除了细胞聚类，空间转录组高分文章还能做哪些分析？
随着10x、华大Stereo-seq等空间转录组平台的发展以及空转技术的普及，空间转录组逐渐成为科学研究的常用工具。以往的单细胞转录组测序是在bulk转录组测序的基础上，解决了组织内细胞异质性解析的难题。可以深入研究细胞在组织和器官中的空间分布及其功能。下面小编将结合一些经典文章来分享空转高分文章研究中分析思路，帮您在空间转录组研究中取得更多突破。
一.细胞分群与注释
空间转录组研究的首要环节是细胞群体的精准分群与功能注释，目前主要基于已知标记基因的解剖学注释，即利用文献报道的细胞特异性marker基因（如免疫细胞的 CD45），结合组织解剖图谱进行空间区域的细胞类型划分，典型展现形式包括细胞聚类 UMAP 图、空间定位热图（如不同颜色标注不同细胞群的空间分布）、marker基因表达热图、小提琴图、气泡图等。
文献案例1:
2025年发表在《Neuron》（IF=14.7）上的文章“Molecular pathways and diagnosis in spatially resolved Alzheimer’s hippocampal atlas”，利用Stereo-seq技术助力绘制了全球首个阿尔茨海默病海马单细胞分辨率时空图谱，该研究发现突触修剪相关基因在AD患者海马伞（fimbria）区域显著上调，同时还观察到CA1区神经元数量显著减少，而CA4区神经元相对稳定。这一发现为理解海马在神经退行性疾病中的作用提供了新的视角。
图1 人类海马区的脑区空间可视化和海马区亚区域特异性基因的热图展示[1]
图2 人类海马区细胞类型的UMAP可视化和标记基因在注释细胞簇中的表达水平气泡图[1]
二.组间细胞注释比例变化
细胞群体比例的动态变化是揭示生物学过程的关键线索。如疾病进展中的免疫细胞浸润、发育阶段的细胞分化轨迹等。通过比较不同组织或不同时期样本的细胞比例变化，有助于解析组织分化的时空规律。
文献案例2：
2025年发表在《Neuron》（IF=14.7）上的文章“Single-cell spatial transcriptomic atlas of the whole mouse brain”，利用Stereo-seq技术+单细胞转录组技术构建了具有单细胞分辨率的成年小鼠完整的大脑图谱，科研人员成功识别了具有不同空间分布特征的神经元亚型，另外在脑干识别出23个神经细胞簇，并发现几种细胞类型在不同区域的偏好。
图 308个细胞簇在66个小鼠脑区的分布（细胞比率）热图[2]
三.差异/富集分析和调控网络图构建
针对分组样本（如野生型与突变体、治疗组与对照组），可首先进行差异表达基因（DEG）分析，然后进一步预测调控DEG的转录因子，结合基因共表达网络（如 WGCNA）绘制 TF - 靶基因互作网络图，挖掘引起特定细胞群体表达差异的关键基因或转录因子，然后通过KEGG/GO富集分析这些关键因子的功能。
文献案例3：
2024年发表在《Advanced science》（IF=14.3）上的文章“Cross-Species Insights into Trophoblast Invasion During Placentation Governed by Immune-Featured Trophoblast Cells”，通过对猪和小鼠胎盘发育样本利用Stereo-seq进行检测并进行数据分析，发现五个不同的非侵入性滋养层细胞亚群中第一型上皮绒毛滋养层细胞亚群（Tr1）在细胞黏附和迁移中富集，主要存在于妊娠第16天，参与了猪胚胎的植入过程。研究结果阐明了胎盘滋养层细胞侵入的调控机制。
图 小提琴图和热图显示了小鼠iTrophoblast亚群的DEGs和富集GO[3]
文献案例4:
另外一篇同样2024年发表在《Advanced Science》（IF=14.3）上的文章“Spatial Transcriptome and Single Nucleus Transcriptome Sequencing Reveals Tetrahydroxy Stilbene Glucoside Promotes Ovarian Organoids Development Through the Vegfa-Ephb2 Pair”，利用Stereo-seq+单细胞转录组技术对卵巢类器官发育过程进行研究，主要研究了与卵母细胞、颗粒细胞和卵泡膜细胞等细胞类型相对应的转录调控网络，并在每种细胞类型中发现了主要的转录调控子，研究增进了我们对卵巢类器官发育机制的理解。
图 从四羟基茋葡萄糖苷（TSG）处理的卵母细胞和对照卵巢类器官中动态表达的TF-基因调控网络[4]
四.拟时序分析
拟时序分析基于真实的RNA转录动力学，对于胚胎发育等方向非常重要的一个分析内容，用来推算细胞的分化走向。在空间转录组中，可以通过对应细胞类型在空间上的定位来分析基因表达模式和推断组织发育特征。
文献案例5：
