Seurat项目中Visium数据类兼容性问题解析与解决方案
2025-07-02 04:40:35作者:咎竹峻Karen
背景介绍
Seurat作为单细胞和空间转录组分析的主流工具包,在5.1版本中引入了一项重要变更:默认使用新的VisiumV2类处理所有Visium数据(包括非Visium HD数据)。这一变更虽然旨在统一图像和测序空间数据框架,但导致了与许多依赖旧版VisiumV1类的第三方包不兼容的问题。
问题本质
核心问题在于:
- 新版
VisiumV2类继承自FOV类,结构上与VisiumV1有显著差异 - 关键变化包括移除了
coordinates槽位,GetTissueCoordinates返回的数据框结构也不同 - 缺乏直接的类转换方法,且新类使用在
Read10X_Image中被硬编码
技术影响分析
这种变更对用户工作流产生了多方面影响:
- 第三方包兼容性:许多依赖
VisiumV1特定结构的包(如hdWGCNA)无法正常工作 - 坐标获取方式:虽然坐标位置信息仍然存在,但访问方式需要调整
- 升级风险:用户在不知情情况下升级可能导致分析流程中断
解决方案
官方推荐方案
- 最佳实践:第三方包应使用标准getter/setter方法而非直接访问槽位
- 坐标获取改进:建议采用更通用的坐标获取方式:
coords <- GetTissueCoordinates(cur_seurat)
coords <- coords[, 1:2]
colnames(coords) <- c("row", "col")
临时转换方案
对于必须使用VisiumV1的情况,可执行以下转换:
# 加载数据
path_to_visium <- "your/visium/path"
path_to_coordinates <- file.path(path_to_visium, "spatial/tissue_positions_list.csv")
image_name <- "visium"
object <- Load10X_Spatial(path_to_visium, slice = image_name)
visium_v2 <- object[[image_name]]
# 重新读取坐标
coordinates <- Read10X_Coordinates(path_to_coordinates, filter.matrix = TRUE)
# 创建VisiumV1对象
visium_v1 <- new(
Class = "VisiumV1",
assay = visium_v2@assay,
key = visium_v2@key,
coordinates = coordinates,
scale.factors = visium_v2@scale.factors,
image = visium_v2@image
)
# 设置spot半径
visium_v1@spot.radius <- Radius(visium_v1)
# 对齐细胞顺序
visium_v1 <- visium_v1[Cells(object)]
object[[image_name]] <- visium_v1
未来展望
- 官方补丁:开发团队表示将发布补丁解决兼容性问题
- 变更通知:未来版本将更明确标注重大变更
- 架构统一:这一变更是向统一空间分析框架迈出的重要一步
用户建议
- 评估工作流对
VisiumV1的依赖程度 - 考虑更新第三方包或提交修改建议
- 关注Seurat的更新公告
- 重要项目可暂时锁定Seurat版本
这一变更虽然短期内带来不便,但从长远看有助于Seurat建立更统一、更强大的空间分析框架。理解这些技术细节有助于用户更好地规划分析流程和应对类似情况。
登录后查看全文
热门项目推荐
相关项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Ascend Extension for PyTorch
Python
173
193
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
263
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
269
93
暂无简介
Dart
622
140
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
377
3.32 K
React Native鸿蒙化仓库
JavaScript
242
315
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.1 K
620
仓颉编译器源码及 cjdb 调试工具。
C++
126
856
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1