摘要
空间分辨转录组学（SRT）会生成大规模异质性信息集，而全局（组织层面）质量控制（QC）指标往往会过度删除具有生物学意义的区域或遗漏局部伪影。近期，SpotSweeper中已引入空间感知QC指标，但该软件仅限于R编程语言，难以在 Python/scverse生态系统中利用。在此推出SpotSweeper的Python等效包SpotSweeper-py，可计算标准QC指标（如总计数、对数总计数、检测到的基因数和线粒体计数占比）的邻域感知z分数。在来自10x Genomics Visium和VisiumHD平台的２个公共数据集上，验证了SpotSweeper-py的性能和易用性。这种局部空间感知QC指标的实现，支持与Python/scverse生态系统的直接整合，在保留组织特异性结构的同时减少了全局质量控制产生的假阳性。该包还包含绘图工具，可快速可视化标记的异常值。依据在Python中提供稳健的局部QC功能，SpotSweeper-py提升了空间分辨转录组数据分析流程的可靠性。这款开源软件已在PyPI（https://pypi.org/project/spotsweeper）发布。
#空间分辨转录组学 #质量控制 #Python #scverse生态
SpotSweeper-py在公共空间分辨转录组信息集上的应用案例
图1以对数转换后的UMI计数作为QC指标，SpotSweeper-py提升质量控制效果
基于 10x Genomics Visium CytAssist FFPE 平台的人类乳腺癌样本，
（A）对数总 UMI 计数的位点图，黑色表示 UMI 总计数为 0 的 bin；
（B）利用全局 QC 阈值检测低质量位点（红色标记计数＜全局均值 3 个中位数绝对偏差的位点）；
（C）利用 SpotSweeper-py 的局部 QC 指标检测低质量位点）
图2以检测到的基因数和线粒体基因组映射读数占比作为QC指标，SpotSweeper-py提升质量控制效果
与图 1 所用样本相同，
（A）检测到的基因数的位点图；
（B）利用全局 QC 阈值检测低质量位点（红色标记计数＜全局中位数 3 个中位数绝对偏差的位点）；
（C）利用 SpotSweeper-py 的局部 QC 指标检测低质量位点；
（D-F）与 A-C 类似，但以线粒体基因组映射读数占比作为指标
图3小提琴图对比全局QC和SpotSweeper QC在Visium样本多个QC指标上标记的异常值与非异常值
（A）全局 QC：总计数、对数总计数、线粒体计数占比和检测到的基因数；
（B）局部 QC（SpotSweeper）：相同指标结合邻域阈值，橙色表示异常值，蓝色表示非异常值，展示各指标的局部 z 分数分布
图4Visium 样本中全局QC与局部QC办法标记异常值的空间分布差异
红色圆点标记仅被全局 QC 标记为异常但未被任何 SpotSweeper-py 指标标记的位点，蓝色圆点标记仅被局部 QC 标记的位点；差异位点常出现在连续的空间区域，表明全局 QC 误判但 SpotSweeper-py 保留的生物有意义区域
表1Visium CytAssist FFPE 乳腺癌样本（n=4169）的异常值比例
全局：中位数 ±3 个中位数绝对偏差（计数 / 基因数取下限，线粒体占比取上限）；
局部：SpotSweeper-py（k=36，阈值 = 3）
图5以对数转换后的UMI计数作为QC指标，SpotSweeper-py在VisiumHD（8μm 分辨率）上提升质量控制效果
基于 10x Genomics Visium CytAssist FFPE 平台的人类乳腺癌样本，
（A）对数总 UMI 计数的 bin 图，白色表示 UMI 总计数为 0 的 bin；
（B）利用全局阈值检测低质量 bin（红色标记指标＜全局中位数 3 个中位数绝对偏差的 bin）；
（C）利用 SpotSweeper-py 的局部 QC 指标检测低质量 bin
图6以检测到的基因数和线粒体基因组映射读数占比作为QC指标，SpotSweeper-py提升质量控制效果
与图 5 所用样本相同，为 10x Genomics Visium HD CytAssist FFPE 平台样本（8μm 分辨率），
（A）检测到的基因数的位点图；
（B）利用全局 QC 阈值检测低质量位点（红色标记计数＜全局均值 3 个中位数绝对偏差的位点）；
（C）利用 SpotSweeper-py 的局部 QC 指标检测低质量位点；
（D-F）与 A-C 类似，但以线粒体基因组映射读数占比作为指标
图7小提琴图对比全局QC和SpotSweeper QC在8μm bin分辨率Visium HD样本多个QC指标上标记的异常值与非异常值
（A）全局 QC：总计数、对数总计数、线粒体计数占比和检测到的基因数；
（B）局部 QC（SpotSweeper）：相同指标结合邻域阈值，橙色表示异常值，蓝色表示非异常值，展示各指标的局部 z 分数分布
表28μm bin分辨率 VisiumHD CytAssist FFPE乳腺癌样本（n=663857）的异常值比例
全局：中位数 ±3 个中位数绝对偏差（计数 / 基因数取下限，线粒体占比取上限）；
局部：SpotSweeper-py（k=48，阈值 = 3）
图82μm分辨率Visium HD组织切片的SpotSweeper QC输出结果
利用局部阈值（48 个邻域）识别异常位点（红色），
（A）基于对数总 UMI 计数的低异常值；
（B）基于检测到的基因数的低异常值；
（C）基于线粒体计数占比的高异常值
图9小提琴图对比全局QC和SpotSweeper QC在2μm bin分辨率Visium HD样本多个QC指标上标记的异常值与非异常值
（A）全局 QC：总计数、对数总计数、线粒体计数占比和检测到的基因数；
（B）局部 QC（SpotSweeper）：相同指标结合邻域阈值，橙色表示异常值，蓝色表示非异常值，展示各指标的局部 z 分数分布
详细总结
思维导图（mindmap脑图）
核心效果与技术实现
案例 1：10x Genomics Visium数据集
人类乳腺癌 FFPE，n=4169 个 spot
案例 2：10x Genomics VisiumHD内容集
8μm 分辨率，n=663857 个 bin
参考
bioRxiv[Preprint]. 2025 Dec 9:2025.12.06.692760. doi: 10.64898/2025.12.06.692760. Spotsweeper-py: spatially-aware quality control metrics for spatial omics data in the Python ecosystem
注：AI辅助创作，如有错误欢迎指出。内容仅供参考，不构成任何建议。