# MERGE_REPORT · Liver_References 同类项合并

**生成日期**：2026-05-15
**对象目录**：`database_unified/Liver_References/merged_views/`
**合并范围**：Liver_References 下"同性质"原文件的派生整合视图——三类合并对应 sc healthy（per-cell-type 子集统一）/ visium healthy（C73 三切片统一）/ visium PSC（PSC011 四切片统一）。
**硬约束**：**原 17 份文件未做任何修改**；本目录只放派生视图，与原文件平级独立存在。

---

## 一、合并范围与三个派生输出

| # | 合并类型 | 输入（原文件数）| 输出文件 | 输出体量 | 输出 cells/spots |
|---|---|---:|---|---:|---:|
| 1 | sc healthy per-cell-type 统一 | 8 | `sc__healthy__merged-all-celltypes__107542cx32596g.h5ad` | 319.3 MB | 107,542 cells × 32,596 genes |
| 2 | visium healthy C73 三切片统一 | 3 | `visium__healthy-C73__merged-all-blocks__14976sx35477g.h5ad` | 57.1 MB | 14,976 spots × 35,477 genes |
| 3 | visium PSC PSC011 四切片统一 | 4 | `visium__psc-PSC011__merged-all-blocks__19968sx35477g.h5ad` | 90.5 MB | 19,968 spots × 35,477 genes |

**总计**：15 个原文件参与了 3 次合并（剩下 2 个 all-cells 文件未参与合并——它们各自就是独立的全集，没有"同类项"可合）。所有 3 个派生输出共 466.9 MB，相对于原 6.96 GB 总体积是约 **6.7%** 的派生层占比。

---

## 二、为什么是这三个合并组、为什么有 2 个文件不进合并

### 进合并的 3 组同类项

**组 1 · sc healthy per-cell-type** 是 Liver_References 子包 A 的全部 8 份——B 细胞 / 胆管细胞 / 内皮 / 肝细胞 v1 / 肝细胞 v2 / 淋巴样 / 巨噬 / 肝星状。它们的共同点是 `modality=sc` + `cohort=healthy` + 上游已分 cell type 切片好。把这 8 份合并的物理动机是**做一份"健康肝脏完整 sc 参考"**——下游做"任意细胞类型在 BOVIN 82 节点空间里的分布"或者"健康肝 vs 病肝细胞类型组成对比"时，单一文件比 8 文件方便得多。

**组 2 · visium healthy** 是 C73 健康捐献者的 3 个连续切片（A1 / C1 / D1）。它们都是同一名供体在同一时段的不同物理切片，**做合并是为了把"C73 这个人的肝组织空间表达"作为一个整体处理**，下游做"healthy liver lobule 的标志区域"或"C73 内部空间一致性"分析时无需手动循环 3 文件。

**组 3 · visium PSC** 是 PSC011 患者的 4 个连续切片（A1 / B1 / C1 / D1）。逻辑同组 2——这是 PSC011 这一名患者的"完整 Visium 病例"。

### 不进合并的 2 个文件

**子包 B 的 2 个 all-cells 文件**（`sc__psc-pbc-healthy__all-cells__89637c...` 与 `sn__psc-pbc-healthy__all-cells__105780c...`）**各自已是同类全集**——它们已经在上游 paper 里跨 PSC + PBC + healthy 全部供体做完了集成，**没有"同类项"可合**。强行把它们与本批合并产物再合并不仅没有信息增益，反而会引入 sc-vs-sn 模态混淆。**留作独立的全集参考**，自己单独使用。

如果将来想做"sc 全集（B-1）+ sc healthy per-cell-type（合并组 1）+ sn 全集（B-2）"的跨模态统一图谱，那是 v2 合并任务，需要 batch correction（如 Harmony / scVI）介入，不在本次"同类项合并"的 scope 里。

---

## 三、每个合并都做了什么 + 没做什么（透明记录）

### 合并组 1 · sc healthy per-cell-type

**做了的事**：

读入 8 个原文件的 `X`（归一化表达）+ `obs`（细胞元信息）+ `var`（基因列表，8 份完全一致）。对每个细胞**加 3 列 obs provenance**——`source_subset`（如 `stellate` / `hepatocyte-v1`）、`source_uuid8`（原文件 UUID 前 8 位）、`cell_barcode_original`（原 cell barcode 备份）。细胞 index **加前缀 `<subset>|` 防止 barcode 重复**（不同 subset 可能用同一 barcode）。用 `anndata.concat(axis=0, join='inner', merge='unique')` 在基因维上做交集合并（实际上 8 份 var 完全一致，inner = outer）。`uns['merge_provenance']` 记录合并来源、日期、原因、注意事项。

