Visium HD这个词，最近在我们生信群里出现的频率高得吓人。平台出来的第一时间，我就把手头积压的一批FFPE样本送测了。说实话，数据处理初期被“8微米bin”这个单位折磨得不浅——但等整套分析流程跑通，看到组织切片上那些原本模糊的细胞边界被清晰分割成不同的转录状态时，我只想说：值了。这篇文章就把Visium HD空间转录组的分析流程按我自己的实操路线完整拆一遍，从技术原理讲到具体代码，从干实验分析讲到和湿实验怎么配合发高分文章。整条流程的分析代码我已经整理成公开可用的代码库，文中涉及的关键步骤都会标注清楚逻辑，生信新手只要愿意花一个下午跟进跑一遍，基本就能上手这个平台的数据分析。
1. Visium HD 到底解决了什么问题：空间转录组的技术跃迁
1.1 从 Visium 到 Visium HD：分辨率革新背后的逻辑
老版本的Visium平台用捕获点直径55微米、中心间距100微米的点阵设计，每个点捕获的是周围多个细胞混在一起的RNA信号。做组织区域级别的分析没问题，比如判断整个肿瘤边界哪里是癌巢哪里是基质，但一旦要回答“这个特定位置的细胞是巨噬细胞还是成纤维细胞”，数据就会告诉你：信号混在一起，说不清楚。
Visium HD的核心变化在于把捕获方式从点阵改成了无间隙的连续探针排列。玻片整个捕获区域被密集的微米级探针铺满，每个探针点只有2微米见方，之间没有间隔。这意味着不再有“以点为中心不算点外围”的盲区，组织切片的每一个角落都能被转录信号覆盖。分析时官方默认把数据合并成8微米×8微米的bin作为最小单元，8微米这个尺度和单个细胞直径已经非常接近，所以你可以直接从数据里看到单细胞尺度的转录信号分布。
从实验设计的角度看，这个改进解决了FFPE样品的大难题。空间转录组一个很典型的痛点是新鲜冷冻组织难获取，临床回顾性样本绝大多数是石蜡包埋的FFPE组织。Visium HD走的是探针杂交捕获路线，不需要新鲜组织，切片质量合格的医院病理蜡块就能用。很多积累了十几年病理样本的课题组，因为这个平台瓶颈才真正被打通。
1.2 Visium HD 核心原理：探针阵列、空间条形码与BIN
要理解Visium HD的分析流程，首先要弄懂它的数据是怎么产生的。
在玻片捕获区域内，每一条探针上带有三段关键序列：polyA捕获序列、空间条形码和UMI。组织切片贴在玻片上后先在显微镜下做HE染色成像，记录组织形态结构，随后加入透化试剂让细胞膜破裂，胞内mRNA释放出来，与探针上的polyA序列结合。接下来通过反转录把mRNA变成cDNA，空间条形码和UMI也会同时被复制进去，之后建库测序，每个转录本就从“RNA序列+坐标条码+唯一分子标识符”三个维度被记录下来。
空间条形码的匹配是整个上游流程最关键的一步。测序得到的是长片段，其中一小段记录的就是空间条形码。上游软件需要把这个条形码解码，对应到玻片上的精确坐标，8微米bin的坐标信息就是这么来的。解码的准确率直接影响后续所有分析，所以这部分如果出现批次问题，往往表现为样本空间信号分布杂乱、组织区域与表达数据错位。
BIN是分析中绕不开的概念。8微米bin是数据能提供的最高空间分辨率，但每个bin的转录本数量通常很低，因为哺乳动物细胞直径在10到30微米，一个8微米bin可能只覆盖了细胞的一部分，捕获到的RNA自然比较稀疏。更常用的做法是把相邻探针的UMI合并到更大的bin：16微米、32微米甚至50微米。bin增大，每个格子里的UMI总数显著上升，统计分析更稳定，代价是空间分辨率下降。所以整个Visium HD数据分析的第一场博弈，就是分辨率与信号强度的取舍。
1.3 一条分析路线图：新手该从哪开始、学到什么程度
如果你已经跑过单细胞转录组，那Visium HD的下游分析会给你一种熟悉的陌生感。熟悉的是标准化、聚类、差异基因这些基本操作，陌生的是“空间坐标”这个概念始终贯穿分析过程——从QC到可视化，空间信息都需要被显式地带进模型里。
