空间转录组细胞共定位分析结果解读 MISTy分析
空间细胞共定位分析结果解读 MISTy分析
细胞共定位分析（cellular co-localization analysis）是空间生物学研究中的一个关键工具，它通过检测不同细胞类型或分子标记物在组织切片中的空间分布模式，揭示细胞间的邻近关系和潜在的相互作用。这种分析方法能够帮助我们理解细胞如何通过物理接触、旁分泌信号传递或其他局部机制进行交流，从而协调复杂的生物过程，如免疫应答、肿瘤微环境调控、组织修复等。
例如下面的文章中不同类型的细胞特异的共定位于另外一种细胞，或者不和其他细胞共定位：
结果解读：
1.不同的视角：MISTy将细胞的空间位置信息划分为多个不同的“视角”来捕捉不同尺度上的相互作用：
Intraview（Intrinsic） ：聚焦于单个spot内部的分子表达，即spot自身的特征。
Juxtaview ：关注邻近spot对目标spot的影响，即局部微环境中的spot间相互作用。
Paraview ：考虑更广泛的空间组织结构，例如整个组织中距离较远但仍然可能影响目标细胞的区域。
2.解释度 R²：
nintra.R2（Intraview R²）这是仅使用 intraview（内视图）时模型对目标细胞的解释能力
nmulti.R2（Multiview R²）这是使用 多视图模型 （multiview model）时的整体解释能力，包括 intraview、juxtaview（邻视图）和 paraview（远视图）等所有空间上下文的信息。这个值通常大于 intra.R2，因为加入了额外的空间信息，从而提高了模型的预测性能
ngain.R2（Gain in R²）这是在加入空间上下文（juxtaview + paraview）之后，相对于仅使用 intraview所带来的解释能力的提升，计算方式为：gain.R2=multi.R2−intra.R2
例如上图：paraview 特别增加了脂肪细胞和肥大细胞的解释方差。一般来说，R2 的显著增加可以解释为以下内容：“当我们考虑 intrinic view 以外的其他视图时，我们可以更好地解释标记 X 的表达。”
3.不同视角对目标细胞类型的解释贡献度：
例如，intraview 解释了几乎所有细胞类型的最大方差。绿色占比最多
4.共定位结果：
Importances（重要性得分）：模型（通常是随机森林）为每个预测变量（predictor）分配的重要性评分，表示该变量对目标变量（target）预测的贡献程度。
例如上图：观察到 心肌细胞（CM）是成纤维细胞（Fib）的重要预测因子，也就是CM与Fib共定位。
- 发表于 5天前
- 阅读 ( 82 )
- 分类：转录组
