空间聚类图（Spatial Clusters）

分类：降维可视化 ｜ 依赖包：squidpy、scanpy、matplotlib

解决的生物学问题

组织中不同区域的转录组特征如何？空间聚类是否对应已知解剖结构？

应用场景

• 10x Visium 空间聚类展示
• 组织微环境区域划分
• 肿瘤异质性空间分布
• 空间与单细胞聚类对比

输入数据格式

AnnData 空间对象（adata.obsm["spatial"] 含坐标 + obs.cluster）

关键参数

• img_key = "hires"（叠加 H&E 组织底图）
• color = "cluster"（着色字段）
• spot_size（spot 点大小）
• crop_coord（裁剪空白区域）

快速开始

1. 直接在线运行

打开 FigCode 在线绘图，点击本工具卡片的"在线绘图"按钮即可用内置示例数据出图，零环境配置。

2. 本地复现

下载脚本和示例数据，本地 RStudio 运行：

# 下载
curl -O https://<your-site>/figcode/scripts/spatial-cluster.R
curl -O https://<your-site>/figcode/data/spatial-cluster.csv

3. 安装依赖

# CRAN 包
install.packages(c("squidpy", "scanpy", "matplotlib"))

# Bioconductor 包（如需）
# BiocManager::install(c())

完整代码

import squidpy as sq
import scanpy as sc
import matplotlib.pyplot as plt

# --- Demo: Squidpy 内置小鼠脑 Visium HnE 真实数据 ---
# 含组织 H&E 高清底图 + 预计算的聚类标签
adata = sq.datasets.visium_hne_adata()

# --- 在组织切片上展示空间聚类（叠加 H&E 底图）---
sc.pl.spatial(
    adata, color="cluster",
    img_key="hires",          # 叠加 H&E 高清组织图
    size=1.5,                 # spot 相对大小
    legend_loc="right margin",
    title="Spatial clusters (mouse brain, Visium H&E)",
    show=False,
)
plt.savefig("plot_001.png", dpi=150, bbox_inches="tight")

替换为自己的数据

脚本中以 # --- Demo data --- 标注的段落是示例数据生成代码。替换为自己的数据时，保持列名一致即可：

• 输入格式：AnnData 空间对象（adata.obsm["spatial"] 含坐标 + obs.cluster）
• 使用 read.csv() / readRDS() 读取本地文件

延伸阅读

• 相关教程：空间聚类图 完整流程
• 出现 bug？欢迎在 FigCode 页面 点击对应卡片，在评论区留言。