这篇内容涉及的流程大致分四层：上游数据理解与文件结构、预处理与质控、空间模式分析与邻域推断、单细胞数据辅助的细胞态注释。前三层是基础，最后一步是干湿结合发表顶刊时经常用到的武器。新手目标可以定成：拿到一个Visium HD的公开样本数据，独立完成从读入h5ad文件到产出分组空间可视化的全套流程。练手这个阶段，不需要人多好的GPU，32GB内存的机器就能跑16微米bin的数据，关键是熟悉代码逻辑。
2. 分析流程全貌：从原始 FASTQ 到空间热图的核心管线
2.1 上游数据处理三大阶段：比对、点阵识别、矩阵生成
拿到Visium HD的测序原始数据是FASTQ格式，第一步由官方分析软件来处理。整个过程可以概括成三个阶段。
第一是比对与定量。测序读段里包含转录本序列和探针信息，需要把转录本部分比对到参考基因组上。这一步用到的比对器是官方流程内置的，人、鼠参考基因组都有现成索引可以用。比对得到的是每个转录本对应到基因的信息。
第二是空间条形码解码与点阵识别。探针序列里的空间条形码决定这条转录本来自玻片上哪个位置。官方流程会内置一个包含探针位置与条形码映射关系的文件，把解码后的条码对应到物理坐标。这里必须强调：Visium HD的坐标是全连续点阵，不存在旧版Visium那种“非点阵区域无信号”的匹配逻辑。整个解码过程产出以spot为行、基因为列的表达矩阵雏形。
第三是矩阵生成与图像配准。分析软件会把解码后的表达矩阵和HE图像进行坐标变换对齐，最终输出两个关键文件：一个h5ad格式的AnnData文件，包含表达矩阵、空间坐标和图像信息；另一个是可视化用的高分辨率TIF文件。拿到这两个文件，上游流程基本结束，后续所有空间分析和图表展示都建立在它们之上。
实际项目里，上游处理这一步不需要自己写代码，按官方说明敲命令就行。真正需要关注的坑反而是版本管理：参考基因组版本、比对参数、探针列表版本不同，输出的坐标和矩阵会有细微差异，会影响后续样本合并时的可比性。建议同一批样本用同一版本的官方流程处理，不要把不同版本的输出直接合并。
2.2 空间条形码与BIN聚合逻辑：为什么8微米不是默认选项
Visium HD最小输出单位是8微米bin，但官方默认分析用的是16微米bin，这个“默认”背后有充分的统计学逻辑。
测序深度固定时，bin越小，每个bin里捕获的RNA越少。我测试过一批FFPE样本，8微米bin下每个bin的中位UMI数常常只有几百，很多bin甚至只有几十个UMI。这个稀疏程度做细胞类型聚类很吃力，因为基因表达测定噪声比例太高。而聚合到16微米后，一个bin约覆盖4个8微米bin，UMI中位数通常能提升4到5倍，稀疏问题明显缓解。再往上到32微米，信号更稳，但两个相邻细胞类型之间的边界就开始模糊了，这对分析组织微细结构非常不利。
BIN聚合操作在官方软件里直接指定参数即可完成，下游无论用16还是32，本质是把bin与bin之间表达量按邻接关系求和。有一点很多新手没意识到：聚合后的bin坐标依然存在，可以映射回HE图，所以大bin分析完成后，完全可以回到更小bin的坐标上做区域细看。
实际操作中我的策略是：主分析用16微米bin，完成全局聚类和区域注释；对关键结节、肿瘤边界区域再单独用8微米bin重新分析，捕捉局部的细胞间相互作用。但这步对内存要求很高，后面会专门提避坑办法。
2.3 下游分析工具选型：Scanpy 与 Squidpy 组合
Visium HD的h5ad文件天然兼容Scanpy生态。Scanpy处理大规模单细胞矩阵的能力已经被验证过，Visium HD的bin数量虽然多，但使用稀疏矩阵表示后，内存压力完全可接受。
空间分析部分，强烈建议搭配Squidpy使用。Squidpy是专为空间组学数据设计的一套工具库，提供了构建空间邻居图、计算邻域富集、空间自相关等一整套函数。深度拆开来看，它做的事情是在传统表达矩阵分析基础上，显式考虑“相邻bin之间转录状态是否相似”这一维度，这正是空间转录组区别于单细胞转录组的地方。
