Claude Code也能做单细胞+空转分析：专打高端局

# 下载并处理GSE172357单细胞数据
# 包含BPH_GN、BPH_SN和Normal样本
sample_groups = {
    'BPH_GN': 5个腺体结节样本,
    'BPH_SN': 4个基质结节样本,  
    'Normal': 3个正常样本
}
# 加载GSE242249空间转录组数据
spatial_data = "GSM7757059_A4_matrix.csv"

# CLAUDE.md

此文件为Claude Code (claude.ai/code)在该代码库中工作时提供指导。

## 项目概述
该代码库包含用于空间转录组学分析的Python代码，专门用于分析良性前列腺增生（BPH）样本的空间转录组数据。项目使用Visium空间转录组平台的数据进行无偏聚类分析和可视化。
## 常用命令
### 运行分析脚本
# 复现Figure 1的空间转录组聚类分析
python reproduce_figure1.py
# 分析Visium空间数据
python analyze_visium_data.py
# 分析真实的单细胞RNA-seq数据
python analyze_real_scrna_data.py
# 分析空间转录组数据
python analyze_st_data.py
# 创建空间可视化
python create_st_visualization.py
# Visium数据分析
python visium_analysis_final.py
### 所需Python包

该项目使用了几个关键的Python包：
- scanpy - 单细胞分析工具包
- pandas - 数据处理和分析
- numpy - 数值计算
- matplotlib/seaborn - 数据可视化
- scikit-learn - 机器学习工具
- scipy - 科学计算
- PIL - 图像处理

安装命令：
```bash
pip install scanpy pandas numpy matplotlib seaborn scikit-learn scipy pillow

## 代码架构和结构
### 数据处理流程

1. **数据加载**：脚本加载Visium空间转录组数据（CSV格式）和空间坐标信息
2. **数据预处理**：质量控制、标准化、过滤低质量细胞和基因
3. **降维分析**：使用PCA和UMAP进行降维
4. **聚类分析**：使用Leiden算法进行无偏聚类
5. **可视化**：创建空间分布图和UMAP图

### 关键组件

- `reproduce_figure1.py` - 复现论文Figure 1的主要分析脚本
- `analyze_visium_data.py` - Visium数据处理和分析函数
- `analyze_st_data.py` - 空间转录组数据分析函数
- `analyze_real_scrna_data.py` - 真实单细胞RNA-seq数据分析
- `create_st_visualization.py` - 空间数据可视化函数
- `visium_analysis_final.py` - 最终的Visium数据分析

### 数据流

1. 原始数据文件（`.csv`, `.h5`, 图像） →
2. 数据加载函数 →
3. 预处理和质量控制 →
4. 降维和聚类分析 →
5. 结果可视化和导出

该架构将关注点分离为用于数据处理、分析和可视化的模块化函数，允许灵活修改各个组件。

## 复现结果

最新的复现结果已保存在 `reproduced_analysis/` 目录中：
- `reproduced_figure1.png` - 复现的Figure 1图像，包含BPH样本中ST斑点的无偏聚类映射
- `spatial_clustering_result.h5ad` - 聚类分析结果的AnnData对象

聚类统计：
- 7个聚类，共2945个ST点
- Cluster 0: 971 spots
- Cluster 1: 648 spots
- Cluster 2: 559 spots
- Cluster 3: 252 spots
- Cluster 4: 230 spots
- Cluster 5: 192 spots
- Cluster 6: 93 spots

def load_visium_data():
    """Load Visium spatial transcriptomics data"""
    # 1. 加载表达矩阵 (基因×spot)
    matrix = pd.read_csv('GSM7757059_A4_matrix.csv', index_col=0).T
    
    # 2. 加载空间坐标
    positions = pd.read_csv('GSM7757059_tissue_positions_list.csv', header=None)
    positions.columns = ['spot_id', 'barcode', 'in_tissue', 'array_row', 
                        'array_col', 'pxl_row_in_fullres', 'pxl_col_in_fullres']
    
    # 3. 加载缩放因子
    with open('GSM7757059_scalefactors_json.json', 'r') as f:
        scale_factors = json.load(f)
    
    # 4. 加载组织图像
    tissue_img = Image.open('GSM7757059_tissue_hires_image.png')
    
    return matrix, positions, scale_factors, tissue_img

def preprocess_data(adata):
    # 1. 计算QC指标
    adata.var['mt'] = adata.var_names.str.startswith('MT-')
    sc.pp.calculate_qc_metrics(adata, percent_top=None, inplace=True)
    
    # 2. 过滤细胞和基因
    sc.pp.filter_cells(adata, min_genes=200)
    sc.pp.filter_genes(adata, min_cells=3)
    
    # 3. 标准化
    sc.pp.normalize_total(adata, target_sum=1e4)
    sc.pp.log1p(adata)
    
    # 4. 筛选高变基因
    sc.pp.highly_variable_genes(adata, min_mean=0.0125, max_mean=3, min_disp=0.5)
    adata.raw = adata
    adata = adata[:, adata.var.highly_variable]
    
    # 5. 缩放数据
    sc.pp.scale(adata, max_value=10)
    
    return adata

def plot_results(adata, sample_name):
    # 创建双面板图表
    fig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12,5))
    
    # 预定义7个簇的颜色
    cluster_colors = ['#1f77b4', '#ff7f0e', '#2ca02c', '#d62728',
                     '#9467bd', '#8c564b', '#e377c2']
    
    # 左面板：空间分布
    for cluster in range(7):
        ax1.scatter(空间坐标, c=cluster_colors[cluster], s=6)
    ax1.set_title('A                                    ST data')
    ax1.add_patch(标尺)  # 添加1mm标尺
    
    # 右面板：UMAP降维
    for cluster in range(7):
        ax2.scatter(UMAP坐标, c=cluster_colors[cluster], s=3)
    ax2.set_title('B                 ST data')
    
    # 添加图例
    ax1.legend(handles=图例句柄)
    ax2.legend(handles=图例句柄)
    
    plt.savefig(f'{sample_name}_st_visualization.png')