当前位置：首页 > java >正文

Visium HD多样本拼片拆分

java 2025/7/5 6:35:13

Visium HD实验的时候一个捕获区域内可以包含多个样本拼片（例如多个组织切片或不同样本的排列）是常见的实验设计，多样本拼片能够提升实验效率，单张玻片处理多个样本，降低试剂和测序成本，后续分析的时候只需要使用Loupe Browser手动圈选和分割样本，就能得到每个样本的数据。

Loupe Browser圈选与分割样本的详细步骤

数据加载与可视化

打开数据文件
启动Loupe Browser（需6.0及以上版本），通过 File > Open 加载Visium HD生成的 .loupe 文件。

切换至空间视图
在上方导航栏选择 Spatial 视图，查看捕获区域的整体图像。

手动圈选样本区域

选择工具
点击工具栏中的 Freehand selection（多边形选区工具），用于精确圈选规则形状的样本。

绘制选区
放大视图（Ctrl/Cmd + 鼠标滚轮）至可清晰分辨样本边界。沿目标样本边缘逐点单击形成闭合多边形，确保选区完全包裹目标组织（避免覆盖相邻样本的斑点）

保存选区
选中样本后弹出Save Barcodes弹窗，命名并保存（如 Sample_A）。

重复圈选
对捕获区域内的每个样本重复上述步骤，确保各选区独立且重叠。

下游分析准备

导出数据格式
通过 Download barcode groupping as csv 导出为CSV文件，供Seurat、Scanpy等工具分析。

样本圈选后整合

import pandas as pd
import scanpy as sc# 读取各样本barcode信息sample_A_barcode = pd.read_csv('sample_A.csv', sep=',', skiprows=1, names=['Barcode', 'sample'])
sample_B_barcode = pd.read_csv('sample_B.csv', sep=',', skiprows=1, names=['Barcode', 'sample'])
sample_all_barcode = pd.concat([sample_A_barcode, sample_B_barcode], axis=0, ignore_index=True)
# 整张芯片数据读取
adata = sc.read_visium('binned_outputs/square_008um', library_id='embryo')
# 样本数据整合
adata = adata[adata.obs.index.isin(sample_all_barcode['Barcode'])]
obs = pd.merge(adata.obs, sample_all_barcode, left_index=True, right_on='Barcode', how='inner')
obs.set_index(adata.obs.index, inplace=True)
obs.drop(columns=['Barcode'], inplace=True)
adata.obs = obs

样本分割后简单查看

adata.var['mt'] = adata.var_names.str.upper().str.startswith('MT-') adata.var['ribo'] = adata.var_names.str.upper().str.startswith(("RPS","RPL"))sc.pp.calculate_qc_metrics(adata, qc_vars=['mt'], percent_top=None, log1p=False, inplace=True)fig, (ax1, ax2, ax3) = plt.subplots(nrows=1, ncols=3, figsize=(14, 7))sc.pl.spatial(    adata,    color='total_counts',    library_id='embryo',    title="sample_all_total_counts",    alpha_img=0,    show=False,    colorbar_loc=None,    ax=ax1)sc.pl.spatial(    adata[adata.obs['sample']=='sample_A'],    color='total_counts',    library_id='embryo',    title="sample_A_total_counts",    alpha_img=0,    show=False,    colorbar_loc=None,    ax=ax2)sc.pl.spatial(    adata[adata.obs['sample']=='sample_B'],    color='total_counts',    library_id='embryo',    title="sample_B_total_counts",    alpha_img=0,    show=False,    colorbar_loc=None,    ax=ax3)