在多细胞生物中，单个细胞的基因表达严格按特定的时间和空间顺序发生，即基因表达具有时间特异性和空间特异性。时间特异性可以通过对不同时间点的样本取材，使用单细胞转录组测序技术来解析时间维度上细胞类型和基因表达模式。空间特异性信息则相对较难获得。常规转录组测序和单细胞转录组测序都难以还原细胞所处的原始位置信息。传统的原位杂交技术又很难实现高通量检测。
空间转录组是从空间层面上解析RNA-seq数据的技术，从而解析单个组织切片中的所有mRNA，能够定位和区分功能基因在特定组织区域内的活跃表达。将总mRNA的空间信息与形态学内容相结合，并绘制所有基因表达发生的位置，获得疾病复杂而完整的基因表达图谱。在确定不同细胞群的同时保留空间位置，为细胞功能、表型和组织微环境中位置的关系提供了重要信息。
8月空间转录组测序文章发表情况如下，拉至文末，点击“阅读原文”即可索取原文。
01
文章题目：Spatial tissue profiling by imaging-free molecular tomography
中文题目：通过无成像分子断层扫描进行空间组织分析
影响因子：54.904
作者：Schede HH, Schneider CG, Stergiadou J, Borm LE, Ranjak A, Yamawaki TM, David FPA, Lönnerberg P, Tosches MA, Codeluppi S, La Manno G.
引用：Nat Biotechnol. 2021 Aug;39(8):968-977. doi: 10.1038/s41587-021-00879-7. Epub 2021 Apr 19.
摘要：目前正在开发几种用于空间解析组学分析的技术，但每种新方法都需要设置特定的检测策略或专门的仪器。本文作者描述了一种无成像框架，通过以允许后续图像重建的方式将样本切割成细条来定位组织内的高通量读数。实施这个框架，将低输入 RNA 测序协议转化为无成像空间转录组学技术（称为 STRP-seq），并通过分析小鼠大脑的空间转录组对其进行验证。将该技术应用于澳大利亚胡须龙 Pogona vitticeps 的大脑，研究结果揭示了这种蜥蜴端脑的分子解剖结构，为爬行动物大脑皮层和亚皮层的显着区域化提供了证据。希望 STRP-seq 可用于从一系列其他组学技术中获取空间分辨数据。
02
文章题目：Exploring tissue architecture using spatial transcriptomics
中文题目：使用空间转录组学探索组织结构
影响因子：49.964
作者：Rao A, Barkley D, França GS, Yanai I.
引用：Nature. 2021 Aug;596(7871):211-220. doi: 10.1038/s41586-021-03634-9. Epub 2021 Aug 11.
摘要：破译基因活动在多细胞生物中协调复杂细胞排列的原理和机制对生命科学的研究具有深远的影响。新一代测序和成像方法的最新技术进步，已经建立了空间转录组学的力量，以系统地测量整个组织空间中所有或大多数基因的表达水平，并已被用于在神经科学、发育和植物生物学中产生生物学见解以及调查一系列疾病背景，包括癌症。与通过基因组测序和人口健康调查获得的数据集类似，该技术生成的大规模图谱有助于探索性数据分析以生成假设。该文回顾了空间转录组学技术并描述了可用于结果数据分析路径的操作库。空间转录组学还可以使用比较时间点或条件（包括遗传或环境扰动）的实验设计进行假设检验。最后，空间转录组数据自然适合与其他数据模式集成，为深入了解组织提供可扩展的框架。
03
文章题目：Molecular architecture of the developing mouse brain
中文题目：发育中的小鼠大脑的分子结构
影响因子：49.964
作者：La Manno G, Siletti K, Furlan A, Gyllborg D, Vinsland E, Mossi Albiach A, Mattsson Langseth C, Khven I, Lederer AR, Dratva LM, Johnsson A, Nilsson M, Lönnerberg P, Linnarsson S.
引用：Nature. 2021 Aug;596(7870):92-96. doi: 10.1038/s41586-021-03775-x. Epub 2021 Jul 28.
摘要：哺乳动物的大脑是通过由可扩散的形态发生素、细胞间相互作用和内在遗传程序产生的空间线索的复杂相互作用而发育的，这些因素可能导致一千多种不同的细胞类型。对这个过程的完整理解需要在大脑发育的整个时空范围内对细胞状态进行系统表征。因此，单细胞 RNA 测序和空间转录组学揭示复杂组织的分子异质性的能力在神经系统中特别强大。以前的研究探索了特定大脑区域 、整个成人大脑甚至整个胚胎的发育。该文作者报告了原肠胚形成和出生之间胚胎小鼠大脑的综合单细胞转录组图谱。确定了近 800 种细胞状态，这些状态描述大脑及其封闭膜的功能元件的发育程序，包括早期神经上皮、区域特异性次级组织器以及神经源性和胶质源性祖细胞。还使用原位 mRNA 测序来绘制关键发育基因的空间表达模式，将原位数据与单细胞簇相结合，揭示神经系统模式化过程中神经祖细胞的精确空间组织。
04
文章题目：Spatial Transcriptomics analysis of uterine gene expression in enhancer of Zeste homolog 2 (Ezh2) conditional knockout mice
中文题目：Zeste同源2（Ezh2）条件敲除小鼠增强子子宫基因表达的空间转录组学分析
影响因子：47.721
作者：Mesa AM, Mao J, Medrano TI, Bivens NJ, Jurkevich A, Tuteja G, Cooke PS, Rosenfeld CS.
