1017-解析Xenium空间转录组数据的特异性与信号污染

本研究通过分析超过40个乳腺癌和肺癌组织样本，对 Xenium 空间转录组平台的数据特性进行了系统性评估。研究重点探讨了转录本溢出（Spillover）和细胞分割误差对数据质量的影响，发现不同细胞间的信号混合是导致生物学分辨率降低的主要原因。为此，作者开发了名为 SPLIT 的计算方法，通过整合单核 RNA 测序（snRNA-seq）参考数据来分解混合信号并净化基因表达谱。实验证明，SPLIT 显著提升了细胞类型识别的准确性，能有效揭示被技术噪声掩盖的免疫细胞特征。此外，研究还对比了不同基因面板和分割策略的性能，为优化空间组学分析流程提供了重要基准。References:Bilous M, Buszta D, Bac J, et al. Resolving sensitivity, specificity and signal contamination in Xenium spatial transcriptomics[J]. Nature Methods, 2026: 1-11.前往小宇宙评论区与主播互动