Stereo-seq作为高通量、高分辨率、高基因数的空间组学新晋顶流，在2023年斩获了不少高分文章。在开展我的第一个Stereo-seq研究，看不懂网页HTML怎么行？中，小编重点介绍了Stereo-seq产品HTML中Summary和一些关键的质控指标。在实际分析时，Stereo-seq时空转录组非常重要的优势就是高达500nm的分辨率以及cell bin实现单细胞级别的细胞识别分析方法，今天就一起来看看吧~
01 Tissue Square Bin Statistics组织Bin统计
安诺优达支持不同bin size的灵活选择，可以按照不同组织类型的细胞大小，根据下游分析效果多次调试bin20，bin50，bin100，bin200数值。以一个细胞的直径为10 μm左右为例，实际计算时，一个动物细胞直径约相当于bin20（1 0μm x 10 μm）。即bin值越小，进行分析的划分越精确。
这部分可以快速可视化bin size1-bin size200的基因数和转录本表达情况。随着分辨率的提高，“格子”划分的越小，每个“格子”中携带的信息就会越少。
常用的binsize数值和STO分辨率对应如下：
实际分析，分辨率过高而基因数过少时，可能会出现聚类分群效果差的情况。安诺优达的生信工程师会辅助每位客户根据项目数据做出综合判断和建议。
02 Cell bin的选择
Stereo-seq通过图像识别细胞核的位置，结合算法进行精细的细胞分割，最终预测完整细胞边界，可实现近似单细胞水平的表达图谱。对于动物样本，cell bin统计单个细胞的基因表达信息，准确分析转录组异质性，实现分子机制的深入探索。对于植物样本，cell bin充分表征离散的细胞特征，并将其应用在细胞亚型的注释或分类中，有助于理解植物的复杂功能。
UMAP初步聚类分群下，cell bin方法下小鼠脑共分出21个类群。
03 Sequencing Saturation测序饱和度
左图为bin200下，测序饱和度随测序深度变化的曲线图。随测序数据量（total reads）的增多，测序饱和度逐渐上升。对数曲线如见明显“坡度”变缓，说明数据饱和度增速明显变缓，后续加测帮助不大。
中图为bin200下，基因中位数随测序深度变化的曲线图。随测序数据量（total reads）的增多，基因中位数逐渐上升。
如下图所示，左图样本的测序饱和度还有上升空间，如老师有较高的基因检出数需求，可选择继续加测。而右图样本的测序饱和度曲线已趋近平滑。
04 Tissue Segmentation组织分割
组织分割以影像图形式帮助客户快速观察组织在芯片的覆盖和识别情况。异常Tissue Segmentation中，右图组织部分的左半边的组织并未在影像图中完全识别到（中间可见明显空缺），安诺优达的生信工程师会通过手动重新划分正确组织，保证最终信息的完整性。