BioF3 FigCode · SCI 绘图代码集

空间细胞解卷积（Spatial Deconvolution (Python)）

导出日期：2026年6月27日

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

解决的生物学问题

组织上每个 spot 是哪几种细胞的混合？各细胞类型的空间分布如何？

应用场景

Visium 细胞类型空间图谱
cell2location / Tangram 解卷积结果展示
肿瘤微环境细胞构成
空间组论文 Figure 3

输入数据格式

AnnData 空间对象 + 细胞类型丰度矩阵（spot × celltype，来自 cell2location / Tangram）

关键参数

cell_abundance（spot × celltype 丰度矩阵）
cmap = "Reds"（丰度热度配色）
ncols = 2（拼图列数）
spot_size（spot 点大小）

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-deconv-c2l.R
curl -O https://<your-site>/figcode/data/spatial-deconv-c2l.csv

3. 安装依赖

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

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

完整代码

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

# --- Demo: Squidpy 内置小鼠脑 Visium HnE 真实数据 ---
adata = sq.datasets.visium_hne_adata()

# --- 模拟解卷积输出（实际由 cell2location / Tangram 生成）---
# 用 marker 平均表达近似各细胞类型在 spot 的丰度，避免运行时长训练
sc.pp.normalize_total(adata, target_sum=1e4); sc.pp.log1p(adata)
celltype_markers = {
    "Astrocyte": ["Gfap", "Aqp4"], "Neuron": ["Snap25", "Rbfox3"],
    "Oligodendrocyte": ["Mbp", "Plp1"], "Microglia": ["Cx3cr1", "C1qa"],
}
for ct, genes in celltype_markers.items():
    g = [x for x in genes if x in adata.var_names]
    adata.obs[ct] = np.asarray(adata[:, g].X.mean(axis=1)).flatten() if g else 0.0

# --- Top 细胞类型空间丰度（2x2 拼图）---
sc.pl.spatial(adata, color=list(celltype_markers.keys()), img_key="hires",
              ncols=2, cmap="Reds", 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 + 细胞类型丰度矩阵（spot × celltype，来自 cell2location / Tangram）
使用 read.csv() / readRDS() 读取本地文件