课前准备---单细胞空间联合分析之MIA（R封装版）

作者，Evil Genius

空间转录组和单细胞转录组联合分析方法，Multimodal Intersection Analysis, MIA

文章Integrating microarray-based spatial transcriptomics and single-cell RNA-seq reveals tissue architecture in pancreatic ductal adenocarcinomas（NAT BIOTECHNOL）

研究选用了两例未经治疗的PDAC患者（PDAC-A和PDAC-B）的新鲜原发肿瘤，用于平行scRNA-seq和ST分析。基于单细胞测序结果，分别绘制了两例患者的单细胞表达谱。

组织切片及H&E染色揭示了PDAC的四个主要区域：癌细胞粘连区、非恶性导管上皮区、基质区域和胰腺腺泡区。 利用多模式交叉分析Multimodal intersection analysis (MIA)。首先划定细胞类型特定和组织区域特定基因集，然后确定它们的重叠程度，相比于随机数值判断其重叠程度是否显著富集。在 scRNA-seq 数据中识别每个细胞类型来定义基因集，相比于其他细胞类型这些基因的表达该细胞类型中具有较高的统计学水平，随后识别出每个空间区域的表达率明显高于其他区域的基因。通过超几何检验，评估在 scRNA-seq 和 ST 模式中提取的基因集是否显著重叠，进而将空间信息与转录组信息联合起来进行其他分析。

文章Spatial transcriptomics stratifies psoriatic disease severity by emergent cellular ecosystems（Science Immunology）

而我们进行MIA分析需要实现的目标

MIA.heatmap.png

R版本的封装代码如下