用于共定位的 Spatstat 点模式分析
Spatstat Point Pattern Analysis for colocalization
我正在尝试进行一些共混化分析，即我想显示一种细胞类型是否倾向于在显微图像中显着靠近另一种不同的细胞类型。
我尝试使用 R spatstat 包执行此操作我能够可视化我的数据集：
mypattern 是一种单元格，mypattern2 是另一种单元格。当您查看 L-plots 时，您会发现存在某种聚类，因为曲线偏离了泊松点。
我考虑过使用最近邻方法，它是 spatstat 中的 nncross 函数。
但是我现在如何显示这个距离是随机的（两个随机点模式）还是显着相关？有人有想法吗？我看到了很多像 Monte-Carlo 这样的模拟，但我不知道如何开始编码...
我很乐意提供任何帮助！
亲切的问候，
柱间
此处不应使用 L 函数，因为数据高度不均匀。
我建议您将两个点模式组合成一个“标记”点模式，
X <- superimpose(A=mypattern1, B=mypattern2)
然后估计点的空间变化密度
D <- density(split(X))
plot(D)
或每种类型细胞的空间比例变化
R <- relrisk(X)
plot(R)
您还可以使用 segregation.test 或最近邻 (dixon) 的偶然性 table。
请参阅 the spatstat book 的第 14 章以及 relrisk、density.splitppp 和 segregation.test 的帮助文件。
我正在尝试进行一些共混化分析，即我想显示一种细胞类型是否倾向于在显微图像中显着靠近另一种不同的细胞类型。
我尝试使用 R spatstat 包执行此操作我能够可视化我的数据集：
mypattern 是一种单元格，mypattern2 是另一种单元格。当您查看 L-plots 时，您会发现存在某种聚类，因为曲线偏离了泊松点。
我考虑过使用最近邻方法，它是 spatstat 中的 nncross 函数。 但是我现在如何显示这个距离是随机的（两个随机点模式）还是显着相关？有人有想法吗？我看到了很多像 Monte-Carlo 这样的模拟，但我不知道如何开始编码...
我很乐意提供任何帮助！
亲切的问候， 柱间
此处不应使用 L 函数，因为数据高度不均匀。
我建议您将两个点模式组合成一个“标记”点模式，
X <- superimpose(A=mypattern1, B=mypattern2)
然后估计点的空间变化密度
D <- density(split(X))
plot(D)
或每种类型细胞的空间比例变化
R <- relrisk(X)
plot(R)
您还可以使用 segregation.test 或最近邻 (dixon) 的偶然性 table。
请参阅 the spatstat book 的第 14 章以及 relrisk、density.splitppp 和 segregation.test 的帮助文件。