CosMx vs 点级 ST（Visium）差异

✅ 简洁总结（三句话版）

1. CosMx / MERSCOPE 提供高分辨率的细胞级空间数据，适合进行 精细的邻域建模；
2. Visium ST 虽然分辨率低，但样本量大，适合用于验证前者发现的 空间模式在低分辨率下是否依然成立；
3. 从 CosMx 验证到 Visium 可测试模式的稳定性与泛化性，反过来不具备等价效力，仅用于机制假设验证。

---

🧠 详细结构化总结

一、平台对比：CosMx vs Visium ST

属性	CosMx / MERSCOPE	Visium ST
空间分辨率	亚细胞 / 单细胞	每个 spot ≈ 1–10 个细胞
表达粒度	每个细胞/像素的 RNA 表达位置	spot 为单位的混合表达
细胞识别能力	高，定位 CAF 和邻近细胞位置	低，需推断细胞构成
适用分析方法	空间邻域建模、单细胞图谱	区域聚类、富集分析
邻域定义单位	细胞间真实空间距离	网格 spot 结构，邻接关系（如六边形）

🔎 本质区别：

• CosMx 适用于高精度空间生态位分析
• Visium 更适合群体样本层面宏观趋势建模

---

二、为何用 Visium 验证 CosMx 的发现？

1. 泛化能力检验

• 在高分辨率发现的空间模式（如 CAF + 巨噬细胞共定位）
• 若在 Visium 中仍能复现 → 表明该模式对平台和分辨率具有鲁棒性
• 属于典型的 下采样验证思路

2. 代表性互补

• CosMx：精细但样本量小
• Visium：主流平台，样本多，可大规模验证

📌 目标：评估 CAF 空间亚型是否具有跨平台可转化性

---

三、反过来（Visium → CosMx）是否合理？

可以，但意义不同：

验证方向	意义	适用场景
CosMx → Visium	检验高精度模型是否可泛化	模式鲁棒性验证
Visium → CosMx	只能做机制重建或假设验证	局部机制追踪、成像补充分析

🔔 要点：从低分辨率出发无法检验高精度模型的有效性，不具备“泛化验证”的效力

---

四、Visium 和 CosMx 邻域分析方法比较

分析维度	CosMx	Visium
单元粒度	单细胞	spot（~1–10 细胞）
空间定位精度	精确 (x, y) 坐标	网格结构，需推邻域
邻域构建方式	真实空间半径（如 80μm）邻近细胞	图结构邻接 spot（默认 1-ring）
示例工具/代码	sklearn.NearestNeighbors	squidpy.gr.spatial_neighbors
分析目的	亚细胞生态位建模	CAF 富集区域聚类和宏观空间模式识别

---

五、方法建议与实践工具

• CAF-enriched spot 筛选（Visium）:

  adata.obs["CAF_enriched"] = adata.obs["CAF_abundance"] > 0.5
  

• 邻域获取:

  sq.gr.spatial_neighbors(adata, coord_type="grid")
  

• CosMx 中邻域搜索:

  NearestNeighbors(radius=80).fit(cell_coords)
  

• Bonus: 使用 cell2location 自动聚类邻域：

  from cell2location.utils.plotting import plot_spatial_NMF
  plot_spatial_NMF(adata, source="CAF", radius=1)
  

---

🎯 结论与建议

• 若你目的是空间邻域模式发现，建议使用 CosMx / MERSCOPE
• 若你目的是验证模式在大样本数据中是否成立，建议使用 Visium
• 若你想评估模型的通用性，从 CosMx 到 Visium 的验证路径更具科学意义

---