Visium空间转录组和单细胞转录组的区别-德赢Vwin官网网

空间转录组云平台是SBCToolBox的一个VIP模块，包括了数据的输入、预览、类群的展示、差异计算、降维可视化、基因在空间位置表达的可视化、常见的小提琴图、山脊图、热图、DotPlot展示、亚群分析，meta信息添加等组件。

首先了解一下Visium空间转录组和单细胞转录组的两个重要区别？

●Visium空间转录组是以Spot为单位。实验上以Spot为单位组织中的RNA，分析上也是以Spot为单位。

●Visium空间转录组比单细胞转录组多了空间位置信息。

两者的定量数据都呈现出多特征基因、多观测值的特点，在数据分析上的套路也都遵循着数据标准化、降维、分群聚类、差异计算、可视化等分析的一致性。

了解了空间转录组和单细胞转录组的异同，接下来我们来正式学习一下SBCToolBox空间转录组分析云平台，以Seurat stxBrain数据为例进行详细说明。

空间转录组云平台继承了单细胞云平台优良基因，需要认证才能登录云平台，没有账号的同学请登录站点，注册申请，审核通过会以邮件的形式发放合法账号。

https://www4.shbiochip.com/V2023/ST/

下面将详细介绍空间转录组云平台的功能及特点。

输入&细胞信息预览

上传输入数据为.RDS文件（R保存单个对象数据的格式文件）。

此页面可以看到一共两行三个Box，第一行两列Box，第二行一个Box。

● 第一行第一列Box提供数据上传接口、提交分析接口及meta信息下载接口。数据上传：这里可以直接将RDS文件拖拽至获取数据接口，完成上传后会显示 upload complete 反馈，点击提交分析按钮即可查看空间转录组的meta信息的概况。 ●第一行第二列的Box用于展示 Seurat对象的meta信息，展示每个SPOT每个SPOT基因、分子检出、对应样本、分群结果等概况。

●第二行Box对SPOT的汇总，显示该项目一共有多少个SPOT点，样品数量，分群情况，充分地了解空间转录组数据。

Cluster展示

a) 默认展示，主要展示UMAP、t-SNE、样本与类群间比例BarPlot情况。

i. 默认展示与单细胞云平台基本一致。

ii. 分群结果在空间位置上的分布情况展示。

b) Arrow展示 i. 提供个性化UMAP & t-SNE添加箭头展示，让数据不再那么枯燥。

差异计算

a) 单个类群对比其他类群，FindMarkers()函数计算当前cluster与剩余其他cluster间的Marker基因。

i. 设置阈值（Pvalue，logfc，上下调）筛选差异marker结果，可以根据实际需求灵活调整，也可以调整Marker基因筛选方法计算marker。

ii. TopN Marker基因结果，根据显著性pvalue和差异倍数logfc的排序进行topN筛选。

b) 指定类群间的比较

i.为了满足指定Cluster间或者分组间的差异Marker进行差异比较

GeneExp Scatter Chart

a)主要展示基因在UMAP或者t-SNE的分布情况

i.这里直接打开TopN Marker基因复制GeneSymbol信息粘贴到自定义输入基因接口中，提交分析即可得到展示结果

ii. 此模块高度灵活，可以自定义色阶变化，多变主题，多基因列数调整

GeneExp Spatial Chart

a)基因集在空间位置上的表达展示

i. 复制GeneSymbol信息粘贴到输入接口中，进行FeatureSpatialPlot展示。

Violin& Ridge Chart

a)主要用于marker基因在类群中小提琴图和山脊图的展示。

i.这里与单细胞云平台结果展示一致，示例展示的为Dark主题下的结果。

HeatMap Chart

a)与单细胞展示一致，主要展示marker基因在每个Cluster或者分组中表达的显著强度。这里可以灵活调整色阶变化，分组bar的颜色，要展示的类群信息。

DotPlot Chart

a)与单细胞展示方式基本一致，marker基因在DotPlot展示。

亚群分析

a)筛选亚群重新分析

i.筛选出目标亚群或者多个样本中的其中一部分样本进行亚群分析，也可以实现调整参数重新分析以调整分群的数量。

b)提取目标亚群

i.这一组件主要是为了筛选出目标亚群，进行数据保存，进行下游的其他数据分析，及时保存记录结果，保持分析的连贯性。

SPOT信息添加

a)Seurat 对象meta信息添加，主要是为了满足对修改分群结果名称，或者将多个cluster结果进行合并新名称的添加，用于下游展示。

b)上传barcode对应新名称一一对应关系。

c)指定列，提交分析，即可完成信息添加，下载保存RDS，再上传至云平台即可进行新的下游分析。

以上结果在云平台可以做到立等可取，再也不用花费长时间等数据分析结果了。

审核编辑：彭菁

声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表德赢Vwin官网网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。举报投诉