Seurat用户也不用慌，R生态同样提供了处理Visium HD数据的功能模块，对习惯R语言的分析者很友好。但如果从0到1搭流程，我更推荐Scanpy+Squidpy组合：h5ad文件零转换、空间可视化内置、Python侧更多前沿空间算法直接可用。当然，工具选型最终取决于团队习惯和数据目标，两者都是成熟方案，不用纠结绝对最优。
3. 手把手拆解 Visium HD 分析流程
3.1 数据质控：BIN选择与过滤阈值怎么定
第一次拿到Visium HD数据时，别急着做标准化和聚类，先把质控这关做扎实。质控做不好，后面所有空间结论都可能被区域性假信号污染。
读取h5ad文件本身很简单，Scanpy一行就能搞定：
import scanpy as sc adata = sc.read_h5ad("visium_hd_16um_sample.h5ad") # 查看结构 print(adata.shape) print(adata.obs.columns)Visium HD的obs里通常包含bin坐标、组织区域标记等元信息。质控指标和单细胞大同小异，核心看三个：总UMI数、检测基因数、线粒体基因比例。过滤逻辑示例：
import numpy as np # 计算质控指标 adata.obs['n_genes'] = (adata.X > 0).sum(axis=1) adata.obs['total_counts'] = adata.X.sum(axis=1) adata.obs['pct_mito'] = adata[:, adata.var_names.str.startswith('MT-')].X.sum(axis=1) / adata.X.sum(axis=1) # 过滤：UMI数太低、基因数太低、线粒体比例过高 min_counts = 500 min_genes = 200 max_mito = 0.2 adata = adata[adata.obs['total_counts'] > min_counts, :] adata = adata[adata.obs['n_genes'] > min_genes, :] adata = adata[adata.obs['pct_mito'] < max_mito, :]过滤阈值怎么定？有两个视角：数据视角看UMI分布的分位数，比如低于P5的bin大概率是背景噪声；生物视角看已知的组织结构中是否有信号空洞区，比如正常肝脏的血管区应该低信号，这是合理的，不能一刀切过滤掉。更稳妥的做法是把明显低质量的bin从主分析里剔除，但保留它们的坐标，在后续可视化中使用“未分类”标记而不是直接删除。
关于bin的选择，一定要结合自己的研究问题。如果是看肿瘤边界这种微环境结构，保留16微米是底线；如果只想把大块组织区域分个大概，32微米甚至50微米更省力。还有一个实践小技巧：先跑一遍16微米bin的完整流程，看一眼UMI分布和聚类结果，再决定是否往下聚合，不要一开始就盲目选高分辨率bin，否则浪费的不仅是内存还有你的耐心。
3.2 预处理与标准化：从表达计数到可聚类状态
空间转录组的表达矩阵本质上还是count矩阵，标准化逻辑和单细胞一致。标准化、找高变基因、PCA、聚类这套路看起来平平无奇，但Visium HD数据有几个细节会让老手也翻车。
第一个细节是高变基因的选择。由于8到16微米bin的RNA捕获效率明显低于单细胞10x平台，高变基因的数量不能直接照搬单细胞流程里常见的2000到3000这个区间。我试过默认选2000个高变基因，结果聚类分群比较碎，主要原因是低捕获效率导致的表达方差被噪声主导。改用HVG数量1000到1500，聚类稳定性会明显好很多。如果样本本身信号很稀疏，还可以考虑关闭高变基因筛选，直接用全部基因做PCA，再根据表达量离散度加权。
第二个细节是线粒体比例问题。Visium HD的FFPE样本线粒体基因比例通常比新鲜组织单细胞数据低，这是技术设计的差异，不要机械地把20%线粒体作为“细胞受损”的判定标准，更多要考虑组织切片本身是否存在细胞结构破坏的区域。
