SpaceXR 空间转录组学分析工具安装与使用指南

项目介绍

SpaceXR（Spatial-eXpression-R）是一个用于空间转录组学数据分析的开源 R 包，主要功能包括细胞类型识别（包括细胞类型混合）和细胞类型特异性差异表达分析。该项目由 Dylan Cable 开发，旨在为研究人员提供强大的工具来解析空间转录组学数据。

SpaceXR 包含两个核心组件：

• RCTD（Robust Cell Type Decomposition）：从单细胞RNA测序数据中学习细胞类型特征，并在空间转录组数据中识别细胞类型
• C-SIDE（Cell type-Specific Inference of Differential Expression）：检测细胞类型特异性差异表达，分析空间位置、细胞微环境等因素对基因表达的影响

环境要求

在安装 SpaceXR 之前，请确保系统满足以下要求：

• 操作系统：Linux、macOS 或 Windows
• R 版本：R 3.5.0 或更高版本
• 内存：建议至少 4GB RAM
• 处理器：多核处理器可显著提高运行速度

依赖包安装

首先需要安装必要的 R 依赖包：

# 安装 CRAN 依赖包
install.packages(c("devtools", "readr", "ggplot2", "pals", "Matrix", 
                   "parallel", "doParallel", "foreach", "quadprog",
                   "tibble", "dplyr", "reshape2", "knitr", "rmarkdown",
                   "fields", "mgcv", "CompQuadForm", "Rfast", "locfdr",
                   "metafor", "data.table"))

# 设置超时时间避免下载超时
options(timeout = 600)

项目安装方式

方法一：从 GitCode 安装（推荐）

# 克隆项目仓库
git clone https://gitcode.com/gh_mirrors/sp/spacexr.git

然后在 R 中安装：

# 从本地目录安装
devtools::install_local("spacexr", build_vignettes = FALSE)

方法二：直接从 GitHub 安装

# 安装开发工具包
if (!requireNamespace("devtools", quietly = TRUE)) {
    install.packages("devtools")
}

# 安装 SpaceXR 包
devtools::install_github("dmcable/spacexr", build_vignettes = FALSE)

如果需要构建教程文档（需要较长时间），可以将 build_vignettes 参数设置为 TRUE。

快速开始指南

1. 加载 SpaceXR 包

library(spacexr)

2. 数据准备

首先需要准备空间转录组数据和单细胞参考数据：

# 创建 SpatialRNA 对象（空间转录组数据）
puck <- SpatialRNA(coords, counts, nUMI)

# 创建 Reference 对象（单细胞参考数据）
reference <- Reference(cell_types, counts, nUMI)

3. 运行 RCTD 进行细胞类型识别

# 创建 RCTD 对象
myRCTD <- create.RCTD(puck, reference, max_cores = 4, test_mode = FALSE)

# 运行 RCTD 分析
myRCTD <- run.RCTD(myRCTD, doublet_mode = 'doublet')

4. 运行 C-SIDE 进行差异表达分析

# 定义协变量（如空间位置）
covariate <- puck@coords$x  # 示例：使用 x 坐标作为协变量

# 运行 C-SIDE 分析
myRCTD <- run.CSIDE.single(myRCTD, covariate, cell_types = NULL)

5. 结果可视化

# 绘制细胞类型分布图
plot_weights(myRCTD)

# 绘制差异表达结果
make_all_de_plots(myRCTD)

项目文件结构

SpaceXR 项目包含以下主要目录：

• R/：包含主要的 R 源代码文件
• vignettes/：包含教程文档和示例代码
• inst/extdata/：包含示例数据文件
• AnalysisPaper/：包含论文分析代码
• AnalysisCSIDE/：包含 C-SIDE 分析代码

示例数据

项目提供了多个示例数据集，位于 inst/extdata/ 目录下：

• MerfishVignette/：MERFISH 数据示例
• Vignette/：基本教程数据
• VisiumVignette/：Visium 数据示例

常见问题解决

安装超时问题

如果安装过程中出现超时错误，可以增加超时时间：

options(timeout = 600)  # 设置10分钟超时

内存不足问题

对于大型数据集，可能需要增加内存分配：

# 在运行前清理内存
gc()

# 使用较少的核心数以减少内存使用
myRCTD <- create.RCTD(puck, reference, max_cores = 2, test_mode = FALSE)

依赖包冲突

如果遇到包冲突，可以尝试更新所有包：

update.packages(ask = FALSE, checkBuilt = TRUE)

性能优化建议

1. 使用多核处理：设置 max_cores 参数利用多核处理器
2. 预处理数据：在运行前过滤低表达基因和细胞
3. 分批处理：对于特大数据集，考虑分批处理
4. 监控内存使用：定期使用 gc() 清理内存

文档资源

• 项目手册：spacexr_manual_2.2.1.pdf
• 教程文档：vignettes/ 目录下的 Rmd 文件
• 示例代码：AnalysisPaper/ 和 AnalysisCSIDE/ 目录

通过以上步骤，您可以成功安装并使用 SpaceXR 进行空间转录组学数据分析。建议先从提供的示例数据开始，熟悉工作流程后再应用到自己的研究数据中。