如何用R spatstat包验证显微镜图像两类细胞共定位的显著性

你已完成的点模式可视化结果如下：

其中mypattern为第一类细胞的点模式，mypattern2为第二类细胞的点模式，L函数结果已提示存在聚类特征，以下是基于最近邻距离的蒙特卡洛显著性检验实现逻辑与代码：

核心逻辑 #

零假设为两类细胞的空间分布相互独立，即不存在显著的靠近/远离关联。通过多次模拟满足零假设的随机点模式，计算随机场景下两类细胞的最近邻距离分布，再将实际观测的距离与该分布对比，计算显著性p值。

手动实现蒙特卡洛检验 #

步骤1：计算实际观测的最近邻距离 #

# 计算第一类细胞到第二类细胞的最近邻距离
obs_dist <- nncross(mypattern, mypattern2, what = "dist")
# 选择统计量，此处用平均距离，也可替换为中位数、分位数等
obs_mean <- mean(obs_dist)

如果需要修正边界效应，可在nncross中添加参数correct = "border"

步骤2：模拟零假设下的距离分布 #

# 设置模拟次数，精度要求高可调整为9999次
nsim <- 999
sim_means <- numeric(nsim)

for (i in 1:nsim) {
  # 生成与第二类细胞数量相同、同观测窗口的完全随机点
  # 若第二类细胞本身存在已知的聚类规律，可替换为对应点过程模型的模拟结果
  random_pattern2 <- rpoint(n = mypattern2$n, win = Window(mypattern))
  # 计算模拟场景下的最近邻平均距离
  sim_dist <- nncross(mypattern, random_pattern2, what = "dist")
  sim_means[i] <- mean(sim_dist)
}

如果细胞仅能分布在组织内的特定区域，需将rpoint的win参数替换为实际有效组织的窗口对象

步骤3：计算显著性p值 #

# 单侧检验（验证两类细胞是否显著靠近）：观测平均距离小于等于模拟值的占比
p_value <- (sum(sim_means <= obs_mean) + 1) / (nsim + 1)
# 双侧检验（验证是否存在显著关联，不管靠近还是远离）：
# p_value <- 2 * min(sum(sim_means <= obs_mean), sum(sim_means >= obs_mean)) / (nsim + 1)

通常p<0.05即可认为存在统计学显著的关联

步骤4：结果可视化（可选） #

hist(sim_means, col = "lightgray", main = "零假设下平均最近邻距离分布", xlab = "平均距离")
abline(v = obs_mean, col = "red", lwd = 2, lty = 2)
text(obs_mean, max(hist(sim_means, plot = F)$counts)*0.9, 
     labels = paste0("观测值\np = ", round(p_value,3)), col = "red", pos = 2)

简化实现方案 #

spatstat内置的envelope函数可直接生成双变量关联的蒙特卡洛包络，无需手动写循环：

# 合并两个点模式为带标记的点模式
combined <- superimpose(type1 = mypattern, type2 = mypattern2)
# 生成双变量最近邻距离的95%置信包络
env <- envelope(combined, fun = nndist, i = "type1", j = "type2", nsim = 999)
# 绘图查看结果，若观测曲线落在包络外则存在显著关联
plot(env)

内容的提问来源于stack exchange，提问作者Hashriama