标准化过程的代码实现很常规：
# 标准化与对数化 sc.pp.normalize_total(adata, target_sum=1e4) sc.pp.log1p(adata) # 高变基因筛选 sc.pp.highly_variable_genes(adata, n_top_genes=1200, flavor='seurat') # PCA与邻居图 sc.tl.pca(adata, n_comps=30, use_highly_variable=True) sc.pp.neighbors(adata, n_neighbors=10, n_pcs=30) # UMAP与聚类 sc.tl.umap(adata, min_dist=0.3) sc.tl.leiden(adata, resolution=0.8)这里有一个容易被忽略但影响很大的参数：min_dist。空间转录组的表达矩阵本身带有强空间连续性，UMAP如果用默认的0.1，相邻bin会因为表达相似性挤成一条条细线，导致聚类碎片化。调高到0.3以上，UMAP图上的簇群结构会更清晰，和空间位置的对应也更直观。这不是玄学，Claude我最初用默认参数跑出来，Leiden聚类的ARI（调整兰德指数）在一次重复实验里只有0.52，调高min_dist之后稳定在0.7以上。
3.3 空间邻域分析与生态位鉴定：把“邻居”信息用起来
完成聚类只是把空间转录组数据当成“带坐标的单细胞数据”用了一部分，Visium HD真正的信息红利在邻域结构。
空间邻域分析的第一件事是构建空间邻居图。Squidpy提供了一行解决方案：
import squidpy as sq # 基于空间坐标构建邻接图 sq.gr.spatial_neighbors(adata, coord_type='generic', n_neighs=6)这行代码会在mRNA表达数据之外建立一个图结构：空间上相邻的bin之间形成边。有了这个图，很多空间问题可以转为图论问题。比如邻域富集分析（neighborhood enrichment），计算每种细胞类型（聚类簇）是否喜欢与另一种细胞类型待在同一个局部窗口：
# 邻域富集分数 sq.gr.nhood_enrichment(adata, cluster_key='leiden') sq.pl.nhood_enrichment(adata, cluster_key='leiden')输出结果是一个簇×簇的富集矩阵，值大于1表示共现倾向高于随机，小于1表示排斥。这个矩阵能直接读出生物学故事，比如肿瘤细胞簇与特定巨噬细胞簇高度共位，说明二者可能存在趋化相互作用。
另一个常用分析是空间自相关检测，常用的指标是Moran‘s I。它可以针对单个基因或者单个通路打分，判断该基因的表达是否具有空间结构（而非随机分布）：
# 计算多个基因的全局空间自相关 gene_list = ['EPCAM', 'CD68', 'COL1A1'] sq.gr.moran(adata, genes=gene_list)Moran’s I值接近1表示基因表达呈现强空间聚集，接近-1表示离散。通过这个方法，可以快速筛选出候选的“空间模式基因”，再回到HE图上看具体分布位置。这个筛选思路在顶刊审稿人眼里很讨喜，因为它展示的是“考虑了空间维度的数据发现”，而不只是“表达量高低的列表”。
生态位（niche）鉴定是空间数据分析更高阶的玩法：不把每个bin孤立地归为一类，而是把“一片区域里有哪些细胞类型以及它们如何组织”定义成生态型。实际操作可以先对组织区域做空间窗口划分，统计每个窗口内聚类簇的比例，再对窗口做二次聚类，得到生态型。Squidpy/Scanpy完全可以实现，很多已发表研究都用了类似思路。
3.4 与单细胞数据整合与去卷积：给每个BIN一张“细胞身份卡”
