时空知识库_华大时空成果_时空资源_STOmics - 华大时空

登录注册

EN

时空知识库

时空知识库

时空知识库

时空知识库

搜索

首页> 资源>时空知识库

搜索

破解癌症“暗物质”！Stereo-seq助力绘制迄今最全癌症lncRNA图谱

2026年5月14日，澳大利亚昆士兰大学、印度理工学院德里分校等机构合作，在Nature Methods发表了一项里程碑式研究。研究人员通过整合单细胞与空间转录组学数据，共鉴定出约22万个潜在的长链非编码RNA（lncRNA），并构建了公开数据库“SPanC-Lnc”。

细胞组学+时空组学绘制迄今最大主动脉图谱，揭示夹层发病新轴心

近日，国际知名期刊 Advanced Science 在线发表前沿成果。研究人员构建了迄今为止最大规模的人类胸主动脉单细胞图谱（包含110个样本，767,018个细胞）。该研究在单细胞层面采用华大智造单细胞RNA测序（DNBelab C系列3’RNA测序）平台进行细胞捕获和建库，在空间层面创新性地结合了华大智造时空组学技术 Stereo-seq（基于DNBSEQ T系列测序平台），精准定位了导致血管壁崩塌的关键细胞起源区域和分子调控网络。

Nature | Stereo-seq助力绘制涵盖CS12-CS23阶段的人类胚胎器官发生时空图谱

2026年5月28日，复旦大学附属妇产科医院、华大生命科学研究院牵头建设的基因组多维解析技术全国重点实验室、浙江大学医学院等团队联合，在Nature发布了一项突破性成果。研究团队依托华大智造时空组学技术Stereo-seq、单细胞建库平台DNBelab C4和DNBSEQ T 系列测序仪，成功构建了覆盖人类原肠胚后关键发育时期（CS12-CS23）的“全胚胎”时空转录组图谱。

Cell重磅！空间CRISPR筛选时代开启，Stereo-seq助力“原位”破解基因功能

2026年5月26日，北京大学曾泽贤、清华大学潘登、华大生命科学研究院冯驭团队等合作，在Cell发表了一项里程碑研究。研究团队开发了空间CRISPR筛选技术SPAC-seq及分析工具TARDIS，首次在单细胞空间分辨率下将高通量基因扰动与全转录组表达谱直接关联，系统解析基因功能与微环境的因果联系。

大脑为啥能精确地解析复杂的气味世界？Cell研究揭示鼻子里的“空间密码”

嗅觉系统如何编码气味信息是一个基础性问题。为了破解这一谜题，哈佛医学院团队在Cell发表了一项题为“A spatial code governs olfactory receptor choice and aligns sensory maps in the nose and brain”的开创性研究。研究人员通过大规模单细胞测序，以及华大智造时空组学技术Stereo-seq、测序平台T7，揭示了一个全新的、精妙绝伦的“空间密码”系统，从根本上重塑了我们对嗅觉的理解。

Nat Cell Biol | Stereo-seq助力构建全球首个灵长类早期器官发生三维空间转录组图谱

2026年5月7日，Nature Cell Biology在线发表了西湖大学、华大生命科学研究院与中科院动物所的合作成果。研究团队利用华大智造时空组学技术Stereo-seq（测序平台： T系列），结合三维重建，构建了全球首个食蟹猴CS9和CS10胚胎的三维空间转录组图谱，系统解析了心脏、神经管、肠道、体节等器官雏形的空间分子程序。该成果首次在三维空间重建了灵长类早期胚胎的细胞谱系组织方式，为理解人类早期发育和先天性疾病起源提供了关键参考。

Nature | Stereo-seq助力构建全球首个人类妊娠全周期母胎界面单细胞时空图谱

近日，国际顶尖学术期刊Nature在线发表了由加州大学、斯坦福大学等团队联合完成的突破成果。研究团队依托单细胞多组学技术（snRNA-seq+snATAC-seq），结合华大智造时空组学技术Stereo-seq，并基于华大智造T7测序平台完成高通量测序，成功构建了全球首个覆盖人类妊娠全周期（孕5周至39周）的母胎界面单细胞时空图谱。

大脑 “保护盾” 何时上线？Stereo-seq助力揭示人类血脑屏障发育机制

2026年3月23日，中国科学院动物研究所等团队在 Cell Stem Cell 期刊发表研究成果。该研究整合了单细胞RNA测序（scRNA-seq）与时空组学技术，其中时空组学部分采用华大智造的Stereo-seq捕获芯片（最大尺寸可达3 cm×4 cm）并结合华大智造T系列测序仪进行测序，首次构建了人类胚胎大脑皮层从孕6周到21周的血脑屏障高精度时空发育图谱。

将细胞注释信息导入 cellbin GEF 以在 StereoMap 中可视化

在标准的 STOmics 分析流程中，SAW 会生成包含基因表达矩阵和空间坐标的 Cellbin GEF 文件。虽然 SAW 提供了初步的聚类结果，但研究人员通常会使用第三方工具，如 Scanpy、Seurat，或专用算法，如 cell2location、RCTD（Robust Cell Type Decomposition），进行高级下游分析，以准确鉴别细胞类型或功能状态。然而，这些精细的注释信息通常仅存在矩阵文件或静态图像中，与原始的空间数据是脱节的。这就导致用户无法利用 StereoMap 交互式可视化功能来查看重新定义的细胞类型。本指南旨在填补这一空白，提供了一套分步工作流程，指导您将下游分析生成的自定义细胞注释重新导入到原始的 Cellbin GEF 文件中。

使用第三方分割 Mask 生成优化后的 Stereo-seq CellBin

在分割效果不理想或缺失的情况下，为了获得更加精确、适合后续分析的细胞边界，StereoMap 提供了手动分割工具，用于修正局部区域的错误。然而，当需要处理大量样本时，手动修正变得低效且不现实。此时，结合第三方细胞分割算法（如 Cellpose、StarDist 或 DeepCell）生成自定义的分割 mask，并替换 SAW 的默认分割结果，是提高分割精度的有效途径。如此一来，能够重新计算优化后的 CellBin 矩阵，提升细胞边界的准确性，进而改善下游空间基因表达分析的可靠性。

1 2 3 4 5

15