Seurat空间转录组数据分析：从GEO数据构建Visium对象

概述

空间转录组技术如10x Genomics Visium正在改变我们对组织微环境的理解。许多研究团队将Visium数据上传至GEO数据库，通常包含四个关键文件：表达矩阵、坐标信息、图像文件和缩放因子。本文将详细介绍如何利用这些文件构建Seurat空间转录组分析对象。

数据准备

典型的Visium数据集包含以下四个文件：

1. filtered_feature_bc_matrix.h5 - 表达矩阵文件(HDF5格式)
2. tissue_positions_list.csv - 空间坐标信息
3. scalefactors_json.json - 图像缩放因子
4. image_lowres_image.png - 组织切片图像

构建Seurat对象的正确方法

Seurat提供了专门的函数Load10X_Spatial来简化Visium数据的加载过程。这个函数会自动识别并整合所有必需的文件，前提是将它们放在同一个目录下。

# 设置数据目录路径
data_dir <- "path/to/your/visium/data/folder"

# 加载空间转录组数据
visium_obj <- Load10X_Spatial(data.dir = data_dir)

手动构建的替代方案

如果自动加载遇到问题，也可以选择手动构建对象：

1. 读取表达矩阵：

counts <- Read10X_h5("filtered_feature_bc_matrix.h5")

2. 处理空间坐标：

positions <- read.csv("tissue_positions_list.csv", header = FALSE)
colnames(positions) <- c("barcode", "in_tissue", "array_row", "array_col", 
                        "pxl_row_in_fullres", "pxl_col_in_fullres")
rownames(positions) <- positions$barcode

3. 创建Seurat对象并添加空间信息：

visium_obj <- CreateSeuratObject(counts = counts, assay = "Spatial")
visium_obj[["spatial"]] <- CreateDimReducObject(
  embeddings = as.matrix(positions[, c("pxl_row_in_fullres", "pxl_col_in_fullres")]),
  key = "spatial_",
  assay = "Spatial"
)

常见问题解决

1. 坐标文件格式问题： 如果坐标文件列名异常(如X0, X0.1等)，需要手动指定列名或重新命名。

2. 图像加载问题： 确保图像文件与缩放因子文件在同一目录，且文件名符合标准命名规范。

3. 表达矩阵与坐标不匹配： 检查barcode是否一致，必要时进行过滤和匹配。

最佳实践建议

1. 优先使用Load10X_Spatial函数，它已针对Visium数据优化
2. 保持原始文件结构不变，不要重命名或移动文件
3. 在处理多个样本时，为每个样本创建单独的子目录
4. 加载后检查对象完整性：

# 检查空间坐标
SpatialFeaturePlot(visium_obj, features = "nCount_Spatial")

通过以上方法，研究人员可以高效地将GEO中的Visium数据转换为Seurat对象，为后续的空间转录组分析奠定基础。