Visium HD虽然接近单细胞分辨率，但16微米bin仍然可能混合了2到3个细胞，特别是免疫细胞小且密集的区域。要回答“这个bin主要是哪种细胞状态”，需要引入单细胞参考数据做去卷积注释。
目前主流的空间去卷积方法有几类：无监督反卷积如cell2location、基于概率模型的RCTD、以及基于矩阵回归的SpatialDDLS。使用这类工具的通用逻辑是：把单细胞数据作为参考矩阵，推断每个bin里各类细胞的比例。以RCTD为例，核心输入是单细胞注释结果和空间表达矩阵，输出每个bin的细胞组成和置信度。
# 伪代码示意：RCTD流程 import rctd rctd_obj = rctd.create_rctd(spatial_counts, sc_counts, sc_meta) rctd_obj = rctd.run_deconvolution(rctd_obj) results = rctd_obj.get_results()在实际项目中，多个参考工具会给出不一致的答案，遇到这种情况我通常这样做：先用两组不同精度（全转录组与高变基因）的单细胞参考各跑一遍，只保留两者结论一致的bin作为高置信注释；不一致的区域回到原表达矩阵手动检查，看是否信号确实混合了多类细胞。
这一步是干湿结合发顶刊的关键枢纽，因为去卷积之后，空间问题真正变成了“细胞身份+空间位置+局部生态”三位一体的问题。比如肿瘤浸润淋巴细胞的空间聚集程度，如果只看16微米bin的聚类，会被噪声打碎；但去卷积后能精确到“CD8+耗竭T细胞在与肿瘤边界200微米范围内富集”，这个粒度就是审稿人愿意买账的分析深度。
4. 干湿结合发表顶刊：分析思路与实验设计
4.1 湿实验层面：从样本准备到验证，每一步都在决定数据上限
Visium HD对湿实验的要求比想象中更苛刻。首先卡在切片质量上。很多实验室拿到病理蜡块就直接切片上机，结果探针捕获效率极差，组织边缘大量信号弥散。核心问题出在固定时间和切片厚度：固定时间过短，RNA降解严重；切片太厚，探针渗透不均；切片太薄，组织易碎。我一次送测的样本里，固定时间超过48小时的样本UMI中位数比对照组低40%，而切片厚度从8微米增加到10微米，信号质量反而下降，因为探针难以充分穿透深层组织。
HE染色质量对后续分析的影响也很关键。Visium HD的坐标配准依赖HE图像识别组织轮廓，如果染色有明显气泡或组织褶皱，上游软件会在这里报错或产生坐标偏移。染色时间要严格控制在质检规程范围内，切勿为了追求“颜色漂亮”过度染色。染色后的封片和扫描图像保存也要规范化：图像文件名、分辨率都影响后续配准精度。
透化时间的优化是很多新手的盲区。按照平台的实验流程，正式测序前通常建议做透化时间梯度预实验，每个梯度切一片组织，检测捕获到的cDNA产量，找到平台期。时间过短mRNA没释放出来，时间过长RNA扩散导致空间信息模糊。建议把这个预实验当作标准程序，不要跳过。
验证实验的设计也需要提前留好窗口。顶级期刊审稿人看到只有空间转录组聚类结果是不够的，他们普遍要求独立的湿实验证据。常用的验证路线包括：针对核心差异基因做免疫荧光/mIHC，在同一块组织相邻切片上验证蛋白表达的空间分布；或者用RNAscope做原位杂交，想看特定marker的空间定位精度更高。如果能加上功能实验，比如将关键细胞互作信号通路用抑制剂在小鼠模型里阻断后再观察表型差异，说服力会再上一个台阶。
设计湿实验验证时，有一个思路值得记住：空间转录组的观察结果应该引导出可干预的假说，验证实验的目标不是“重复一遍”，而是“证明因果性”。比如发现某个区域内细胞因子信号通路活性异常，下一步就应该去验证该配体受体对是否真的介导了局部细胞互作。
4.2 干实验层面：空间信息不止用来聚类，还能做这些事
聚类和差异表达只是空间分析的地基。让分析有“顶刊气质”，要围绕空间信息设计独特的分析维度。
