单细胞转录组测序技术的如火如荼，伴随着空间转录组测序技术的蓬勃发展，可以看到，在现有的高通量检测技术领域，这两种技术已为科学研究的发展提供了前所未有的技术支撑。从2019年单细胞多组学被评为《Nature Methods》年度技术进展，到2020年空间转录组技术也被评为年度技术进展，相信在接下来的时间里，单细胞转录组和空间转录组将为生命科学的发展做出极其重要的贡献。
单细胞转录组测序技术的特点在于提供详实的每个细胞的转录表达信息，但是缺失了来源组织的空间组成信息。现有商用空间转录组测序技术的特点在于提供了完整的组织空间位置信息，但是每个捕获spot的信息无法达到单细胞分辨率（10个左右细胞）。因此，这两个技术的存在是天然互补的，而将两者的结合也是水到渠成，完美结合。
单细胞转录组+空间转录组典型案例
01 肠道时空发育图谱绘制
2021年2月版，《cell》杂志上即将刊登一篇题为“Spatiotemporal analysis of human intestinal development at single-cell resolution “的研究。该研究将单细胞RNA测序和空间转录组测序进行联合，绘制了随时间变化的肠道形态发生。该研究确定了101个细胞状态，包括上皮和间充质祖细胞群以及与关键形态发生过程。该研究描述了隐窝-绒毛轴形成的原理，神经，血管，间充质形态发生和肠道的免疫种群，确定了发展成纤维细胞和成肌纤维细胞亚型的分化层次。研究查明了Peyer’ spatches和肠道相关淋巴组织（GALT）的起源，并描述了特定于位置的免疫特征。最后，该研究分享了胎儿肠道发育的时空分析资源（STAR-FINDer）在线数据资源库，为该领域的进一步发展提供支持。
02绘制人类心脏图谱
2019年12月，《cell》杂志上发表了一篇题为“Spatiotemporal analysis of human intestinal development at single-cell resolution “的研究。该研究揭示了在三个发育阶段填充胚胎心脏的细胞类型的转录图谱，并将细胞类型特异性基因表达映射到特定的解剖结构域。以空间转录组学确定了与每个发育阶段中不同的解剖区域相对应的独特基因谱。通过单细胞RNA测序鉴定的人类胚胎心脏细胞类型证实并丰富胚胎心脏基因表达的空间注释。然后使用原位测序来完善这些结果，并为三个发育阶段创建空间亚细胞图。最后，我们生成了人类发展中心脏的可公开访问的网络资源，以促进人类心脏发生的未来研究。
03皮肤鳞癌发生机制研究
2012年7月，《cell》杂志上发表了一篇题为“Multimodal Analysis of Composition and Spatial Architecture in Human Squamous Cell Carcinoma“的研究。该研究通过单细胞转录组测序，空间转录组，多重离子束成像对cSCC的细胞组成和结构进行了深入研究。该研究发现了一类肿瘤特异性角质形成细胞（TSK）群体，是细胞间通讯的枢纽。同时，该研究发现了潜在的免疫抑制特征。最后，利用移植模型和体内CRISPR筛选确定了特定的肿瘤亚群富集基因网络在肿瘤发生中的重要作用。这些数据定义了cSCC肿瘤和基质细胞亚群，它们的相互作用网络以及它们参与癌症的交流基因网络。
以上三篇文献很好地阐述了空间转录组测序技术和单细胞转录组测序技术的联合为我们了解生命过程和疾病发生过程带来的全新的认识和理解。
SBC服务平台深耕单细胞测序和空间转录组测序服务。现阶段，我们已建立完善的单细胞转录组测序与空间转录组测序从实验到数据分析，到两者进行深入联合分析的服务体系。在这里，也通过我们的结果给大家展示两者联合分析带来的数据魅力。
以下为SBC分析结果：
利用小鼠大脑空间转录组数据，我们通过数据降维，将细胞分成了15个不同的亚群，通过右图的组织映射结果，我们也基本能看出来，不同的亚群在组织上具有明显的空间分布特点。
对于上述数据，根据已有的一些特征细胞类型基因marker，我们可以对细胞类型进行标记。但是，实际过程中，我们会发现，由于每个点是混合细胞样本的基因图谱，所以细胞类型定义会有一些偏差。这里，Cluster 3可能是潜在的L2/3 IT层。那么，更加精确的分类结果会怎么样呢？
通过将单细胞转录组测序数据进行联合分析。结果显示，Cluster3中，只有那类红色的点是真正的L2/3IT神经细胞，而其他特别是颜色为蓝色的细胞，是其他类型的细胞。
利用这样的分析方法，我们对其他类型的神经细胞类型也都分别进行了亚群定义，使得我们在空间不同位置的具体神经细胞类型分布有了更加准确的定义。
通过以上的分析结果可以看到，如果单纯的通过空间转录组数据对细胞类型进行定义，可能会给我们带来假阳性的结果。但是，如果有每一类细胞类型的特征细胞表达图谱（单细胞转录组测序数据），我们对于组织上的具体细胞类型鉴定和空间位置识别将会更加准确。
