空间转录组聚类分析与生态位
作者，追风少年i
对于单细胞和空间转录组的数据分析而言，聚类分析都是绕不开的一个话题，从单细胞数据分析的角度看，聚类分析得到的聚类结果，每个群代表了某种细胞类型，运用经典的marker或者生信的手段可以将其注释并用于下游的个性化分析，单细胞所有的个性化分析都建立在细胞注释的前提之上；那么对于空间转录组，由于其每个spot包含了多个细胞，可能是相同的细胞类型，但更多的为不同细胞类型的混合，这样的条件下，聚类分析的手段相对于单细胞会有什么样的差异？应该如何解读空间转录组的聚类分析？这样的分析，对于我们认知组织的空间结构提供了怎样的视角？本篇就带领大家走进空间转录组聚类分析的世界。
空间转录组分子聚类
所谓分子聚类，即跟单细胞聚类的方法一致，采用细胞/基因的矩阵进行降维聚类，跟单细胞所不同的是这里是spot/基因的矩阵进行降维聚类，示意图如下：
图1 空间转录组分子聚类
降维聚类的结果跟单细胞很相似，采用的降维手段也是PCA、TSNE/UMAP，尤其在分析空间多样本整合聚类的时候，采用UMAP非线性降维的方式居多，聚类方法通常采用louvain/leiden，另外空间还可以展示聚类结果的空间分布，如下图：
图2 空间聚类结果
如前所述，单细胞的聚类结果每个群代表了某种细胞类型，那么对于空间转录组而言，聚类结果则代表了某个区域，但是请注意，每个区域都是由多种细胞类型混合而成，正是由于细胞类型的有序结合和相互作用，才会形成特定的空间区域，行使特定的生物学功能。
分子聚类的基础仍然是基因，从基因的角度进行聚类，也体现了基因的空间区域分布特征，而基因的载体是细胞，基因的空间区域分布，体现的就是细胞的空间特异性，尤其在细胞通讯的研究中，配受体基因的空间分布蕴含了丰富的交流信息；其次空间聚类不仅仅划分了区域特征，同时也为我们确定了组织区域的边界，组织作为一个有序的统一体，各个空间区域的边界分析、尤其是tumor与normal的边界分析，已经成为了空间转录组研究的重点。
