空間轉錄組學（ST）來捕獲完整組織內轉錄活動的空間位置，這是傳統的批量轉錄組和單細胞RNA測序（scRNA-Seq）數據無法實現的。空間轉錄組學已被應用于研究大腦、肺、乳房、心臟、肝臟、腸、腎臟、胃、前列腺、子宮、膀胱、胚胎中組織結構的穩態/異質性。這些研究拓寬了我們對生物醫學研究中先前未有的分子分辨率組織的理解，特別是在發育生物學、再生醫學、疾病/腫瘤微環境方面。當前的空間轉錄組學技術通常采用空間條形碼探針來定位和測序組織切片中的mRNA豐度，稱為下一代基于測序（基于NGS）的空間轉錄組學，或通過多輪原位雜交，測序和成像記錄mRNA譜的位置，稱為高重RNA 基于成像（基于HPRI）的空間轉錄組學。然而，由于這些空間技術的轉錄組覆蓋范圍或測序深度的局限性，目前的方法仍然難以生成空間轉錄組學，其中每個位置的轉錄組可以大規模地達到單細胞水平。即使隨著公開可用的scRNA-seq數據的超快速積累，將空間轉錄組學數據與匹配的特定上下文scRNA-seq相結合可以大大提高空間數據的利用效率。單細胞特征既可以用作基于NGS的去卷積空間轉錄組學數據的參考，以預測細胞類型比例，也可以映射到基于HPRI的空間轉錄組學數據來估計組織樣本中的細胞類型分布。
       最近，四川大學團隊發布了一個單細胞分辨率的空間轉錄組學數據庫——SPASCER（https://ccsm.uth.edu/SPASCER），該數據相關文章發表在Nucleic Acids Res期刊（IF:19.160）。

       SPASCER提供了空間轉錄組學的系統注釋，包括 (i) 空間模型基因，(ii) 空間模型途徑，(iii) 基因調控網絡，(iv) 細胞-細胞相互作用 (v) 空間轉錄組學去卷積和相互作用。SPASCER從43個研究中收集了1082個數據集，這些研究跨越了16個器官類型和4個物種（人，小鼠，雞和斑馬魚）。注釋了總共118種細胞類型，包括內皮、上皮、成纖維細胞和免疫細胞等。

       檢測到的空間模式也可能反映組織組織和特定細胞類型分布。在一個腎臟小鼠模型中，作者發現基因Aadat顯示出清晰的空間結構模式，并且參與了空間模型途徑。空間斑點聚類和H & E染色圖像，以及反卷積分析表明，這種特定的空間基因和途徑模式可能與近端小管段3細胞的分布有關。Aadat的空間格局在損傷后減少，并隨著修復過程而增加，這將有助于研究再生過程。因此，此數據庫提供了細胞類型標記基因，空間基因模式，空間途徑模式，基因調控網絡以及scRNA-seq和空間轉錄組學的細胞-細胞相互作用的豐富資源。

細胞類型類別
       內皮細胞，上皮細胞，成纖維細胞和免疫細胞等是組織構建中的基本細胞類型。根據細胞類型的統計分析，內皮是大多數研究 (23/43) 中包括的主要細胞類型。在此數據庫中，包含內皮細胞的九個人體器官和六個小鼠器官。跨組織的內皮細胞的代表標記顯示在圖2B和C中。如這些圖所示，不同的組織表達獨特的標記基因，而聚腺苷酸結合蛋白1 (PABPC1) 在人和小鼠的多個組織中均高度表達。因此，這可能是一個潛在的研究點，因為目前沒有報道揭示聚腺苷酸結合蛋白1與內皮細胞之間的關系。

空間模式路徑類別
       此類別提供了已鑒定的空間圖案化基因的豐富生物學途徑。總共，作者使用所有樣品確定了22條具有跨組織架構的空間模式的792通路（圖S4B）。對于腫瘤研究，“細胞遷移”，“細胞粘附”，“細胞分化”，“細胞增殖”，“白細胞遷移”等在腫瘤區域高度富集，表明腫瘤增殖和侵襲。特定的模式也可能揭示正常組織中的結構組織。CCK (膽囊收縮素) 高度分布在人皮質的L2和L6層中，Aadat富集在小鼠腎臟的近端小管區域。作者還發現，損傷后2小時空間格局迅速下降，2天后幾乎消失，6周后恢復正常，這可能與近端小管的損傷和修復過程有關。這些檢測到的空間模式基因將有助于對組織組織的理解，而這些模式基因在時間序列組織中的動態變化將拓寬對組織發育，疾病進展和損傷再生的關鍵因素的了解。

轉錄因子調控網絡類別
       本分類提供轉錄因子調節網絡信息。鑒定了697個關鍵調控因子和一系列潛在的靶基因，涉及總共97種細胞類型。將檢測到的潛在調控因子和靶基因定位到蛋白質-蛋白質相互作用中，以構建網絡。在該模塊中，用戶可以輸入感興趣的基因符號，以檢查該基因是否在多個組織中起調節作用，以及其潛在的靶基因。對于先前基于研究，作者使用熱圖提供了每種細胞類型中所有已識別的重要轉錄因子。該類別可以提供組織架構上下文的關鍵調節。

細胞與細胞相互作用類別
       此類別在單細胞環境中提供了重要的配體-受體對。配體是一種與一個細胞釋放的生物分子形成復合物的物質，以發出自身或不同細胞的信號。當配體與其各自的受體結合時，生物活性會改變，從而引發幾種不同類型的細胞反應。使用scRNA-seq數據的細胞-細胞相互作用分析鑒定了135個細胞類型中1020獨特的配體-受體對。在網站中，作者提供了所有已識別的重要配體受體對以及相關的源細胞和靶細胞。對于基因的搜索，用戶可以搜索各個基因的相互作用伙伴和在各種細胞中的表達水平。對于基于紙張的瀏覽，用戶可以這樣做檢查網絡模塊中所有重要交互的單元類型。較厚的邊緣表示較強的相互作用。細胞活動取決于細胞-細胞相互作用，這對于組織穩態至關重要。異常的細胞-細胞相互作用可能導致組織紊亂甚至疾病。

空間反卷積與相互作用分析范疇
       此類別通過反卷積分析提供高度豐富的細胞鄰域和相互作用。即使我們對每個斑點的細胞類型進行了預測，但在復雜的組織中，一個斑點對于一種以上的細胞類型可能具有較高的富集評分。因此，作者提供了每個數據集的富集熱圖，并基于Giotto聚類分析了spot-spot通信。使用來自scRNA-seq的注釋細胞類型，作者估計了單個細胞類型的分布。