文献汇总--Stereo-seq的双pattern分析

课前准备--stereo-seq通讯分析策略

课前准备--Stereo-seq（HD）细胞类型的分布梯度

作者，Evil Genius 今天我们更新思路，针对华大的Stereo-seq。 目前关于华大Stereo-seq的数据分析生态也在慢慢建立，越来越完善，对大家来讲，这是好事。 整体而言，Stereo-seq与HD的分析思路非常接近，都是细胞分割模式 + bin模式。 目前对于空转，高精度和高通量还是有点不可兼得，从大多数的选择来看，选择高精度的多一点。 第三步：细胞注释，目前而言，细胞分割模式下无论是Stereo-seq还是HD数据，仍然无法直接用marker注释，还是需要借助单细胞的力量，以匹配的单细胞数据为参考，进行细胞注释，如果看过我之前的文章应该知道分析策略 第四步：肿瘤细胞的识别，对于单细胞空间数据而言，肿瘤细胞的识别更多借助的是CNV分析，那么Stereo-seq（HD）在细胞分割模式下可以进行CNV分析么？

第26课PPT--CODEX（IMC、mIHC）基础分析梳理

（RCTD、cell2location、iStar、spotiphy）第五课：10X visium（Stereo-seq bin > 50）多样本细胞niche与注释第六课：10X visium（Stereo-seq bin > 50） 空间转录组（单样本/多样本）共定位分析第七课：10X visium（Stereo-seq bin > 50） 空间通讯分析第八课：10X visium（Stereo-seq bin > 50）空间CNV分析第九课：10X visium（Stereo-seq bin > 50）hotspot分析第十课：10X visium（Stereo-seq bin > 50）细胞轨迹分析第11 13课：10X HD （Stereo-seq bin < 50、slide-seq）空间注释第14课：10X HD （Stereo-seq bin < 50、slide-seq）细胞niche分析第15 17课：10X HD （Stereo-seq bin < 50、slide-seq）通讯分析第18课：关于10X HD （Stereo-seq bin < 50）个性化分析的讨论（CNV、轨迹、NMF等

流程升级---原位捕获数据的无分割分析（Stereo-seq、HD）

然而，空间转录组学的最新进展通过Stereo-seq、Seq-Scope、Open-ST和Nova-ST等定序方法提供了纳米分辨率的全转录组图谱。

课程补充--关于visium HD（Stereo-seq）scNiche与COMMOT的运用

作者，Evil Genius关于visium HD（Stereo-seq），可能基因检测数量偏低，但是胜在数量多，好好挖掘还是可以做出很多有意义的内容。 我们2026年空间转录组系列课程课堂上讲过很多细节的内容，为什么visium HD（Stereo-seq）要做分子niche，以及为什么visium HD（Stereo-seq）偏向于分子niche，大家看下面的图 课堂上由学员问为什么visium HD（Stereo-seq）不能直接做细胞niche，这个问题在课堂上详细讲过了，完整的视频、脚本、PPT我都发给大家了，大家可以回看一下。

知识扩展--华大stereo-seq如何得到合理的分析精度bin

今天我们来更新一个内容，那就是华大stereo-seq分析如何获取合理的分析精度bin。华大是一个非常好的单位，大家有机会一定要加入，要珍惜。 空间平台能与Xenium、Visium、HD等一较高下的，国产只有Stereo-seq，且目前还处于劣势。当然了，华大目前有细胞分割的做法，但是也存在缺陷，主要如下。 亚细胞分辨率：Stereo-seq像素尺寸为500nm，远小于细胞大小（~10-20μm），但RNA扩散会导致信号跨细胞边界。 无直接细胞边界信息：标准Stereo-seq只有基因表达和DAPI核染色，缺乏细胞膜标记。组织异质性：不同组织类型的细胞大小、密度、形态差异大。

文献分享-----10X Visium HD & Stereo-seq图像分割（nature文献）

高清空间转录组学（HDST）（约2 μm）、Visium HD（约2 μm）、Seq-Scope（约0.5-0.8 μm）和Stereo-seq (0.5-0.715 μm)，需要开发定制的细胞类型鉴定数学方法 小鼠脑内巨噬细胞的定位（示例数据、Stereo-seq）将TopACT扩展到成像平台（Xenium平台）TopACT可以从靶向成像的空间数据中准确识别细胞类型和位置，并且将转录信息整合到分割中可以改进当前依赖图像的方法 确定小鼠肾脏中的免疫细胞（Stereo-seq）炎症是多种肾脏疾病的关键驱动因素，包括肾小球肾炎和糖尿病肾病，但在这些疾病中，免疫细胞通常不会在肾脏内聚集或形成大的淋巴样结构。

