常见问题（FAQ）¶
常见问题与解答。
基本问题¶
什么是 ChatSpatial？¶
ChatSpatial 是一个通过 MCP 进行空间转录组分析的 LLM 智能体。它将 Python 与 R 生态中的 60+ 种方法整合为统一的对话式接口。
什么是 MCP？¶
MCP（Model Context Protocol）是一项开放标准，用于在 AI 应用与外部工具之间建立安全连接。ChatSpatial 使用 MCP，让 Claude 等 LLM 可以通过自然语言执行空间分析。
ChatSpatial 支持哪些数据格式？¶
H5AD（AnnData 格式）
10X Visium 空间数据文件夹
10X Genomics 的 H5 文件
MTX 矩阵文件
Slide-seq、MERFISH 以及其他空间数据格式
需要编程经验吗？¶
不需要！ChatSpatial 旨在通过自然语言对话使用。不过，了解一些基础的空间转录组概念会更有帮助。
安装与设置¶
需要什么版本的 Python？¶
Python 3.11 或更高版本（推荐 3.12，支持 3.13）。
应该使用虚拟环境吗？¶
是的，强烈推荐！虚拟环境可以避免依赖冲突。
如何配置 ChatSpatial？¶
请参阅配置指南获取 MCP 客户端设置说明。
不用 Claude 也能用 ChatSpatial 吗？¶
可以！ChatSpatial 适用于任何兼容 MCP 的客户端。
分析相关问题¶
如何选择合适的方法？¶
请参阅概念指南了解详细的方法对比。简要总结如下：
细胞类型注释：
场景 |
推荐方法 |
|---|---|
有参考 scRNA-seq 数据 |
Tangram 或 scANVI |
有 marker 基因列表 |
CellAssign |
想要自动注释 |
mLLMCelltype |
空间区域（Spatial Domains）：
场景 |
推荐方法 |
|---|---|
Visium + H&E 图像 |
SpaGCN |
高分辨率、无图像 |
STAGATE 或 GraphST |
快速探索 |
Leiden |
去卷积：
场景 |
推荐方法 |
|---|---|
快速探索 |
FlashDeconv（快） |
发表级质量 |
Cell2location（准确） |
R 环境 |
RCTD |
为什么分析会这么慢？¶
大数据集与复杂方法会更耗时。建议：
可用时使用 GPU 加速（Cell2location、scVI）
初次测试时先缩小数据规模
探索阶段优先使用更快的方法
检查系统资源（RAM、CPU）
需要多少内存？¶
取决于数据集大小：
小型（<5000 cells）：8GB 内存即可
中型（5000–50000 cells）：建议 16GB 内存
大型（>50000 cells）：需要 32GB+ 内存
高级话题¶
可以在科研论文中使用 ChatSpatial 吗？¶
可以！ChatSpatial 在 MIT 许可证下开源。如果你在发表研究中使用，请引用我们的论文。
如何参与贡献？¶
请参阅贡献指南。
可以添加自己的分析方法吗？¶
可以！ChatSpatial 的模块化架构便于添加新工具。请参阅开发者文档。
支持 GPU 加速吗？¶
支持，许多方法（Cell2location、scANVI、STAGATE、VeloVI 等）都可以。将参数中的 use_gpu=True 即可启用。
详见方法参考中的 GPU 加速方法列表。
数据与隐私¶
我的数据会发送到外部服务器吗？¶
不会。ChatSpatial 在本地运行，你的数据不会离开你的电脑。只有自然语言指令会发送给 LLM 用于解析。
可以离线使用 ChatSpatial 吗？¶
分析工具可离线运行，但要与 LLM（Claude）通信解析指令仍需要联网。
数据如何存储？¶
数据以标准 H5AD 格式存储。你可以通过 CHATSPATIAL_DATA_DIR 环境变量控制保存位置。