 空间转录组分析相关问题

Seurat推出Spatial Transcriptomics analysis 分析流程之后，对于一些分析时的小问题没有有效解决，这里我记录一些我分析空间转录组分析时遇到的一些麻烦和我分析问题出现的原因，分享给需要的人。Scanpy 作为后起之秀，不仅实现了Seurat的大部分功能，很多这两年新的空间转录组分析方法由于基于Deep learning的框架Tensorflow或者Pytorch开发，python环境也更加适合新方法的应用，我已经把下游分析基本都交给了scanpy来做。

1 SCTransform和Merge，SeuratDisk，ConverToH5ad.

10X Visium的一个slide上有4个切片捕获区域，所以也通常生成4个数据矩阵。如果你跟随Seurat官网给的流程走下去，你可能也会遇到这个问题，你在运行SCTransform()时，SeuratObject的assay中就有了一个新的对象‘SCT’，其中存储了默认是3000个基因的Transform后的scale.data。这3000个基因可以直接用作Pca，是高质量筛选并标准化之后的数据。并且之后，你跟着官网流程走到最后，你用了Merge()将多个Object变成了一个完整的对象，包含全部四个切片的数据。这里你跑完了，你会发现如果你单独只存储了merge之后的对象为一个RDS，你之后的分析画图，四个切片的图像都会出来。更难解决的问题出现在如果你想使用SeuratDisk中的Convert()功能，将Seurat Object转化为H5ad格式的文件，方便在python的scanpy包中进行其他的分析。那么assay中的SCT数据会被识别成单细胞数据，空间转录组数据不能正常转化为H5ad。这个问题可能是由于Seurat-Disk包还没有完全适配好，需要等待正式版本推出。如果到时候能用了我会第一时间更新。

2 Scanpy 下游分析（1）Squidpy extract image features

Squidpy官网上的教程之讲了怎么用示范数据集，没有说到自己要怎么做。