课后补充--为什么visium HD（stereo-seq）不做细胞niche而xenium(CosMx)做细胞niche很常见？

作者，Evil Genius这一篇来回答一个核心问题，为什么visium HD（stereo-seq）只能做分子niche，而xenium(CosMx)分子niche和细胞niche都要做，且文章中细胞 visium HD（stereo-seq）现在也可以做细胞分割，和xenium(CosMx)的细胞分割有什么区别？ Stereo-seq 为什么更明显？Stereo-seq特点：DNB（DNA nanoball）超高空间密度亚微米级barcode看起来比Visium HD更强。 Visium HD / Stereo-seq优势：whole transcriptome可以发现：新marker新cell state新空间区域但是：RNA稀释。 简单类比：Visium HD/Stereo-seq：先拍高清地图，再推断每个人在哪里Xenium/CosMx：先看到每个人，再记录每个人的位置所以：Visium HD/Stereo-seq → spatial

空间单细胞图谱揭示脊椎动物咽部器官的演化起源

利用Stereo-seq和单细胞RNA测序技术，构建了海鞘内层结构的单细胞图谱。 对于Stereo-seq，通过空间条形码DNA纳米球(DNB)检测的表达谱与在文库构建中捕获的单链DNA染色光学图像对齐。 细胞分离后，在6个Stereo-seq切片中获得18371个细胞单位，并进行细胞类型注释。 单细胞数据和Stereo-seq数据的相似性比较，证明scRNAseq和空间转录组数据集之间的相似性，其实就是证明Stereo-seq数据直接可以当做单细胞数据来用。 利用hotspot在Stereo-seq数据集中发现了13个具有显著空间自相关性的基因模块。

脚本更新----空间邻域差异分析（针对visium、bin模式的Stereo-seq、HD）

今日更新脚本，空间邻域差异分析（针对visium、bin模式的Stereo-seq、HD）我们要实现下面的内容（在visium平台）第一步，做好单细胞空间联合分析，无论什么方法（cell2location

方法更新---亚细胞分辨率空间转录组学的单细胞划分

作者，Evil Genius现在已经有了多个亚细胞精度的空间平台，例如10X HD、Stereo-seq、Slide-seq等，虽然大多数还是采用bin模式的分析方法，但我们更希望有细胞分割的方法来实现单细胞级别的空间分析 关于Stereo-seq，华大也推出了细胞分割的方法，目前看到了一篇文章是这么做的，分享文章在文献分享---人动脉粥样硬化斑块中三级淋巴样器官结构的单细胞空间转录组学研究（Stereo-seq）不过以上方法都是基于核分割

Xenium、CosMx等技术流程篇

标准化的高精度空间（HD、Stereo-seq、Xenium等）平台基础分析Xenium课程分析前奏参考文章高精度空间转录组平台分析框架（python版本)高精度空间转录组分析之squidpy和空间网络图 、HD）流程升级----高精度空间平台的细胞邻域分析（固定范围）流程升级---空间邻域聚类分析与分层分析（高精度平台，Stereo-seq、HD、Xenium、CosMx）脚本更新----空间邻域差异分析 （高精度平台，Xenium、CosMx、CODEX、图像分割Stereo-seq、HD）脚本更新----细胞的空间临近性分析脚本更新---空间转录组分析三种（多种）细胞类型的空间位置变化脚本更新---- Xenium、CODEX、CosMx范围邻域矩阵的获得与亚群分析内容复习---空间邻域差异分析（高精度平台和低精度平台）第七步，时空通讯高精度空间平台（Stereo-seq、Xenium、HD）的时空通讯动态流程更新 ----空间细胞聚类及配受体共现分析（针对visium、bin模式的Stereo-seq、以及HD）脚本更新---高精度平台banksy聚类、细胞邻域、临界通讯流程升级---单细胞 + 空间数据推断空间尺度的配

生信爱好者周刊（第 28 期）：华大Stereo-seq系列成果揭秘超高分辨率生命全景时空图谱

「生信周刊讨论区（语雀）」[2] Stereo-seq芯片工作原理及小鼠胚胎发育时空转录组图谱。 （via） 封面图 本周话题：华大Stereo-seq系列成果揭秘超高分辨率生命全景时空图谱 国际顶级期刊Cell和子刊Developmental Cell，上线了4篇应用Stereo-seq技术的研究文章 ，揭示其在小鼠、斑马鱼、果蝇、拟南芥等模式生物中的应用成果，其中Cell文章详细介绍了Stereo-seq技术原理和细节。 此外，Cell出版社官网还特设专题网页（https://www.cell.com/consortium/spatiotemporal-omics），展示了以上4篇文章及4篇应用Stereo-seq技术的 与当前其他技术相比，在相同的精度下，Stereo-seq具备更灵敏和更强的mRNA捕获能力。

