空间转录组分析

2020年，《Nature Methods》首次将空间转录组学评为“年度方法”，并于2021年1月发表文章Method of the Year: spatially resolved transcriptomics 提出：

“Spatially resolved transcriptomics methods chart gene expression across tissue space, offering new insights into biology and disease.”

空间转录组学方法在组织空间中绘制基因表达图谱，为生物学和疾病研究提供新的见解。

封面图

Stereo-seq，visiumHD等技术在捕获量，分辨率等方面的突破持续推动该领域，验证了《Nature Methods》的前瞻性评价。

当基因表达被赋予空间坐标，细胞在组织中的”社会关系”与”地理分布”终于可被解析。我们将系统拆解空间转录组生信分析全流程，揭示微观世界的空间秩序。

一

数据准备与质量控制

目标：确保数据准确性，构建分析基础

关键步骤 方法示例 作用描述
过滤细胞 线粒体基因比例过滤、表达量过滤 去除死亡/应激细胞，提升数据可靠性
过滤基因 表达量；细胞数 去除背景噪音，保留生物有效信号
标准化与对数转换 CPM；scTransform；Log1p 校正测序深度差异，压缩极端值，提升模型稳定性
数据插补 MAGIC；DCA；ALRA；DeepImpute 弥补技术性缺失值，增强基因表达矩阵信息完整性
筛选高变异基因 方差；空间特异性 突出空间差异显著基因，保留关键信息用于后续分析
主成分分析 PCA 压缩维度、提取主变异方向，为聚类/可视化提供输入
批次矫正 Harmony；MNN；BBKNN；Scanorama 消除样本间技术差异，提升空间数据整合性
二

空间构建与细胞定位

目标：还原组织结构，划分空间功能单元

关键步骤 方法示例 作用描述
降维 UMAP；t-SNE；空间结构 提取主要变异方向，实现可视化
聚类 Louvain；Leiden 基于空间+表达数据划分组织亚区
细胞类型注释 SingleR；Garnett；GPTcelltype；
SingleCellNet；专家修正		 标注细胞类型，实现组织结构的细胞组成识别
单细胞解卷积定位 SPOTlight；Tangram；CellDART 将scRNA-seq映射到空间数据，实现单细胞分布还原
三

区域功能与信号解析

目标：识别差异基因、信号通路与空间功能热点

关键步骤 方法示例 作用描述
差异表达 T-test；Wilcoxon；ANOVA 识别组织和区域之间的特异基因
通路富集 KEGG；GO；Reactome；WikiPathways 揭示功能通路，如免疫、增殖、代谢等
邻域分析 DBSCAN；HDBSCAN；SpaGCN；Squidpy 评估细胞间共定位或排斥关系
热点基因 Hotspots；SpatialDE；SPARK/SPARK-X 定位空间中显著富集的调控基因
四

动态轨迹与互作网络重建

目标：刻画细胞发展路径，推测细胞-细胞通讯机制

关键步骤 方法示例 作用描述
拟时序 DPT；Stream；Wishbone；Palantir 推测细胞状态演化顺序
细胞通讯 CellChat；COMMOT；Cellphonedb；NicheNet 构建空间配体-受体网络，解析细胞互作关系
单细胞与空间联合 Cell2location；STRIDE；RCTD；SpatialDWLS；Stereoscope 融合单细胞数据，实现高分辨率的空间细胞定位
3D重构 STRIDE；STUtility3D；Stereo3D/spateo 连续切片重构三维结构，提升空间解析维度
空间转录组学的应用领域
  • 组织结构解析：重建组织微结构并识别空间功能区域
  • 细胞类型与空间分布研究：精确定位不同细胞类型在组织中的位置
  • 细胞间相互作用分析：揭示信号通路及细胞通讯在空间上的分布模式
  • 疾病机制研究：解析肿瘤、神经退行性疾病等在组织空间上的分子变化

在这一前沿领域中，博兆医疗深耕空间多组学数据的挖掘与解读，持续推动分析方法的标准化与实用化，致力于为科研工作者提供稳健、高效的数据解析支持。

我们将复杂的数据语言转译为科研的清晰图景，愿与每一位探索者同行，共同触碰生命更深处的可能。