空间转录组: DLPFC数据集分析 (3)

数据科学工厂

发布于 2025-11-19 16:05:55

610

文章被收录于专栏：数据科学（冷冻工厂）数据科学（冷冻工厂）

引言

本系列讲解 空间转录组学 (Spatial Transcriptomics) 相关基础知识与数据分析教程[1]，持续更新，欢迎关注，转发，文末有交流群！

差异表达

通过成对 t 检验，特别是针对每个聚类或空间域的上调表达进行测试，来识别每个聚类或空间域的标记基因。

我们使用 scran 包来计算差异检验。我们使用二项式检验，这是一种比默认成对 t 检验更严格的检验，并且倾向于选择那些更容易解释和通过实验验证的基因。

# using scran package
mgs <- findMarkers(spe, groups = spe$label, 
                   test = "binom", direction = "up")
top <- lapply(mgs, \(df) rownames(df)[df$Top <= 2])
length(top <- unique(unlist(top)))

##  [1] 49

使用热图可视化marker 基因。

pbs <- aggregateAcrossCells(spe, 
  ids = spe$label, subset.row = top, 
  use.assay.type = "logcounts", statistics = "mean")

# use gene symbols as feature names
mtx <- t(assay(pbs))
colnames(mtx) <- rowData(pbs)$gene_name

# plot using pheatmap package
pheatmap(mat = mtx, scale = "column")