**没做的事**：

第一，**没有把 raw counts（`raw.X`）打包进合并文件**——原 8 文件各自的 raw counts 仍在原文件 `raw.X` 里。这个取舍是为了控制合并文件体积 + 合并耗时（原计划包含但耗时超 45s）。需要 raw counts 做自定义归一化的用户，请回到 `Liver_References/` 的原文件按 source_uuid8 反查。

第二，**没有保留 per-celltype 的 `obsm` 嵌入**（X_pca / X_harmony / X_umap / X_varimax）——这些嵌入是在**每个 cell type 子集内部**计算的（即"只在肝细胞群内做的 UMAP"vs"只在巨噬群内做的 UMAP"），跨 cell type 没有可比性。合并后保留它们反而会误导分析。下游用户应在合并对象上**重新跑 PCA + Harmony + UMAP**（标准 scanpy 流程，约 5–10 分钟在 32 GB RAM 机器上）。

第三，**没有做 batch correction**——8 个原文件用了不同的 10x 化学（3' v2 / 3' v3 / 5' v1）。合并对象的 `X` 直接是原归一化值串接，跨 subset 比较时存在化学批次效应。要做精细的跨 subset 分析建议跑 Harmony 用 `assay` 字段作 batch key。

### 合并组 2 · visium healthy C73 三切片

**做了的事**：

用 `h5py` 直接读 `X` / `obs` / `var` / `obsm`（绕过 anndata `read_h5ad` 自动加载 uns 的开销——原文件 uns 含 2.6 GB fullres 图像）。每个 spot 加 3 列 obs provenance——`block_id`（`blockA1` / `blockC1` / `blockD1`）、`source_uuid8`、`cell_barcode_original`。spot index 加前缀 `<block_id>|` 防重复。3 文件 var 完全一致（35,477 基因），inner join 直接 concat。`uns['spatial']` 用**字典形式**保留三个 library 的 hires 缩略图 + scalefactors——这是 scanpy/squidpy 处理 multi-library Visium 的标准格式。

**没做的事**：

第一，**fullres 图像（每切片 2.6 GB，3 切片共 ~8 GB）从合并文件里 drop 掉了**——`uns['spatial'][<lib_id>]['images']` 只保留 `hires` 缩略图（每切片 ~12 MB，3 切片 ~36 MB）。原文件 fullres 完整保留。如果下游分析需要 fullres（如做高分辨率细胞分割），请按 `source_uuid8` 回原文件取。

第二，**没有做 Visium spot 之间的跨切片对齐**——3 个切片在物理上是连续的（A1/C1/D1 是同一组织块上不同位置），但它们的 `obsm['spatial']` 坐标是各切片独立的 pixel 坐标系，跨切片直接比较坐标无意义。下游想做"跨切片 3D 对齐"需要专门的 spatial registration 算法（如 PASTE / STalign），不在合并 scope 里。

第三，**没有做 spot 级别的 H&E 图像融合**——3 切片各自有独立的 hires 病理图，合并对象只是把它们字典存放，没有拼接。视化时可以并排展示，但物理对齐需要后处理。

### 合并组 3 · visium PSC PSC011 四切片

技术处理与合并组 2 完全相同。唯一差异：4 个 PSC011 原文件**不含 fullres 图像**（只有 hires），所以合并时没有 fullres 可以 drop。合并文件保留全部 4 个 library 的 hires 图像 + scalefactors。

---

## 四、合并文件的 obs schema（统一约定）

合并后的所有 3 个文件遵循统一的 provenance schema：

| 列名 | 含义 | 出现在哪个合并文件 |
|---|---|---|
| `source_subset` | 该细胞 / spot 原属哪个 sub-type（如 `stellate`, `hepatocyte-v1`） | sc healthy |
| `block_id` | 该 spot 原属哪个切片（`blockA1` / `blockB1` / `blockC1` / `blockD1`） | visium healthy + PSC |
| `source_uuid8` | 该细胞 / spot 原文件 UUID 前 8 位（用于反查 `_provenance/uuid_to_new_name.csv`） | 所有 3 个合并文件 |
| `cell_barcode_original` | 原始 cell barcode（合并后被前缀化以保证唯一性，此列保留原值） | 所有 3 个合并文件 |
| 其余 obs 列 | 直接继承自原文件（disease / tissue / cell_type / donor_id 等） | 所有 3 个合并文件 |

