Visium 的本质

🧠 一、Visium 的本质：“小块上的 bulk RNA”

✅ 关键事实：

特征	描述
单位	每个 Visium spot 约 55μm，包含 1–10 个细胞
本质	是一个局部 bulk RNA-seq，测量的是所有细胞表达的总和
输出矩阵	Spot × Gene，无法直接提供单细胞层面的表达信息

📌 因此 Visium 的分析关键是 —— 如何反推出每个 spot 中的细胞类型构成（deconvolution）。

---

🔍 二、细胞类型的可视化：从“混合”中提取“单一信号”

❓问题回顾：

如果 spot 是混合的，那么我可视化某个细胞类型时，颜色是混合的吗？会不会误导？

✅ 回答核心：

1. Spot 是混合的，这是 Visium 的本质；
2. 可视化是单通道 signal intensity —— 即展示某一细胞类型的相对 abundance 强度；
3. 不是颜色混合图像，而是单色热度图，避免解读混淆。

---

🔧三、常见解卷积工具与原理

工具名称	算法原理	输出形式
RCTD	贝叶斯线性模型	每个 spot 的细胞类型概率
cell2location	层级贝叶斯 + 负二项建模	每个 spot 每种细胞的“丰度”
SPOTlight	非负矩阵分解 + topic 模型	占比、贡献因子
Stereoscope	使用 variational inference	与 cell2location 类似，较轻量

解卷积输出示例：

text复制编辑Spot_ID     T_cells   CAFs    B_cells   Endo
Spot_001      3.4      0.2      0.0       1.0
Spot_002      0.1      5.0      0.0       0.0
Spot_003      2.1      2.5      1.2       0.3

• 每个值 = 某细胞类型在该 spot 中的 abundance（数量强度）
• 可进一步标准化为占比或标签（最大者标记）

🎨 四、可视化策略：不混色，但可以并排/叠加

✅ 方法一：单细胞类型热图（最常用）

sc.pl.spatial(adata, color="CAF_abundance", cmap="Reds")

• 每个 spot 按 CAF 丰度深浅着色；
• 不管是否混有 T 细胞或其他类型；
• 直观、清晰、解读准确 ✅

---

✅ 方法二：多图并排比较（推荐）

sc.pl.spatial(adata, color=["CAF_abundance", "Tcell_abundance", "Bcell_abundance"], ncols=3)

• 每种细胞类型出一张热图
• 比较各自空间分布，观察潜在共定位

---

✅ 方法三：组合标签图（共富集区域分析）

adata.obs["combo_label"] = (
    adata.obs["CAF_abundance"] > 0.5).astype(str) + "_" + 
    (adata.obs["Tcell_abundance"] > 0.5).astype(str)
sc.pl.spatial(adata, color="combo_label")

• 表示哪些 spot 是 CAF-only，哪些是 CAF+Tcell 共富集；
• 用于局部空间共存模式识别

---

✅ 方法四：RGB 三通道叠加图（不推荐全图使用）

• 将 CAF、Tcell、Bcell 分别映射到 R/G/B 通道；
• 每 spot 的颜色混合反映成分，但不利于定量解读；
• 多用于小图展示（如论文图注、Figure 4f）

---

✅ 方法五：饼图 / 条形图显示细胞比例

• Giotto / spatialLIBD 支持每个 spot 画小饼图；
• 适合区域放大分析，图像密集，不利于全图展示。

---

🧪 五、实战中还能做什么？

• 按 CAF 丰度筛选 CAF-rich spot：

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

• 构建邻域 → 聚类邻域细胞组成：

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

• 构造组合富集图（“CAF+T”区域） → 空间机制假设验证。

---

🧠 六、终极总结

问题	正确理解方式
Spot 是混合的吗？	✅ 是，每个 spot 是多个细胞组成的 bulk 信号
可视化颜色是“混合”的吗？	❌ 否，是单通道表达热图，不显示“颜色混合”
能不能看多个细胞类型？	✅ 能，用并列热图 / 饼图 / RGB 图来展示
颜色强度表示什么？	CAF abundance（或其他 cell type）在 spot 中的相对信号强度
最推荐的展示方式？	多图并列、单一 cell type 强度热图、共富集区域 label 分群展示

---

七、完整分析流程模板（简略）

python复制编辑# 加载解卷积结果
adata.obs["CAF_abundance"] = result["CAF"]
adata.obs["Tcell_abundance"] = result["T_cells"]

# 可视化单细胞类型
sc.pl.spatial(adata, color="CAF_abundance", cmap="Reds")

# 多类型对比可视化
sc.pl.spatial(adata, color=["CAF_abundance", "Tcell_abundance"])

# 区域打标签
adata.obs["predicted_label"] = result.idxmax(axis=1)
sc.pl.spatial(adata, color="predicted_label")

✅ 一句话总结：

Visium 是 spot-level 混合表达测序，解卷积后我们看到的只是某种细胞在 spot 中的“推测丰度图”，而非真实位置图，更非混色图。