接口

接口

+关注

关注
33

文章
8573

浏览量
151007
数据

数据

+关注

关注
8

文章
7002

浏览量
88937
可视化

可视化

+关注

关注
1

文章
1194

浏览量
20932

原文标题：SBCToolBox空间转录组分析云平台重磅上线

文章出处：【微信号：SBCNECB，微信公众号：上海生物芯片】欢迎添加关注！文章转载请注明出处。

基于精准聚焦目标空间区域的转录组和蛋白质组一站式解决方案

空间多组学出现在世界经济论坛发布的年度最有潜力、对世界产生积极影响的十大技术中，绝非偶然。当我们在广泛地对单细胞进行了系统分群后，更迫切需要知道细胞在组织、器官中的作用，这时空间水平的

发表于 08-29 11:10 •973次阅读

基于精准聚焦目标<b class='flag-5'>空间</b>区域的<b class='flag-5'>转录</b><b class='flag-5'>组</b>和蛋白质<b class='flag-5'>组</b>一站式解决方案

什么是高通量单细胞RNA测序技术？

自2009年汤富酬研究员在Nature Methods首次报道其开创性工作以来，单细胞RNA测序技术在生物医学领域，尤其是发育生物学和干细胞研究中展现出强大的应用前景。随着单细胞转录

发表于 04-25 13:50 •9791次阅读

厦门大学研发出全新高通量单细胞转录组测序方法

针对上述挑战，杨朝勇教授课题组开发了一种全新的高通量单细胞转录组测序新方法(Paired-seq)。Paired-seq通过将高效单细胞捕获

发表于 06-02 11:06 •3567次阅读

单细胞转录组学技术的十年

俗话说，十年是个风水岭，单细胞转录组技术发展至今十年间，在促进对生物学和疾病的认识上发挥出的巨大潜力有目共睹。那么，十年间单细胞转录

发表于 09-23 09:59 •3775次阅读

空间转录组研究将对基因测序领域带来的三大影响及作用

2016年，来自瑞典卡罗琳斯卡研究所、瑞典皇家理工学院等研究机构的学者们在《Science》上发文，阐述了一种新的转录组学研究技术，并提出了空间转录

发表于 11-10 16:51 •5836次阅读

空间转录组测序用于免疫治疗研究

空间转录组检测技术逐渐受到广大研究学者的青睐，其不仅可以提供研究对象的转录组数据信息，同时还能定位其在组织中的

发表于 11-18 17:07 •2660次阅读

微流控芯片技术在单细胞基因组学研究中的应用

单细胞基因组学包括单细胞全基因组测序和以单细胞和微量细胞为材料的全基因

发表于 03-03 13:04 •2155次阅读

空间多组学测序技术的意义、原理及实验流程

细胞中基因的表达是严格按照时间和空间顺序发生，因此细胞类型和基因表达具有时间特异性和空间特异性。时间特异性可以通过收集不同时间点的样本进行单细胞

发表于 05-16 15:38 •3934次阅读

Live seq允许单细胞的时间转录组记录

基因表达程序的变化是细胞对外源和内源刺激反应的重要表现。对单个细胞的连续观测是细胞对刺激反应、变化的重要研究手段，活细胞成像是最早的方法之一。随着显微成像技术和荧光标记手段的发展，显微

发表于 08-22 15:26 •988次阅读

基于单细胞与空间转录组数据评估细胞间互作分析算法

细胞的持久性太低，为了将PD-L1对CAR-T细胞的抑制性信号转换为激活信号，多个研究组在CAR-T细胞中共表达靶向PD-L1的嵌合转换型受体（CSR），并提升了CAR-T

发表于 11-03 11:13 •1252次阅读

单细胞+转录组测序：揭示GABA信号调控神经发生

为了探究复发CRC的细胞来源，本文研究者首先在单细胞水平分析了预后不良CRC患者的转录组特征，共确定了2530个预测复发的基因，然后在两个单细胞

发表于 01-12 09:21 •861次阅读

德运康瑞完成近亿元A+轮融资，领跑单细胞空间组学临床应用

德运康瑞作为国内单细胞空间组学领域的领军企业，率先推出空间组学具有亚细胞分辨率的新型RNA原位测

发表于 02-08 14:08 •1030次阅读

CellTrek单细胞空间转录组联合分析

自单细胞测序技术横空出世以来，由于其可以将测序缩小到单个细胞的单位内进行，对于更加全面精确地了解生物基因表达情况具有重要意义。

发表于 04-01 10:17 •1931次阅读

聚类分析中的机器学习与统计方法综述（一）

单细胞转录组测序（scRNA-seq）技术能够对细胞群中的每一个细胞进行大规模的全转录组分析。

发表于 05-19 10:03 •935次阅读

基于微流控的低成本空间转录组测序方法

空间转录组学技术是揭示组织精细解剖位置的组学工具。基于高通量测序的空间转录

发表于 08-24 09:08 •1194次阅读