1. 准备输入文件，需要四个文件，所有文件都应以制表符分隔的表格输入格式 (.txt) 提供。

a. scRNA-seq 基因表达文件

矩阵必须是基因（行）乘以细胞（列）。 第一行必须包含单个细胞 ID，第一列必须包含基因名称。 第一列（基因名称）必须有标题。 基因表达数据应表示为非标准化计数。 

b. 细胞类型标签文件
与 scRNA-seq 基因表达矩阵中的单个细胞 ID 对应的细胞类型标签。细胞类型标签字符串不应包含特殊字符。表格应包含两列，其中第 1 列包含与 scRNA-seq 矩阵的列对应的单个细胞 ID，第 2 列包含相应的细胞类型标签。列必须有标题。

c. 空间转录组学 (ST) 基因表达文件
矩阵必须是基因（行）乘以 ST 点（列）。第一行必须包含 ST 点 ID，第一列必须包含基因名称。
第一列（基因名称）必须有标题。基因表达数据应表示为非标准化计数。

d. 空间转录组学坐标文件
由 3 列组成的表格，其中第一列包含与 ST 基因表达矩阵的列相对应的 ST 点 ID，第 2 列和第 3 列分别包含每个 ST 点的行和列索引。列必须有标题。

2. 安装

git clone https://github.com/digitalcytometry/cytospace
cd cytospace
conda env create -f environment.yml
conda activate cytospace_v1.1.0
pip install .
pip install lapjv==1.3.14

3. 运行，速度很快，大概几分钟就可以运行完

conda activate cytospace_v1.1.0
cytospace \
   --scRNA-path /path/to/scRNA_geneexpression \
   --cell-type-path /path/to/scRNA_celllabels \
   --st-path /path/to/ST_geneexpression \
   --coordinates-path /path/to/ST_coordinates \
   -o /path/to/output

4. 查看结果，主要的输出文件：

建议读取assigned_expression文件，加入assigned_locations，用scanpy可视化。

参考：digitalcytometry/cytospace: CytoSPACE: Optimal mapping of scRNA-seq data to spatial transcriptomics data (github.com)

在线网站：CytoSPACE (stanford.edu)