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

Stereo-seq数据细胞注释指南

Stereo-seq空间转录组数据注释，推荐采用基于单细胞参考数据的解卷积注释策略：利用单细胞数据中已知的细胞类型表达谱，推断空转每个空间单元（bin /cellbin）的细胞类型组成，从而在空间维度上还原细胞类型分布。注释遵循由粗到细、逐级细化的原则——先完成稳健的细胞大类注释，再针对特定大类向下细分至细胞亚型。

乳腺癌旁的脂肪，到底是帮凶还是哨兵？浙大二院团队用时空组学揭秘

2026 年 7 月 28 日，浙江大学医学院附属第二医院黄建教授团队在 Journal for ImmunoTherapy of Cancer（IF 11.7）发表研究，首次揭示：瘤周脂肪并非被动储能，而是乳腺癌局部免疫监视的"活性生态位"——脂肪细胞通过分泌 LTB4，"编程"一群 NKG2A⁺ Vδ2 γδ T 细胞，使其成为强效的抗癌"细胞毒性哨兵"。

北大团队 Nature 子刊新作：图像+转录组「叠」在一起，细胞分割更准了

2026年7月，北京大学曾泽贤团队与合作者在Nature Computational Science上发表的DISSECT模型，为解决这一问题提供了新方案。DISSECT的核心思路是：不只用细胞形态图像，而是将图像与空间转录组数据整合起来，让基因表达信息也参与到细胞边界的判定中。这一设计让研究者能够从“看见基因在哪里表达”推进到“精准解析每个细胞的转录组和空间位置”。模型的工作流程分为三个主要步骤，每一步都对应一个具体的技术挑战。

子宫和阴道，如何一步步“走向不同命运”？首张人类女性生殖道发育时空图谱来了

由于人类胎儿组织样本极其有限，这一过程长期缺少系统的时空证据。近日，四川大学华西第二医院等团队在 Nature Cell Biology 发表研究，整合单核 RNA 测序（snRNA-seq）与 Stereo-seq，构建了覆盖孕 10–25 周的人类女性胎儿生殖道时空发育图谱。

皮肤是如何衰老的？Stereo-seq首次绘制人类眼睑皮肤衰老空间转录组图谱

近日，中国科学院上海营养与健康研究所联合上海交通大学附属第九人民医院、欧莱雅研发与创新中心等机构，在 Journal of Investigative Dermatology（JID）发表研究成果。研究团队利用 Stereo-seq 对不同年龄女性眼睑皮肤进行空间转录组分析，首次绘制人类眼睑皮肤衰老的空间转录组图谱，解析不同皮肤结构中的空间分子特征。

找回“丢失的空间坐标”：SDAS 助力突破单细胞分析局限，解锁时空组学新视野

SDAS 是华大时空专为 Stereo-seq 时空组学数据开发的一款“开箱即用、解压即跑”的 Linux 命令行分析工具包。它覆盖了从原始数据预处理到高质量图表输出的全流程分析，让研究者无需手动拼接各类零散脚本，即可轻松完成标准化、高质量的空间组学分析。

我们终于能“看见”人类胚胎如何发育：3D空间转录组重塑生命早期研究

生命最初是如何一步步形成器官与组织的？过去，科学家只能通过二维切片拼凑胚胎发育过程；如今，空间转录组结合3D建模技术，让研究人员能够在三维空间中定位细胞、追踪基因表达，并重建生命早期发育的立体蓝图。本文结合最新研究与Stereo-seq技术实践，带你了解3D发育研究如何推动发育生物学迈向全新的时空解析时代。

Science｜华大 Stereo-seq 助力首次绘制肝癌肺转移时空多组学图谱

2026年7月31日，复旦大学附属中山医院与华大共建的“中·华精准医学中心”、复旦大学附属中山医院、西南华大生命科学研究院、基因组多维解析技术全国重点实验室等机构联合攻关，在国际顶级学术期刊 Science 发表重磅成果。

Cancer Cell | 中山一院利用 Stereo-seq 揭示：B 细胞抗体在乙肝肝癌 PD-1 治疗中发挥关键作用

2026年7月16日，中山大学附属第一医院研究团队在Cancer Cell上发表了一项研究。该研究融合了单细胞多组学、空间全长BCR/TCR测序及华大智造时空组学技术（Stereo-seq）等，首次揭示抗PD-1治疗能够在肝癌三级淋巴结构（TLS）内诱导并增强抗乙肝病毒（HBV）的体液免疫应答，从而提升疗效。这一颠覆传统认知的发现表明，B细胞介导的抗病毒体液免疫是抗PD-1治疗肝细胞癌的全新机制，也为HBV相关肝癌的个体化免疫治疗提供了新思路。

告别“核外扩”：用多模态核质膜染色拿到更精准的 Stereo-seq CellBin 矩阵

学习如何使用核质膜染色图像分割细胞，并得到 Stereo-seq 数据的 CellBin 矩阵，获得更精准的单细胞分辨率的空间转录组解析。学完本教程，你将能够：用真实生物边界替代几何外扩，还原细胞真实形态与极性；跑通“核+质+膜”三模态深度学习分割，输出可用Cell Mask；在StereoMap 中替换 Mask，并回流 SAW realign 流程，重新生成 CellBin 矩阵；在 StereoMap 中查看更新后的空间细胞可视化。无论你需要利用 GPU 追求高效率的快速计算，还是需要兼顾通用与轻量化环境的 CPU 逐通道处理，下面都有一条适合你的路径。

1 2 3 4 5

17