R-seurat#
1. Seurat对象的整体结构#
Seurat对象主要包含以下几大组件：
-
Assays：存储表达矩阵和相关的数据（如空间转录组数据，通常为"Spatial"）。
-
Meta data：样本、细胞、或者空间spot级别的元数据。
-
Dimensional Reductions：PCA、UMAP、tSNE等降维分析的结果。
-
Images：空间转录组中特有的组件，存储组织图像信息和空间坐标。
2. 典型结构:10x Visium#
SeuratObject
├── assays
│ └── Spatial（默认）
│ ├── counts：原始计数矩阵
│ ├── data：标准化表达矩阵（log normalized）
│ └── scale.data：经过缩放的表达数据（比如scale之后）
├── meta.data
│ └── 空间spot相关信息（细胞类型、样本条件等）
├── reductions
│ ├── pca：主成分分析结果
│ └── umap/tSNE：降维可视化结果
└── images
└── slice1（空间图像信息）
├── coordinates：空间坐标数据（x, y位置）
├── image：组织的原始切片图像
├── scale factors：图像与空间坐标之间的尺度因子
└── spot radius：空间spots的半径3. 访问Seurat对象内容的示例代码#
library(Seurat)
# 假设数据对象名为obj
# 查看Seurat对象结构
str(obj)
# 提取空间坐标
coords <- GetTissueCoordinates(obj)
# 提取表达矩阵
expr_matrix <- GetAssayData(obj, slot = "data", assay = "Spatial")
# 提取空间图片
image <- obj@images$slice1@imagePython环境(scanpy/Squidpy)#
1.AnnData对象的整体结构#
AnnData对象
├── X：主表达矩阵（通常为基因表达）
├── obs：观测单元元数据（细胞或spot的元信息）
├── var：基因层面的信息
├── uns：非结构化数据（通常存储如图像、空间坐标元数据）
├── obsm：观测单元的多维信息（如PCA、空间坐标）
├── layers：可选项，存储多个版本的表达数据（如raw counts、normalized数据）
└── obsp/varp：可选，存储pairwise关系数据（如空间邻域图）2. 空间转录组的典型结构#
以10x Visium数据为例：