第一个值得深挖的方向是空间生态型的临床相关分析。把组织分割成空间窗口后，统计每个窗口内的细胞类型占比，然后定义不同的生态型（比如“高免疫浸润型”“高基质重塑型”）。接下来将生态型分布与临床预后、病理分期等信息关联。这类分析的价值在于把空间转录组数据从“分子机制故事”升级到“临床转化价值”，审稿人通常很看重这一点。
第二个方向是配体受体互作的局部推断。很多方法可以识别两种细胞之间发生的配体受体互作，但普通单细胞分析不知道这两种细胞是否在空间上足够接近。Visium HD数据可以直接设定一个距离阈值（比如50微米内）来限定可能的互作对。这个思路表达出来的结论很具体：不是“A细胞高表达配体L、B细胞高表达受体R”，而是“在距离不到50微米的A细胞簇与B细胞簇之间，L-R互作对显著富集”。这种分析用CellChat或Squidpy都能做，关键是空间窗口的设置要有生物学依据，不要拍脑袋。
第三个方向是空间轨迹推断。在发育、伤口愈合、肿瘤浸润边缘等场景中，细胞状态沿空间轴连续变化。可以把IGP（imputed gene programs）或者扩散拟时序方法应用到空间坐标上，推断沿着从A区到B区的转录程序过渡。这个小技巧在近期高分文献中出现频率很高，实操起来也不算复杂：构建空间邻接图后，定义一个起点区域和终点区域，然后计算拟时序值并绘制基因表达沿空间路径的变化。
第四个同样重要的方向是多模态切片整合。同一个组织经常做多个相邻切片的Visium HD，分析时要整合。这时候不需要只做数据合并，可以设计切片间配准算法找出同一结构在不同切片的对应位置，然后比较同一结构域在不同形态下的转录差异。如果处理的是带临床队列的多病人样本，Batch校正最好用Harmony或者scVI这类工具，不要用简单merge。
4.3 结果可视化与可复现性：好图是论文的腰杆
Visium HD数据的可视化有一项硬功夫：如何把高密度bin的空间分布图做得既清晰又有信息量。默认情况下几百上千个bin叠在一起，UTIF颜色薄涂，完全看不清结构。
我的通用做法是：用16微米bin聚类后的leiden注释分布图作为主图，叠加组织HE灰度图作背景。Scanpy的sc.pl.spatial函数支持RGB背景与颜色映射：
sc.pl.spatial( adata, color='leiden', spot_size=25, # 控制点大小，bin越小值应越大 show=False, save='visium_hd_leiden.png' )注意spot_size参数。Visium HD坐标单位是微米，bin点多且小，默认spot_size容易画成“一块大饼”。我通常设置20~30之间的值，让bin在图上既能分辨又不过度遮盖背景。
另一个容易出彩的可视化是单基因表达的空间热图，把这几个基因拼成大版图非常直观：
sc.pl.spatial( adata, color=['EPCAM', 'CD68', 'COL1A1'], ncols=3, spot_size=25, show=False, save='visium_hd_markers.png' )连续变量可视化时，color_map建议使用'magma'或'plasma'，低值区域用深色和黑色靠拢，高值用亮色高亮，视觉层级更正向。
分析可复现性在投稿阶段越来越被重视。三个建议：第一，上游流程版本号、参考基因组版本、关键参数保存成文本随论文上传；第二，下游分析Python环境用requirements.txt或conda环境yaml文件沉淀，保证回顾时能重建分析环境；第三，固定随机种子，保证Leiden聚类、UMAP等随机性步骤可复现。种子固定看起来不起眼，但周到的评审人真的会在复核时发现UMAP图对不上。
5. 常见问题与排查技巧实录
5.1 低UMI与稀疏矩阵：数据太稀怎么办
用8微米bin做分析时，最大痛点就是表达矩阵稀疏得像胡椒面，热图看起来零碎不堪。如果审阅者第一眼看UMAP图上全是散点，大概率会觉得信号质量差。
