Esta vinheta avançada prepara o conjunto de dados que será utilizado
na análise de segmentação espacial do curso. O fluxo baixa os dados
Xenium públicos da 10x Genomics, carrega as contagens e as segmentações
celulares no Seurat, converte o objeto para GraphSpace,
associa as geometrias das células, normaliza a orientação espacial,
seleciona uma região menor e grava o resultado em
data/Xenium_GS_Crop.RDS.
O roteiro segue a vinheta de referência do Sysbiolab Team, Spatial segmentation with RGraphSpace, com adaptações apenas no início e no final para organizar os arquivos do repositório e salvar o objeto preparado para o curso.
Esta não é uma atividade regular das aulas. Ela é destinada a alunos
mais experientes ou a quem precise reconstruir o arquivo leve a partir
dos dados brutos. A vinheta expositiva subsequente deverá apenas baixar
Xenium_GS_Crop.RDS e conduzir a análise.
RGraphSpace, Seurat,
SeuratObject, sf e patchwork,
instalados conforme
Configuracao_do_ambiente_RStudio.Rmd;O arquivo compactado possui mais de 3 GB. O tempo total depende da
conexão, da velocidade do disco e da memória disponível. Não interrompa
o R durante a importação com LoadXenium().
Ao final, a estrutura relevante será:
Curso_ST/
|-- data/
| |-- Xenium_V1_FF_Mouse_Brain_Coronal_Subset_CTX_HP_outs.zip
| |-- xenium_tiny_subset/
| `-- Xenium_GS_Crop.RDS
`-- vinhetas/
|-- Instalacao_dados_Xenium_RGraphSpace.Rmd
`-- Instalacao_dados_Xenium_RGraphSpace.htmlO ZIP e a pasta extraída são dados brutos locais e estão excluídos do
versionamento. Somente o objeto preparado
Xenium_GS_Crop.RDS deve ser incorporado ao repositório.
A versão HTML desta vinheta apresenta o roteiro sem executar o
download e a preparação. Para produzir efetivamente o conjunto de dados,
abra o arquivo .Rmd no RStudio e execute todos os blocos na
ordem em que aparecem. Como alternativa, a partir da raiz do
repositório, renderize a vinheta com o parâmetro habilitado:
rmarkdown::render(
"vinhetas/Instalacao_dados_Xenium_RGraphSpace.Rmd",
params = list(run_preparation = TRUE)
)O download é retomado de forma conservadora: se a extração já
contiver cell_feature_matrix.h5, ela será reutilizada; se
apenas o ZIP estiver disponível, o download será ignorado e a extração
será refeita.
Os pacotes são carregados na mesma ordem do script de preparação.
library("RGraphSpace")
library("Seurat")
library("SeuratObject")
library("sf")
library("patchwork")A função abaixo procura primeiro uma extração existente. Quando
necessário, baixa o arquivo para uma extensão temporária
.part, renomeia-o somente após o término e então extrai seu
conteúdo.
prepare_xenium_data <- function(
dest_dir = file.path("data", "xenium_tiny_subset")
) {
url <- paste0(
"https://cf.10xgenomics.com/samples/xenium/1.0.2/",
"Xenium_V1_FF_Mouse_Brain_Coronal_Subset_CTX_HP/",
"Xenium_V1_FF_Mouse_Brain_Coronal_Subset_CTX_HP_outs.zip"
)
dir.create(dest_dir, recursive = TRUE, showWarnings = FALSE)
# Localizar uma extração existente, inclusive dentro de uma pasta
# adicional contida no arquivo ZIP.
locate_dataset <- function() {
matrix_file <- list.files(
dest_dir,
pattern = "^cell_feature_matrix\\.h5$",
recursive = TRUE,
full.names = TRUE
)
if (length(matrix_file) > 0L) {
dirname(matrix_file[[1L]])
} else {
NA_character_
}
}
data_path <- locate_dataset()
if (!is.na(data_path)) {
message("O conjunto Xenium já está disponível; download ignorado.")
return(normalizePath(data_path, winslash = "/", mustWork = TRUE))
}
zip_file <- file.path(dirname(dest_dir), basename(url))
if (!file.exists(zip_file)) {
old_timeout <- getOption("timeout")
on.exit(options(timeout = old_timeout), add = TRUE)
options(timeout = max(3600, old_timeout))
partial_file <- paste0(zip_file, ".part")
status <- utils::download.file(
url,
destfile = partial_file,
mode = "wb",
quiet = FALSE
)
if (status != 0L) {
stop("Não foi possível baixar o conjunto de dados Xenium.")
