脚本探索--Spatial HD进行CNV分析

作者，Evil Genius

关于linux系统的命令内容，这是每个生信必备的，而且不光是会，而且要掌握每个命令在单细胞空间分析中的主要作用，我这里列举出来单细胞分析必须要掌握的命令，当然每个命令都有一些参数，命令包括，ls、mv、cp、rm、pwd、cd、mkdir、echo、cat、less、head、tail、which、find、gzip、tar、alias、wc、ln、wget ，以及重要的grep、sort、uniq、awk、sed、paste等。

如何用linux管理我们单细胞空间分析的环境，也是必修课。

每个命令在单细胞空间都有其特殊的作用，以ln为例，其主要的作用1、改名；2、指向数据等等，希望引起大家的重视。

这里简单考大家一下，如何用linux命令查看有多少个细胞类型，多少种细胞类型、以及输出目标细胞类型的Barcode？

基础真的很重要，参考2025番外--linux、R、python培训https://mp.weixin.qq.com/s/8E1vYJMNhe5m0DXieBHfzA也是为了把第一层地基打好，以后遇到什么代码问题就会从从容容，游刃有余，不至于匆匆忙忙，手忙脚乱了。

今天我们探索分析，Spatial HD,大家分析HD应该都遇到了因为基因数很少导致结果很差，如何解决呢？我们来探索一下。

library(fastCNV)
library(fastCNVdata)
library(Seurat)HDBreast = readRDS('breast.HD.rds')annotation_file <- read.csv("VisiumHD.csv")HDBreast[["annots_8um"]] <- annotation_file$AnnotationsHDBreast <- annotations8umTo16um(HDBreast, referenceVar = "annots_8um") SpatialDimPlot(HDBreast, group.by = "projected_annots_8um")

HDBreast <- fastCNV_10XHD(HDBreast, sampleName = "HDBreast", referenceVar = "projected_annots_8um", referenceLabel = "NoTumor", printPlot = TRUE)

library(patchwork)
SpatialFeaturePlot(HDBreast, "cnv_fraction") | SpatialPlot(HDBreast, group.by = "projected_annots_8um")

library(scales)SpatialFeaturePlot(HDBreast, features = "11.q_CNV")  +scale_fill_distiller(palette = "RdBu", direction = -1, limits = c(-0.5, 0.5), rescaler = function(x, to = c(0, 1), from = NULL) {rescale_mid(x, to = to, mid = 0)}) |
SpatialFeaturePlot(HDBreast, features = "8.q_CNV") +scale_fill_distiller(palette = "RdBu", direction = -1, limits = c(-0.5, 0.5), rescaler = function(x, to = c(0, 1), from = NULL) {rescale_mid(x, to = to, mid = 0)})

HDBreast <- CNVCluster(HDBreast, referenceVar = "projected_annots_8um", tumorLabel = "Tumor")SpatialDimPlot(HDBreast, group.by = "cnv_clusters") 

plotCNVResultsHD(HDBreast, referenceVar = "projected_annots_8um", printPlot = TRUE)

CNV tree

tree_data <- CNVTree(HDBreast, values ="calls", cnv_thresh = 0.09, healthyClusters = "0")

生活很好，有你更好