追热点，好吗？当然好，只要有足够的基金，热点还是比较容易发大文章的，但是需要注意，测序前还是应该有合理，目的明确的课题设计！（目前空间转录组测序就一个字贵!贵!贵!）
Nature Methods 将空间转录组 评选为2020年度技术，注定了空间转录组会成为未来几年的研究热点。
空间转录组，顾名思义包含了细胞的空间信息和细胞的转录表达信息。相比单纯的单细胞转录组测序，空间转录组保留了组织中细胞的位置信息，利于分析不同区域的细胞构成，以及识别不同区域的差异基因。但是技术受限，目前空间转录组很难达到单细胞水平，往往一个spot中包含了1-10个细胞，这就会导致每个spot严格来说是一个小的bulk测序，如果spot包含多个不同细胞类型的细胞，导致spot基因表达特征会丢失。
如图提供了10X 空转测序方案，我们可以看到一张 slide 有 4 个捕获区域，也就是说可以处理 4 张冷冻切片，每个捕获区域包含了5000个spots，因此我们每张切片最多获得不超过5000个spots的基因表达信息。
空间转录组分析，我们可以把每个spots 当作一个细胞，这样，单细胞转录组数据分析流程就可以直接用于空间转录组分析。通过对空间转录组数据进行降维聚类，我们可以把spots分为不同的簇，分类结果映射到冷冻切片上，我们可以直观看到切片的区域信息。
Seurat提供了10X空间转录组分析流程（https://satijalab.org/seurat/articles/spatial_vignette.html）。具体的组织切片区域识别可参考艾伦大脑图集ABA(在大脑单细胞， 空间转录组研究中的应用)(https://www.jianshu.com/p/5d087fffeb35)
这儿，我们可以明显的看到，spots主要是以区域进行分类，而组织包含的细胞类型信息无法获得的。
这也是为何我们在空间转录组中需要单细胞转录组的原因。
单细胞转录组可以精确的提供组织的细胞类型信息，这可以为判断空间转录组的细胞类型提供参照。目前很多算法出现（如MIA),可以根据单细胞提供的细胞类别信息，判断每个spot最可能的细胞类型。
例如，通过结合单细胞cortex的单细胞转录组数据集，使用seurat提供的‘anchor’-based 方法，我们可以把单细胞细胞类别标签映射到空间切片spots上。如图 Fig 4，大脑皮层最外层L1最可能是Astro细胞，第L2/L3层是单细胞识别到的L2/3 IT细胞。
因此，我们可以为每个区域的每个spot打上细胞类别标签。反之，我们可以发现单细胞数据中的细胞来源于组织的具体哪个区域。这将为研究细胞分化，细胞通讯提供最直观的信息。
总之，我认为空间转录组提供的空间信息，可以为单细胞转录组中细胞的来源空间位置提供空间参照，而单细胞转录组细胞类别信息可以解决空间转录组不是单细胞精度的问题。两种技术结合分析，将获得更多可靠，有意义的结果。
目前，一些文章也使用了这两种前沿技术综合分析。《Cell》上发表的《Multimodal Analysis of Composition and Spatial Architecture in Human Squamous Cell Carcinoma》，使用了10x Genomics单细胞转录组测序和Visium空间基因表达解决方案，分析了cSCC肿瘤和基质细胞亚群，它们相互作用的空间微环境，以及它们参与的癌症通讯基因网络。（内容可查看文章https://www.sciencedirect.com/science/article/pii/S0092867420306723）
如图Fig 5，首先测序了10个皮肤鳞癌病人的样本，和对应的正常样本；然后用单细胞RNA-seq方法对单个细胞的RNA进行分析；接着用空间转录组方法，对组织的空间表达模式进行分析；最后用MIBI，也就是多重离子束成像进行分析，也就是对选定的蛋白质做空间表达分析。