2025年发表在《Cancer Cell》（IF=48.4）上的文章“Spatial transcriptomics reveals tryptophan metabolism restricting maturation of intratumoral tertiary lymphoid structures”，利用Stereo-seq对数据进行拟时序分析，在初始B细胞到生发中心B细胞转变过程中发现了一个独特的过渡阶段，这一阶段的特点是生发中心B细胞数量急剧增加，而细胞多样性减少。研究最终绘制出了肝癌样本中三级淋巴结构（TLS）的全景发育图谱。
图 成熟TLS分化过程的拟时序分析[5]
五.细胞通讯
细胞间通讯是生命体内各种生物过程的重要基础，其通过不同的方式和机制使细胞能够相互交流，从而协调生理活动、维持稳态和应对外部环境的变化。该分析可以通过空间转录组数据定位肿瘤细胞与基质细胞的邻域关系，构建 “肿瘤-免疫” 通讯网络，揭示化疗耐药相关的分泌信号（如成纤维细胞分泌 TGF-β 促进肿瘤细胞上皮 - 间质转化）。
文献案例6：
2024年发表在《Cell Discovery》（IF=13）上的文章“Single-cell spatiotemporal analysis reveals alveolar dendritic cell–T cell immunity hubs defending against pulmonary infection”，对仓鼠肺组织利用空间转录组+单细胞转录组检测，并进行细胞通讯分析，Cd160+Cd8+ T 细胞、Tnfrsf4+Cd4+ T细胞与Ccr7+Ido1+ DCs通过趋化因子、共刺激因子和粘附分子显示出潜在的细胞间相互作用，研究揭示了肺泡树突状细胞-T细胞免疫中枢抵御肺部感染能力。
图 免疫枢纽的三种关键细胞类型的受体-配体对预测分析[6]
凌恩生物联合华大基因时空组学平台，推出全新一代空间转录组解决方案——Stereo-seq（spatial enhanced resoluton omics-sequencing）技术，以“纳米级精度+全场景覆盖”为核心，精确定位基因表达的空间位置，提供传统转录组学无法企及的空间维度信息，更能揭示组织中不同细胞类型和亚类型之间的复杂相互作用和空间分布。此外凌恩也提供优秀的一站式本地化服务团队，助力您的科研突破生物学认知边界！
参考文献
[1] Wang P, et al. Molecular pathways and diagnosis in spatially resolved Alzheimer's hippocampal atlas. Neuron. 2025 Mar 26:S0896-6273(25)00174-6. doi: 10.1016/j.neuron.2025.03.002.
[2] Han L, et al. Single-cell spatial transcriptomic atlas of the whole mouse brain. Neuron. 2025 Mar 20:S0896-6273(25)00133-3. doi: 10.1016/j.neuron.2025.02.015..
[3] Zang X, et al. Cross-Species Insights into Trophoblast Invasion During Placentation Governed by Immune-Featured Trophoblast Cells. Adv Sci (Weinh). 2024 Nov;11(42):e2407221. doi: 10.1002/advs.202407221.
[4] Mu C, et al. Spatial Transcriptome and Single Nucleus Transcriptome Sequencing Reveals Tetrahydroxy Stilbene Glucoside Promotes Ovarian Organoids Development Through the Vegfa-Ephb2 Pair. Adv Sci (Weinh). 2025 Jan;12(4):e2410098. doi: 10.1002/advs.202410098.
[5] Tang Z, et al. Spatial transcriptomics reveals tryptophan metabolism restricting maturation of intratumoral tertiary lymphoid structures. Cancer Cell. 2025 Jun 9;43(6):1025-1044.e14. doi: 10.1016/j.ccell.2025.03.011.
[6] Cong B, et al. Single-cell spatiotemporal analysis reveals alveolar dendritic cell-T cell immunity hubs defending against pulmonary infection. Cell Discov. 2024 Oct 16;10(1):103. doi: 10.1038/s41421-024-00733-5.