QuPath：空间转录组数据和病理图像结合的桥梁

刚开始做实验的时候，Image J的功能已经非常惊艳了~

但随着实验的需求逐渐复杂化，我发现Image J在有些情况下还是存在一些局限，因此又了解了一批病理/免组/免疫荧光的数据分析软件：

  • CellProfiler )
  • 蔡司ZEN lite .html#getzenlite)
  • QuPath /)

……

然后是stardist+cellpose这两个非常著名的插件~

相比Image J，这些软件虽然学习曲线稍陡，但根据我的使用体验，其量化结果更为准确——特别是在处理细胞密集的切片时。这也是我最终转向QuPath的主要原因。

在医学研究中，图像数据（如mIHC和病理图像）与分子数据（如单细胞转录组和空间转录组）长期以来被视为两个独立的分析维度。前者在组织形态和细胞空间分布解析中至关重要，而后者在揭示细胞异质性和分子机制方面具有独特优势。

那么，能否建立一种有效的方法，将这两种数据整合，以更全面地解析组织微环境？

最近，在pubmed上发现了一篇非常“动人”的文章，很好地解答了这个问题——

Qust旨在与QuPath无缝整合整张全视野图像(whole slide image, WSI)和空间转录组学(spatial transcriptomics, ST)分析，并使用专门针对空间生物学量身定制的工具增强其功能。该扩展支持在组织病理学图像的背景下可视化空间基因表达数据，使用户能够以前所未有的分辨率探索组织的分子景观。

安装地址在这里：GitHub - huangch/qust: QuST: QuPath Extension for Integrative Whole Slide Image and Spatial Transcriptomics Analysis

本文参与 腾讯云自媒体同步曝光计划，分享自微信公众号。原始发表：2025-04-02，如有侵权请联系 cloudcommunity@tencent 删除数据分析工具量化软件数据