}
if (!file.rename(partial_file, zip_file)) {
stop("Não foi possível mover o arquivo baixado para o destino final.")
}
} else {
message("O arquivo ZIP já está disponível; download ignorado.")
}
utils::unzip(zip_file, exdir = dest_dir)
data_path <- locate_dataset()
if (is.na(data_path)) {
stop(
"A extração terminou, mas os arquivos Xenium esperados não foram encontrados."
)
}
normalizePath(data_path, winslash = "/", mustWork = TRUE)
}Antes de executar este bloco manualmente, defina o diretório de
trabalho como a pasta vinhetas/ pelo menu Session
> Set Working Directory > To Source File Location do
RStudio. Os dados serão armazenados na pasta data/ da raiz
do repositório.
getwd()
diretorio_vinhetas <- getwd()
diretorio_curso <- dirname(diretorio_vinhetas)
diretorio_dados <- file.path(diretorio_curso, "data")
dir.create(diretorio_dados, recursive = TRUE, showWarnings = FALSE)
xenium_path <- prepare_xenium_data(
dest_dir = file.path(diretorio_dados, "xenium_tiny_subset")
)
xenium_pathGraphSpaceO conjunto é carregado com as segmentações celulares. Em seguida, as
contagens brutas da camada counts são transferidas para um
objeto GraphSpace.
xenium.obj <- LoadXenium(
xenium_path,
fov = "fov",
segmentations = "cell"
)
gs <- as.GraphSpace(
xenium.obj,
space = "spatial",
layer = "counts"
)Primeiro, conferimos as imagens disponíveis. Os polígonos da
segmentação são então convertidos para geometrias sf,
validados e associados aos vértices do GraphSpace.
Images(xenium.obj)
cellseg <- xenium.obj[["fov"]]
cellseg <- cellseg$segmentations@polygons
cellseg <- SpatialPolygons(cellseg)
cellseg <- sf::st_as_sfc(cellseg)
cellseg <- sf::st_make_valid(cellseg)
gs_geometry(gs) <- cellsegO grafo e as geometrias são normalizados para o mesmo sistema de coordenadas. A rotação e a inversão reproduzem a orientação adotada na vinheta de referência.
gs <- normalizeGraphSpace(gs, mar = 0)
gs <- normalizeGeometry(gs)
gs <- rotateGraphSpace(gs)
gs <- flipGraphSpace(gs)A expressão de Slc17a7 é usada para visualizar o
conjunto completo. O retângulo branco delimita exatamente a região que
será mantida no objeto leve.
cpal <- hcl.colors(100, palette = "Geyser", rev = FALSE)
data_range <- range(log2(gs[["fdata"]] + 1))
p <- ggplot(gs) +
geom_nodespace(
mapping = aes(colour = log2(Slc17a7 + 1)),
size = 0.4,
pch = 16
) +
scale_colour_continuous(palette = cpal, limits = data_range) +
theme_gspace_coords(
theme = "th3",
is_norm = TRUE,
xlab = "Tissue coordinates 1",
ylab = "Tissue coordinates 2"
) +
annotate(
"rect",
xmin = 0.55,
xmax = 0.75,
ymin = 0.45,
ymax = 0.65,
fill = NA,
colour = "white",
lty = "21",
lwd = 1
)
pO recorte conserva apenas a região delimitada. Como suas coordenadas mudam, o grafo e as geometrias são normalizados novamente e recebem a mesma orientação do gráfico principal.
gs_crop <- cropGraphSpace(
gs,
xmin = 0.55,
xmax = 0.75,
ymin = 0.45,
ymax = 0.65
)
gs_crop <- normalizeGraphSpace(gs_crop, mar = 0)
gs_crop <- normalizeGeometry(gs_crop)
gs_crop <- rotateGraphSpace(gs_crop)
gs_crop <- flipGraphSpace(gs_crop)O resultado é salvo diretamente em data/, pronto para
ser distribuído e carregado pela próxima vinheta.
arquivo_saida <- file.path(diretorio_dados, "Xenium_GS_Crop.RDS")
saveRDS(gs_crop, file = arquivo_saida)
file.info(arquivo_saida)[, c("size", "mtime")]Ao concluir o roteiro, confirme a existência de:
data/Xenium_GS_Crop.RDS: objeto GraphSpace
recortado e preparado para a vinheta expositiva.O ZIP e a pasta extraída podem ser preservados para repetir a
preparação sem novo download. Caso o espaço em disco seja necessário,
remova-os manualmente somente depois de confirmar que
Xenium_GS_Crop.RDS pode ser lido com
readRDS().
sessionInfo()