数据介绍：

来自谷歌翻译：

总结：甲状腺癌在全球癌症发病率中位列第九。此外，在过去几十年里，全球甲状腺癌的发病率一直在上升。空间转录组学技术通过结合高通量 RNA 测序和成像技术，系统地描绘了组织空间内的基因表达情况。空间转录组学（ST）的应用已经揭示了许多肿瘤类型的高分辨率空间结构和细胞间的相互作用，推动了肿瘤诊断和治疗新靶点的发现。然而，甲状腺癌的空间结构，以及乳头状甲状腺癌（PTC）、局部晚期甲状腺癌（LPTC）和间变性甲状腺癌（ATC）的肿瘤微环境（TME）中的结构差异，目前鲜少有人研究。在此，我们运用空间转录组学技术和单细胞 RNA 测序数据，来揭示乳头状甲状腺癌、局部晚期甲状腺癌和间变性甲状腺癌样本中肿瘤微环境的空间差异。

总体设计：用于单细胞转录组学和空间转录组学研究的样本均来自在复旦大学附属肿瘤医院接受手术的 12 名甲状腺癌患者。所有患者在样本采集前均签署了知情同意书。总共使用了 4 个癌旁组织（N）、4 个早期甲状腺癌（乳头状甲状腺癌）样本、4 个局部晚期甲状腺癌样本和 4 个间变性甲状腺癌样本进行空间转录组学分析。4 个癌旁组织样本中的 3 个、4 个乳头状甲状腺癌样本中的 3 个以及 4 个局部晚期甲状腺癌样本中的 3 个被用于单细胞转录组学分析。两名经验丰富的病理学家对每个样本的病理情况进行了确认。

数据下载与准备：

数据下载地址：https://www.ncbi.xyz/geo/query/acc.cgi?acc=GSE250521

10X的空间数据比较重要的两组文件，一组类似单细胞数据barcode，feature，matrix 三个文件组成的表达矩阵文件，另外的就是空间图像信息文件了，json为不同尺寸图片的缩放文件，images 分为hires高分辨率和lowres 分辨率图片，一般会释放高分辨率图片hires，如果没有低分辨率图片和自己写一个python脚本根据json缩放比例生成lowres文件；最后一个position文件为spot点在图片上的位置信息；

数据预处理代码：

我们下载其中的一个样本整理一下,文件名字固定；

空转分析：

#读入数据并质控
 #读入数据并质控
Rscript $scripts/seurat_st_qc.r \
  -d GSM7980860/filtered_feature_bc_matrix \
  --image_dir GSM7980860/spatial/ \
  --image_scale lowres \
  -p PT-1 --project Thyroid --slide_name  PT-1 -o 01.qc \
  --metadata_col_name SampleID	PatientID	
  --metadata_value  PT-1 FUSCC-THCA-01 \
   --nGene_min 200   --min_spots 3 --mito_gene_pattern MT-*

#单个样本聚类 banksy：
#单个样本分析，选择banksy 聚类
Rscript $scripts/seurat_st_cluster.r --rds 01.qc/PT-1/PT-1.afterQC.qs \
    --sctransform    --resolution 0.8 -d 30 --cpu 10   --banksy_lambda 0.5 --k_geom 18 \
    -p Thyroid_sct_PT-1  -o sct_PT-1  --cluster_banksy

结果展示：

空间转录组分析课程推荐：https://bdtcd.xetlk.com/s/2Xg4ac