今日课题---空间转录组数据降噪分析（Stereo-seq和10x Visium）

结果1、SRT数据包含妨碍下游分析的噪声转录物扩散噪声在SRT数据中普遍存在（Stereo-seq和10x Visium）。 10X和华大数据的分析表现结果3、SpotGF有效滤除SRT数据中的扩散基因（大豆根系的Stereo-seq数据）结果4、SpotGF增强了在SRT数据中识别上调基因的准确性结果5、SpotGF促进细胞聚类和细胞类型推断

方法更新----关于HD、Stereo-seq在bin模式下的细胞邻域分析（double）

在HD 16um（8um通常不采用）、Stereo-seq bin50以下（25um以下），在做单细胞空间联合分析的时候，采用的是RCTD的double模式，那么在这种模式下，细胞类型之间的空间关系该如何分析呢 其实在很早之前（2022年）进行空间培训的时候谈到过这个问题，大家可以看一下视频空间转录组高级个性化数据分析第一期相信大家也看了很多的文献，关于double模式下的分析其实参考很少，Stereo-seq

Cell Res | Stereo-seq揭示人类肝癌浸润区促进肝细胞-肿瘤细胞串扰、局部免疫抑制和肿瘤进展

侵袭区的特征为免疫抑制性微环境、肿瘤细胞的代谢重编程和严重受损的肝细胞a 使用 Stereo-seq 数据在边缘区域构建肿瘤边缘 SDM 的示意图。 b 线图显示使用 Stereo-seq 数据确定的人肝肿瘤边缘周围不同层中所有细胞成分的平均免疫细胞比例和不同亚群（B 细胞、巨噬细胞、T/NK 细胞、DC 和浆细胞）。 b 基于 Stereo-seq 数据（LC5-M）的火山图显示两个肝细胞簇（Hep1 和 Hep2）之间的差异表达基因（DEGs）。 e 基于 scRNA-seq 和 Stereo-seq 数据（LC2-M）显示与 Hep2 亚型相比，Hep1 亚型中常见上调基因富集途径的气泡图。 j 基于 scRNA-seq 数据，显示恶性细胞簇 3（C3）中上调基因与由 Stereo-seq 数据指示的 Hep1 富集区域肿瘤细胞之间的重叠（LC2-M）。

流程升级---解剖细胞邻域（CN）组织的iTME（高精度空间平台、Stereo-seq、HD）

原因很简单，所谓流程升级，需要调研，把所有的分析方法、算法、使用场景、优劣势全部总结出来，比如现在的空间平台，有Visium、Xenium、HD、Stereo-seq，再比如单细胞空间联合分析的方法，几十种 现在大家做HD、Stereo-seq，尽量不要再用bin分割模式，采用图像识别的图像分割模式，获取单细胞级别的空间矩阵。今天我们继续升级分析流程，华大（Stereo-seq）为主。

文献分享----华大空转（Stereo-seq）分析揭示肺泡树突状细胞-T细胞免疫中心防御肺部感染

空间转录组学技术Stereo-seq和scRNA-seq，单细胞反卷积和共定位分析。 分析结果1、SARS-CoV-2感染前后仓鼠肺器官尺度免疫图谱无监督的单细胞、空间聚类分析结果2、免疫图谱显示的肺泡DC-T免疫中枢Stereo-seq数据与scRNA数据的联合分析整合的Stereo-seq 空间邻域的配受体分析解释了细胞间邻域的相互作用分析结果4、肺内Cd160+Cd8+ T细胞快速扩增清除SARS-CoV-2感染分析结果5、DC-T免疫中枢在感染后期的恢复scRNA-seq和Stereo-seq

文献分享---人动脉粥样硬化斑块中三级淋巴样器官结构的单细胞空间转录组学研究（Stereo-seq）

今天我们分享文献，个人看到的第一篇Stereo-seq有采用细胞分割的文献。知识积累动脉粥样硬化是一种广泛存在的血管疾病，对全球健康有着深远的影响。 结果1、动脉粥样硬化斑块的空间分辨单细胞转录组图谱scRNA-seq、Stereo-seq。注释Stereo-seq数据依然要借助单细胞数据的力量。 最后来看看方法Stereo-seq的细胞分割单细胞数据分析单细胞空间联合生活很好，有你更好