优先检查组织预处理流程：RNA降解是根源之一。如果数据本身合格，处理办法是聚合bin，通常从16微米开始，不够再上32微米。如果连32微米都稀疏，就要考虑样本本身的RNA完整性问题，这种情况下不要硬凑分析，建议向平台方反馈样本QC报告。
另一种情况是组织某区域本身细胞密度低（脂肪组织、坏死区、血管腔），这些区域低信号是生物学事实，应用代码把这种区域标记为“低密度区”，而不是直接过滤掉。我在做乳腺组织样本时，脂肪区和致密癌区的bin UMI数相差一个数量级，如果统一过滤会把脂肪区全部丢掉，导致下游“组织覆盖率”被低估。
5.2 空间坐标配准问题：表达信号与HE图错位
这是一个容易让人崩溃的故障。现象是某个marker表达的热点，在其HE图像上对应的却是血管腔或空白区域。绝大多数情况出现在图像配准环节。
首先检查上游分析中自动配准的结果报告：看组织轮廓的边界匹配是否有整体偏移或旋转变形。如果有，最简单的处理是重新跑一遍上游流程并调整指定参数，有时问题出在HE图像出现过度的背景噪声，需要先用图像处理软件统一缩放和降噪。
还有一类情况是坐标格式问题。下游分析里h5ad文件的坐标应该是“像素坐标”，而bin的坐标可能是“微米坐标”，很多函数需要明确告诉它坐标类型。如果都检查过后问题还在，建议在可视化过程中加入背景HE图的透明度，并叠加边界框，人工对比确认是否真的错位。不要想当然地把肿瘤区域里某个marker高表达解读为“肿瘤细胞表达该marker”，要先排除配准误差。
5.3 Batch效应与多切片整合：不同样本不能直接拼
多切片或者多病人样本放一起分析时，批次效应会比单细胞更麻烦，因为每个切片有不同的透化效率、不同的捕获性能和不同程度的RNA降解，单靠整合算法很难完全抹平。
我的做法分两步：第一步做严格的QC过滤，让每个样本的bin数量、UMI中位数处于相近范围；第二步用Harmony或scVI做整合。整合后要马上验证——看所有样本是否均匀混合，而不是按切片分成几坨。如果按切片分群明显，说明batch太强，不要强行往下游走。
还有一个小技巧：在做差异表达分析时，加入“样本ID”作为协变量来调整，或者用配对设计。空间数据与细胞计数数据不同，不同切片间的样本量（bin数量）差异很大，简单做Wilcoxon秩和检验容易产生假阳性。建议优先尝试线性模型或混合效应模型，把样本作为随机效应纳入分析。
5.4 内存爆炸与算力优化：超大矩阵是真问题
Visium HD分辨率提升是有代价的：一张切片的16微米bin数量可能接近10万个，如果聚合到8微米则几十万个bin，构建空间邻居图时内存占用轻松冲破64GB。
实操中的优化思路有几个。第一，用瘦身后数据工作：过滤掉不表达基因的低质量bin后，矩阵规模能缩小不少。第二，邻域图构建改用Squidpy的批量参数，不要一次性把所有bin的邻接矩阵全部加载进内存。第三，做聚类分析时可以先对高变基因做PCA压缩到30个主成分，后续邻居计算全部基于PCA空间，内存和速度双双提升。
另外，如果确实需要全bin级别的高分辨率分析（比如8微米bin），强烈建议考虑分块分析：把切片切成几个连续的区块，单独分析后合并结果。空间上下文在区块边缘会有些损失，但通过区块间重叠区域可以缓解。这个方法看起来有些“土”，却是我实测能跑通几十万bin数据的唯一路径。
最后多说几句
完整跑完Visium HD流程也有一段时间了，我觉得最值得提醒的还是版本管理和细节验证。这个平台最大的特点是“看起来什么都能做”，但要支撑高分论文，你需要用严谨的实验设计和数据分析不断问自己：这个空间富集是生物学现象还是技术噪声？这个生态型划分是聚类算法逼出来的还是组织学上明确存在的？当技术噪声被排除、生物学重复和湿实验验证都通过之后，你研究的故事才真正有说服力。分析流程的公开代码我已经整理好放在自己的代码目录里了，对应的配置文件和参数说明也都写了注释，直接跑通一套8微米bin的流程完全没问题。如果你也是从单细胞转录组转过来的，建议拿到自己样本的第一天就先跑一遍我这套流程，熟悉每个输出的结构——这一天的投入，会比后续踩坑省下的时间多得多。