合并文件的 cell/spot index 格式：`<source_subset或block_id>|<original_barcode>`，全局唯一。

---

## 五、对账与完整性核验

### 数量对账

```
合并组 1 · sc healthy:
  b-cell:        1,250
  cholangiocyte: 1,011
  endothelial:   9,422
  hepatocyte-v1: 53,015
  hepatocyte-v2: 13,635
  lymphoid:      16,665
  macrophage:    11,127
  stellate:      1,417
  -----------------------
  合并文件总细胞数: 107,542 ✅ 与 8 文件细胞数之和一致

合并组 2 · visium healthy:
  blockA1: 4,992
  blockC1: 4,992
  blockD1: 4,992
  -----------------------
  合并文件总 spot 数: 14,976 ✅ 与 3 文件 spot 数之和一致

合并组 3 · visium PSC:
  blockA1: 4,992
  blockB1: 4,992
  blockC1: 4,992
  blockD1: 4,992
  -----------------------
  合并文件总 spot 数: 19,968 ✅ 与 4 文件 spot 数之和一致
```

### 原文件完整性

合并完成后，`Liver_References/` 下 17 个原 `.h5ad` 文件**逐一核对未被修改**（mtime 未变、size_mb 未变）。如有怀疑可对照 `_provenance/uuid_to_new_name.csv` 的 `size_mb` 列做完整性核对。

### 基因列表一致性

- sc healthy 合并：8 文件 var 完全一致（32,596 基因 Ensembl + HGNC），合并后 var = 32,596 基因 ✅
- visium healthy 合并：3 文件 var 完全一致（35,477 基因），合并后 var = 35,477 基因 ✅
- visium PSC 合并：4 文件 var 完全一致（35,477 基因），合并后 var = 35,477 基因 ✅

跨合并组（sc 32,596 vs visium 35,477）的合并不在本次 scope；如未来要做，需先对 Ensembl ID 取交集。

---

## 六、合并文件之间的关系图

```
Liver_References/
├── (17 原文件，不变)
│
└── merged_views/                              ← 本次新增派生层
    ├── MERGE_REPORT.md                        ← 本文档
    │
    ├── sc__healthy__merged-all-celltypes__107542cx32596g.h5ad
    │     ↑ 来自 8 个 sc__healthy__*.h5ad（cell type subsets）
    │
    ├── visium__healthy-C73__merged-all-blocks__14976sx35477g.h5ad
    │     ↑ 来自 3 个 visium__healthy-C73__*.h5ad（C73 切片）
    │
    └── visium__psc-PSC011__merged-all-blocks__19968sx35477g.h5ad
          ↑ 来自 4 个 visium__psc-PSC011__*.h5ad（PSC011 切片）

未参与本次合并的 2 个原文件：
  sc__psc-pbc-healthy__all-cells__89637cx32596g__...   ← 已是 sc 全集
  sn__psc-pbc-healthy__all-cells__105780cx32596g__...  ← 已是 sn 全集
```

---

## 七、可能的下一步合并（v2 提议，不在本次 scope）

如果未来要把"派生视图"做得更深，可以考虑以下三类**跨子包合并**——但每一项都需要更复杂的处理（batch correction / 模态对齐 / 基因交集）：

**v2 候选 #1 · sc + sn 全集联合**——把 `sc__psc-pbc-healthy__all-cells` 与 `sn__psc-pbc-healthy__all-cells` 用 Harmony / scVI 做跨模态 latent space，产出"PSC+PBC+healthy 全细胞 + 全核统一图谱"。难点：sc 与 sn 的基因检出模式系统差异。

**v2 候选 #2 · 健康 vs PSC visium 跨疾病合并**——把 `visium__healthy-C73` 与 `visium__psc-PSC011` 合并成"健康 vs PSC 空间对比图谱"。难点：跨患者切片对齐 + spot 级别 batch effect。

**v2 候选 #3 · 健康肝完整图谱**——sc healthy 合并视图（本组 1）+ sc all-cells 中的健康部分（24,241 cells）+ sn all-cells 中的健康部分（26,515 nuclei）= 完整健康肝多模态参考。难点：sc/sn 跨模态 + 跨 chemistry batch。

以上 v2 工作建议另起 session 单独处理，每项至少 30–60 分钟。

---

## 八、对应的可视化资产

本次合并同时生成了一份 HTML dashboard：

```
database_unified/Liver_References/merged_views/dashboard.html
```

含合并对照表、cell type 组成饼图、供体分布柱图、7 张 Visium 切片 hires 缩略图。**单文件自包含**，浏览器直接打开（无需任何后端）。

---

*合并工作执行于 2026-05-15 · 共 3 次合并 · 输入 15 文件 / 输出 3 派生文件 / 派生体积 467 MB · 原 17 文件未做任何修改 · 完整 provenance 记录在每份合并文件 uns["merge_provenance"]。*