10x Genomics推出的Xenium平台基于高通量的原位杂交技术，通过使用特异性探针捕获 RNA 分子，并在组织切片上直接检测信号，使得我们能够在单细胞分辨率的基础上，精确地检测和定位组织切片中的基因表达情况。最近有几位同学后台私信我，希望能完整介绍下Xenium数据分析全流程，以及空转数据能做的分析有哪些，我上网查了下，好像还真没有一个全面完整的教程，于是乎，我们使用10x官方公布的测试数

VSCode 作为轻量级但功能强大的编辑器，其 Remote 开发扩展允许开发者在本地编辑代码，而实际运行环境位于远程服务器或 WSL 子系统中，实现“本地手感，远程算力”的无缝体验。二者的结合，兼顾了环境配置的灵活性与开发效率，是生信分析的理想方案。重启后，Ubuntu 终端会自动弹出，提示你设置 UNIX 用户名和密码（注意：输入密码时屏幕不会显示，这是 Linux 的特性，放心输）。你可以缩

上节我们下载10x官方数据后，使用spatialdata框架进行数据读取，这节我们拿到单细胞数据后，使用常规单细胞数据分析流程，进行数据质控、低质量细胞删除、降维聚类、筛选特征基因、参考文章细胞类型marker进行细胞类型定义。封装一个细胞类型占比绘图函数，可以绘制单样本或多样本分开的饼图、柱状图。数据处理大致过程如下。

文件解压缩后，文件层级展示如下图，一般一个FOV对应的是一个样本，一个样本对应一个文件夹结果，一张芯片上最多可以选8个FOV，若果一张芯片上拼的样本数超过8个，就会有多个样本被并到一个FOV中，后续下机数据分析的时候想要拆分开的话，需要使用Xenium browser手动圈选，拿到个样本的barcodes，然后就可以拆分样本（一般TMA样本都需要手动圈选操作）。这里我们下载的数据就只有一个FOV，

然而，由于细胞状态受其周围细胞的影响，将转录组数据与细胞的空间信息结合起来进行聚类分析，将更有助于揭示细胞在组织中的分布和相互作用。相比于传统的单细胞聚类算法，BANKSY在细胞/Spots的表达矩阵的基础上，进一步联合了空间坐标信息，这种策略能够有效提高细胞/Spots分类的准确性和效率，进而揭示细胞间的相互作用和微环境影响。为了控制细胞自身和邻域特征对嵌入中细胞-细胞距离的相对贡献，BANKS

记录下最近阅读的一篇于2024年6月在Cell Reports Medicine上发表的文章"scRank infers drug-responsive cell types from untreated scRNA-seq data using a target-perturbed gene regulatory network"，记录下翻译过程，以备后期随时翻阅。引言细胞对药物的反应表现出巨大

骨髓是一个复杂的器官，包含了来自造血、间充质、内皮、血管平滑肌和神经谱系的多种细胞。相对稀有的非造血细胞被认为在造血过程中起着关键作用。包括内皮细胞（ECs）、间充质基质细胞（MSCs）和成骨细胞在内的多种非造血细胞类型被认为是骨髓微环境的重要组成部分。近年来，单细胞 RNA 测序（scRNA-seq）的技术进步揭示了小鼠中这些非造血骨髓成分的多个亚群的存在。尽管对人类造血细胞的研究已相当广泛，但

摘要：美国MD安德森癌症中心在《Cancer Cell》发表研究，通过整合空间蛋白组、转录组和单细胞组学数据，系统分析了114例人肺腺癌不同阶段样本及589份小鼠模型样本。研究发现，在癌前阶段的髓系免疫细胞中TIM-3免疫检查点高度表达，提示其可能成为肺癌早期干预的新靶点。研究采用免疫组化质谱成像、单细胞RNA测序等技术，揭示了从正常组织到癌变过程中免疫微环境的动态变化，并通过小鼠模型验证了抗TI

10x Genomics推出的Xenium平台基于高通量的原位杂交技术，通过使用特异性探针捕获 RNA 分子，并在组织切片上直接检测信号，使得我们能够在单细胞分辨率的基础上，精确地检测和定位组织切片中的基因表达情况。最近有几位同学后台私信我，希望能完整介绍下Xenium数据分析全流程，以及空转数据能做的分析有哪些，我上网查了下，好像还真没有一个全面完整的教程，于是乎，我们使用10x官方公布的测试数

VSCode 作为轻量级但功能强大的编辑器，其 Remote 开发扩展允许开发者在本地编辑代码，而实际运行环境位于远程服务器或 WSL 子系统中，实现“本地手感，远程算力”的无缝体验。二者的结合，兼顾了环境配置的灵活性与开发效率，是生信分析的理想方案。重启后，Ubuntu 终端会自动弹出，提示你设置 UNIX 用户名和密码（注意：输入密码时屏幕不会显示，这是 Linux 的特性，放心输）。你可以缩