【亲测免费】 Squidpy：Python中的空间单细胞分析工具

项目介绍

Squidpy 是一个用于空间分子数据分析与可视化的强大框架，构建于 Scanpy 和 Anndata 之上，继承了其模块化和可扩展性的优点。该工具专门设计用于处理并可视化带有空间坐标的数据集，同时也支持利用组织图像进行更深入的分析。它提供了一系列分析工具，能够计算基于空间位置的细胞类型和基因统计信息，并且高效地存储、分析及展示大尺寸组织图像。Squidpy 已经成为了 scVerse 生态系统的一部分，得到了 NumFOCUS 的财政赞助。

项目快速启动

要快速开始使用 Squidpy，你可以通过以下命令轻松安装：

pip install squidpy

如果你希望在 Napari 中交互式地探索数据和大型组织图像，可以安装带互动功能的版本：

pip install 'squidpy[interactive]'

或者，如果你偏好使用 Conda 环境，可以通过以下命令安装：

conda install -c conda-forge squidpy

安装完成后，即可导入 Squidpy 进行初步的数据分析工作。

应用案例和最佳实践

应用 Squidpy 分析空间转录组数据时，一般步骤包括构建邻域图以分析细胞间相互作用，对特定细胞类型或基因的空间分布执行统计测试，以及利用图像处理库如 skimage 来处理和分析组织图像。最佳实践通常建议从加载数据开始，然后通过 Squidpy 提供的功能来探索细胞的空间模式，例如：

import squidpy as sq
# 假定我们有一个名为 "spatial_data.h5ad" 的Anndata对象
adata = sq.read_h5ad("spatial_data.h5ad")
# 构建邻域图
sq.gr.spatial_neighbors(adata)
# 计算某个基因的空间相关性
sq.st.spatial_enrichment(adata, gene="gene_of_interest")

典型生态项目

Squidpy 与一系列开源项目协同工作，共同构成了空间生物学研究的强大生态系统。例如，它无缝集成到 Napari 中，允许研究人员以图形界面形式直观分析数据。此外，通过与 Scanpy 的紧密配合，用户可以充分利用已有的单细胞分析流程，将空间维度纳入考量。虽然具体列出所有生态项目超出了这个简短介绍的范围，但值得注意的是，Squidpy 作为 scVerse 项目之一，它与其他专注于不同方面的生物信息学工具（如 Seurat, SpaGCN）一起，促进空间数据的综合分析方法的发展。

---

本快速指南旨在为初学者和经验丰富的用户提供了 Squidpy 使用的基础知识，更多详细教程和示例可在官方文档中找到，确保你能够充分发挥 Squidpy 在空间单细胞分析中的潜力。