跟着Seurat官网学空间转录组（10X数据集为例，包含细胞映射，无监督学习）

本教程演示如何使用 Seurat (>=3.2) 分析空间分辨的 RNA-seq 数据。虽然分析流程类似于用于单细胞 RNA-seq 分析的 Seurat 工作流程，但我们引入了更新的交互和可视化工具，特别强调空间和分子信息的整合。本教程将涵盖以下任务，我们相信这些任务对于许多空间分析来说都是常见的：

正常化 降维和聚类 检测空间变化的特征 交互式可视化 与单细胞 RNA-seq 数据整合 使用多个切片 对于我们的第一个小插图，我们分析了使用 10x Genomics 的Visium 技术生成的数据集。我们将在不久的将来扩展 Seurat 以使用其他数据类型，包括SLIDE-Seq、STARmap和MERFISH。

首先，我们加载 Seurat 和此小插图所需的其他包。

在这里，我们将使用最近发布的使用 Visium v​​1 化学生成的小鼠矢状脑切片数据集。有两个连续的前部分和两个（匹配的）连续的后部分。

您可以在此处下载数据，并使用Load10X_Spatial()函数将其加载到 Seurat 中。这将读取spaceranger管道的输出，并返回一个 Seurat 对象，该对象包含点级表达数据以及组织切片的关联图像。您还可以使用我们的SeuratData 包来轻松访问数据，如下所示。安装数据集后，您可以键入?stxBrain以了解更多信息。