空间转录组数据分析的核心是根据每个芯片上每个 spot 的基因表达信息进行聚类，然后将 spot 根据坐标位置序列放回到组织的图像上，同时可以对每个 gene 在组织上表达的空间位置进行定位。
获得测序数据后，首先利用 Space Ranger 软件可以自动化的对图像进行处理、数据比对和 Barcode 处理。另外一个软件 Loupe Cell Browser 是一个适用于 Windows 和 MacOS 的桌面应用程序，它可以快速、轻松地可视化和分析 10X Visium 数据。伯豪生物除了提供 spot 基因数和 UMI 数统计、切片 spot 聚类和聚类亚群 marker 基因分析等基础和高级分外，同时还提供个性化分析，如特定 pathway 功能富集分析等。
图 每个 spot 特异表达的基因数统计
图 聚类结果及切片 spot 位置分布展示
图 特定 pathway 功能富集分析
结合组织区域分布对数据进行挖掘
大部分组织其实是有其特定的区域划分的，比如说大脑里有皮层、丘脑、海马、脉络丛等多个区域。将组织的区域划分和亚群（或细胞类型）的分布结合起来还是能发现很多有价值的信息的。
可以根据不同区域特异表达的 maker 基因的分布来判断每个区域在组织切片上的位置。例如皮层 marker 基因 STX1A 的表达分布，海马 marker 基因 HPCA 的表达分布等
结合病理学特征对数据进行挖掘
空间转录组技术正真的精髓不是研究细胞亚群的分布，而在于将它在空间位置上体现的异质性跟组织病理学特征的分布进行结合，挖掘在不同病理学特征下转录组学的差异。这对于研究疾病病变的机制、帮助临床实现更好的患者分子分型、以及空间位置 Biomarker 的挖掘方面都是非常有价值的。通过手动把这些区域圈出来进行转录组层面的比较，找出不同病灶区的特异性 marker，分析疾病在一步步发展进程中生物学功能的变化，甚至可以思考一下是否能找出一些关键性因子来阻断疾病的进展。
图 根据病理信息选取特定区域分析
空间转录组联合单细胞 RNA 测序解析细胞类型的空间位置信息（Multimodal intersection analysis,MIA)
空间转录组测序可以获得不同基因在组织切片上的空间位置信息，但不能获得详细的细胞类群信息（空间转录组不是单细胞分辨率，只能粗略的分析切片上不同位置的细胞类型）。因此，需要借助但细胞测序数据来分析细胞类型，然后通过生物信息学的分析方法将单细胞类群映射到空间转录组数据上。
图 MIA 热图
备注：MIA 热图，上方的颜色条反映了 ST 区域的子聚类（cancer region，Pancreatic tissue，Duct epithelium 和 stroma）。左侧代表不同的细胞类群。色块代表 enrichment 或者 depletion。Enrichment 代表该细胞类群富集到了该区域。Depletion 代表该细胞类群在该区域缺失。
更多伯豪生物人工服务：
