技术与平台

科研能力

单细胞与单核 RNA 测序

质量控制、标准化、降维、聚类、细胞类型注释与差异表达分析。通过轨迹推断、RNA 速率与 CellRank 开展细胞命运分析，并结合调控网络与细胞间通讯分析。

空间转录组

空间数据处理、区域识别、解卷积、空间自相关、空间可变基因检测与空间细胞间通讯。利用细胞类型表达谱估计空间单元中的丰度比例，将单细胞亚型映射至空间坐标。

跨模态整合

通过标签转移、基于参考的解卷积与跨平台验证，将单细胞与单核数据的转录组深度与空间背景相结合。

细胞间通讯

通过多方法聚合计算细胞类型对之间的配体–受体互作评分。在空间数据中，利用空间邻近性加权，评估推断的信号传导是否得到相邻细胞位置的支持。

调控网络分析

推断转录因子活性与基因调控网络，并投影至空间坐标，将调控活性与组织背景关联。通过虚拟基因敲除预测扰动特定调控因子的下游效应。

计算分析方法

从参考集构建到整合解读，围绕研究问题与可用数据设计分析。

参考集构建与注释

通过标准化、降维与基于图的聚类识别细胞群体，结合相关组织与疾病背景开展基于标志基因的注释。

空间验证与一致性分析

评估空间自相关、比较平台间的时间趋势，并在空间坐标中可视化配体–受体共表达。

公共数据与跨数据集整合

从 GEO、CNSA 与 STOmics DB 检索并分析公共数据。在跨平台与跨批次整合之前，评估模型一致性、时间点重叠、组织区域兼容性与数据规模。

计算策略与分析流程

围绕生物学问题与数据集兼容性设计分析策略，结合可复用代码、参数文档与可重复性材料，支持科研合作。

工具与计算环境

以下为计算环境示例，具体选择取决于分析任务。

R 生态系统

Seurat、RCTD、Spacexr 及相关包。

Python 生态系统

Scanpy、Squidpy、scVI、scVelo 及相关框架。

通讯分析

LIANA+ 及多方法配体–受体推断。

空间统计

Moran’s I、空间加权与基于邻域的指标。

代表性分析输出

以下介绍上述能力涵盖的输出类型，此处不展示具体项目结果或示例数据集。

细胞类型与亚型图谱

基于标志基因证据的注释、差异表达、GO 富集与 GSEA，结合多重检验校正与效应量指标。

RNA 速率与细胞命运分析

轨迹推断与基于 CellRank 的细胞命运概率估计，结合跨方法交叉验证与一致性检查。

空间丰度矩阵

bin 或 spot 分辨率的解卷积结果，附不确定性估计与拟合优度诊断。

带空间加权的通讯网络

配体–受体互作评分、空间共定位显著性与跨平台一致性指标。

空间调控活性图谱

空间坐标中的转录因子活性与调控网络，附活性与空间富集的统计支持。

图表与文档化数据资源

分析图表、代码、参数文档与可重复性材料，包括批次效应处理的记录。