作者湿刽，Evil Genius
慢慢的也要把空間的分析升級到高精度平臺了的烁。
群里有人分享自己發(fā)表的文章，說實話诈闺，我真心的羨慕渴庆，做科研這條路，文章是硬通貨，把自己說的天花亂墜襟雷，什么都會刃滓，都不如說一聲，自己是cell/nature期刊選手來的有說服力耸弄。而且前者像一個小丑??咧虎。
大家基本上都是科研人員，還有機會计呈，專心做一個課題砰诵，我希望大家有條件讀個好博士，我工作了以后捌显，真的發(fā)現(xiàn)茁彭，博士學(xué)歷非常重要，發(fā)表文章的質(zhì)量扶歪，更加重要尉间。
今天我們分享一個簡單的流程升級，對于高精度平臺击罪，無論是HD哲嘲、Stereo-seq、Xenium媳禁、CosMx（前提是做了細胞分割眠副，拿到單細胞級別的空間矩陣）等都有一個共同的特點，如下圖：
各個區(qū)域的細胞密度不同竣稽，如果是visium囱怕，鄰域一般考慮周圍6個spot，這個低精度平臺的做法毫别， 到了高精度娃弓，這種做法就不合適了，需要調(diào)整了岛宦。
之前分享過一篇文章台丛，分析優(yōu)化----關(guān)于空間原位數(shù)據(jù)的鄰域分析優(yōu)化，提出了對于高精度平臺鄰域分析的見解砾肺，當(dāng)然了挽霉，很多文章也都在運用，那就是一定范圍內(nèi)的細胞都算為鄰域变汪，這要最直觀的結(jié)果就是不同細胞的鄰域不僅細胞種類不同侠坎，細胞數(shù)量也有差異。
我們需要實現(xiàn)的是裙盾，一定范圍內(nèi)（200um）实胸，拿到高精度平臺的空間鄰域矩陣(包括分子矩陣和細胞矩陣)他嫡。
基礎(chǔ)分析大家自己做，做好細胞定義庐完，拿到h5ad格式的數(shù)據(jù)
接下來我們來分析一下,首先是鄰域分子矩陣
import numpy as np
import pandas as pd
import scanpy as sc
import matplotlib.pyplot as plt
from sklearn.metrics.pairwise import euclidean_distances
# 加載空間轉(zhuǎn)錄組數(shù)據(jù) (.h5ad文件)
adata = sc.read('your_data_file.h5ad') # 替換為你的 h5ad 文件路徑
# 查看數(shù)據(jù)的基本信息
print(adata)
獲取細胞坐標和基因表達數(shù)據(jù)
