SPASCER：单细胞分辨率的空间转录组学注释数据库
空间转录组学（ST）来捕获完整组织内转录活动的空间位置，这是传统的批量转录组和单细胞RNA测序（scRNA-Seq）数据无法实现的。空间转录组学已被应用于研究大脑、肺、乳房、心脏、肝脏、肠、肾脏、胃、前列腺、子宫、膀胱、胚胎中组织结构的稳态/异质性。这些研究拓宽了我们对生物医学研究中先前未有的分子分辨率组织的理解，特别是在发育生物学、再生医学、疾病/肿瘤微环境方面。当前的空间转录组学技术通常采用空间条形码探针来定位和测序组织切片中的mRNA丰度，称为下一代基于测序（基于NGS）的空间转录组学，或通过多轮原位杂交，测序和成像记录mRNA谱的位置，称为高重RNA 基于成像（基于HPRI）的空间转录组学。然而，由于这些空间技术的转录组覆盖范围或测序深度的局限性，目前的方法仍然难以生成空间转录组学，其中每个位置的转录组可以大规模地达到单细胞水平。即使随着公开可用的scRNA-seq数据的超快速积累，将空间转录组学数据与匹配的特定上下文scRNA-seq相结合可以大大提高空间数据的利用效率。单细胞特征既可以用作基于NGS的去卷积空间转录组学数据的参考，以预测细胞类型比例，也可以映射到基于HPRI的空间转录组学数据来估计组织样本中的细胞类型分布。
最近，四川大学团队发布了一个单细胞分辨率的空间转录组学数据库——SPASCER（https://ccsm.uth.edu/SPASCER），该数据相关文章发表在Nucleic Acids Res期刊（IF:19.160）。
SPASCER提供了空间转录组学的系统注释，包括 (i) 空间模型基因，(ii) 空间模型途径，(iii) 基因调控网络，(iv) 细胞-细胞相互作用 (v) 空间转录组学去卷积和相互作用。SPASCER从43个研究中收集了1082个数据集，这些研究跨越了16个器官类型和4个物种（人，小鼠，鸡和斑马鱼）。注释了总共118种细胞类型，包括内皮、上皮、成纤维细胞和免疫细胞等。
检测到的空间模式也可能反映组织组织和特定细胞类型分布。在一个肾脏小鼠模型中，作者发现基因Aadat显示出清晰的空间结构模式，并且参与了空间模型途径。空间斑点聚类和H & E染色图像，以及反卷积分析表明，这种特定的空间基因和途径模式可能与近端小管段3细胞的分布有关。Aadat的空间格局在损伤后减少，并随着修复过程而增加，这将有助于研究再生过程。因此，此数据库提供了细胞类型标记基因，空间基因模式，空间途径模式，基因调控网络以及scRNA-seq和空间转录组学的细胞-细胞相互作用的丰富资源。
细胞类型类别
内皮细胞，上皮细胞，成纤维细胞和免疫细胞等是组织构建中的基本细胞类型。根据细胞类型的统计分析，内皮是大多数研究 (23/43) 中包括的主要细胞类型。在此数据库中，包含内皮细胞的九个人体器官和六个小鼠器官。跨组织的内皮细胞的代表标记显示在图2B和C中。如这些图所示，不同的组织表达独特的标记基因，而聚腺苷酸结合蛋白1 (PABPC1) 在人和小鼠的多个组织中均高度表达。因此，这可能是一个潜在的研究点，因为目前没有报道揭示聚腺苷酸结合蛋白1与内皮细胞之间的关系。
空间模式路径类别
此类别提供了已鉴定的空间图案化基因的丰富生物学途径。总共，作者使用所有样品确定了22条具有跨组织架构的空间模式的792通路（图S4B）。对于肿瘤研究，“细胞迁移”，“细胞粘附”，“细胞分化”，“细胞增殖”，“白细胞迁移”等在肿瘤区域高度富集，表明肿瘤增殖和侵袭。特定的模式也可能揭示正常组织中的结构组织。CCK (胆囊收缩素) 高度分布在人皮质的L2和L6层中，Aadat富集在小鼠肾脏的近端小管区域。作者还发现，损伤后2小时空间格局迅速下降，2天后几乎消失，6周后恢复正常，这可能与近端小管的损伤和修复过程有关。这些检测到的空间模式基因将有助于对组织组织的理解，而这些模式基因在时间序列组织中的动态变化将拓宽对组织发育，疾病进展和损伤再生的关键因素的了解。
转录因子调控网络类别
本分类提供转录因子调节网络信息。鉴定了697个关键调控因子和一系列潜在的靶基因，涉及总共97种细胞类型。将检测到的潜在调控因子和靶基因定位到蛋白质-蛋白质相互作用中，以构建网络。在该模块中，用户可以输入感兴趣的基因符号，以检查该基因是否在多个组织中起调节作用，以及其潜在的靶基因。对于先前基于研究，作者使用热图提供了每种细胞类型中所有已识别的重要转录因子。该类别可以提供组织架构上下文的关键调节。
细胞与细胞相互作用类别
此类别在单细胞环境中提供了重要的配体-受体对。配体是一种与一个细胞释放的生物分子形成复合物的物质，以发出自身或不同细胞的信号。当配体与其各自的受体结合时，生物活性会改变，从而引发几种不同类型的细胞反应。使用scRNA-seq数据的细胞-细胞相互作用分析鉴定了135个细胞类型中1020独特的配体-受体对。在网站中，作者提供了所有已识别的重要配体受体对以及相关的源细胞和靶细胞。对于基因的搜索，用户可以搜索各个基因的相互作用伙伴和在各种细胞中的表达水平。对于基于纸张的浏览，用户可以这样做检查网络模块中所有重要交互的单元类型。较厚的边缘表示较强的相互作用。细胞活动取决于细胞-细胞相互作用，这对于组织稳态至关重要。异常的细胞-细胞相互作用可能导致组织紊乱甚至疾病。
空间反卷积与相互作用分析范畴
此类别通过反卷积分析提供高度丰富的细胞邻域和相互作用。即使我们对每个斑点的细胞类型进行了预测，但在复杂的组织中，一个斑点对于一种以上的细胞类型可能具有较高的富集评分。因此，作者提供了每个数据集的富集热图，并基于Giotto聚类分析了spot-spot通信。使用来自scRNA-seq的注释细胞类型，作者估计了单个细胞类型的分布。