引用：Biol Reprod. 2021 Aug 3:ioab147. doi: 10.1093/biolre/ioab147. Online ahead of print.
摘要：在相关时空尺度上捕捉微生物种群的异质表型极具挑战性。文章作者提出 par-seqFISH（并行顺序荧光原位杂交），这是一种转录组成像方法，可以以单细胞和分子分辨率记录微尺度组装中的基因表达和空间背景。将这种方法应用于机会性病原体铜绿假单胞菌，分析浮游和生物膜培养中数十种条件下的约 600,000 个人。确定了许多在浮游生长过程中动态出现的代谢和毒力相关的转录状态，以及固着种群中高度空间解析的代谢异质性。我们的数据显示，不同的生理状态可以在仅几微米远的同一生物膜中共存，强调了微环境的重要性。结果说明了微生物种群的复杂动态，并提出一种以高分辨率研究它们的新方法。
05
文章题目：Live cell tagging tracking and isolation for spatial transcriptomics using photoactivatable cell dyes
中文题目：使用光活化细胞染料进行空间转录组学的活细胞标记跟踪和分离
影响因子：14.913
作者：Genshaft AS, Ziegler CGK, Tzouanas CN, Mead BE, Jaeger AM, Navia AW, King RP, Mana MD, Huang S, Mitsialis V, Snapper SB, Yilmaz ÖH, Jacks T, Van Humbeck JF, Shalek AK.
引用：Nat Commun. 2021 Aug 17;12(1):4995. doi: 10.1038/s41467-021-25279-y.
摘要：细胞的表型和功能受与其微环境的动态相互作用的影响。为了检查细胞时空活动，作者开发了 SPACECAT-空间光激活颜色编码的细胞地址标签-在保持活力的同时注释、跟踪和分离细胞。在 SPACECAT 中，样品用光笼式荧光分子染色，细胞通过用用户模式的近紫外光解开这些分子来标记。SPACECAT 提供跨不同细胞和组织类型的单细胞精度和时间稳定性。举例来说，以患者来源的肠道类器官中的隐窝样区域为目标，以丰富干细胞样和活跃的有丝分裂细胞，符合文献预期。此外，作者将 SPACECAT 应用于来自四个健康器官和本土肺肿瘤模型的离体组织切片。最后提供一个计算框架来识别空间偏向的转录组模式和丰富的表型。这种微扰性和广泛适用的方法将细胞时空和/或行为表型与不同的下游检测联系起来，从而能够深入了解组织微环境和（功能障碍）功能之间的联系。
06
文章题目：NovoSpaRc: flexible spatial reconstruction of single-cell gene expression with optimal transport
中文题目：NovoSpaRc：具有最佳运输的单细胞基因表达的灵活空间重建
影响因子：13.491
作者：Moriel N, Senel E, Friedman N, Rajewsky N, Karaiskos N, Nitzan M.
引用：Nat Protoc. 2021 Sep;16(9):4177-4200. doi: 10.1038/s41596-021-00573-7. Epub 2021 Aug 4.
摘要：单细胞 RNA 测序 (scRNA-seq) 技术彻底改变了现代生物医学科学。一个基本的挑战是结合空间信息来研究组织组织和空间基因表达模式。作者描述了使用 novoSpaRc 的详细协议，novoSpaRc 是一种计算框架，可将细胞概率分配到组织位置。该框架的核心是一个结构对应假设，即物理接近的细胞共享相似的基因表达谱。给定 scRNA-seq 数据，novoSpaRc 基于此假设空间重建组织，并且可选地，通过包括标记基因的参考图谱来改进重建。本文描述 novoSpaRc 算法及其在开源 Python 包 (https://pypi.org/project/novosparc) 中的实现。NovoSpaRc 在 <5 分钟内将 10,000 个细胞的 scRNA-seq 数据集映射到 1,000 个位置。使用 novoSpaRc 基于结构对应假设和人类骨肉瘤培养细胞基于标记基因信息重建 Corti de novo 小鼠器官获得的结果，并提供了程序中果蝇胚胎重建的分步指南，以证明如何将这两种策略结合起来。