作者，Evil Genius
兄弟们，课程结束了，接下来要进入项目分析阶段了。所以后面以一个示例，带大家分析分析空间转录组的项目了。
和大家想的可能不一样，其实真正合作性的空转项目，绝大部分时间都在干什么，查资料和思考，因为分析方向很重要，在公司一般是技术支持在做课题设计，生信也是要参与的其中，这期间，需要庞大的文献方法总结，当然了，愿意花费如此大的精力，客户所支付的费用也是比较高的。
一个真正的项目开始，首先就是和老师沟通科研诉求，比如研究肺癌的靶点、变化、空间景观等等，接下来收集样本，然后拿到数据，这个时候又开始的分析思路设计，包括分析的方向、可能得到的结果以及不同分析结果的分析思路等等，相当复杂， 如果大家接触过一个完整的空间项目，周期一般是2~3年，其中很大部分时间是在和老师沟通、项目汇报以及思路分享。
样本获取之前的内容，大家一般是接触不到的，一般都是从数据开始，这个时候就要根据现有数据，开始设计自己的分析思路和方向了。
合作项目的分析，往往是不可以流程化的，就跟细胞定义一样，不同的细胞类型要采用不同的marker。所以合作项目的代码一般都偏个性化一点，不同项目之间不能通用。
其中还有很多细节的问题，比如颜色搭配、图片布局等等，分析进程不能跳过，比如不做细胞定义直接做空间共定位，这是绝对不可以的。
今后这几篇文章，就带大家详细分析分析空间的真实项目，注意，也是示例，帮助大家总结经验。
这一篇我们先来个概述
人类基因组计划的完成为理解人类生活提供了基础蓝图。
空间组学技术的出现，包括成像和基于测序的方法，使人们能够从细胞生态系统的角度全面了解生物过程。
知识背景
- 空间组学技术能够全面绘制细胞组成、定位、细胞-细胞相互作用和细胞生态系统的空间动态.
空间组学方法总结
基于图像的方法
- 第一步是设计核酸寡核苷酸探针，以荧光探针或核苷酸序列标记探针为例，通过杂交过程靶向一组指定的基因。第二步需要实现图像捕获，可能包括诸如荧光ISH (FISH)成像或荧光原位测序(FISSEQ)成像等技术随着技术的进步，特别是在探针标记、信号放大、信号噪声、显微成像灵敏度和分辨率的提高等领域，可以同时有效检测到的过多基因有了显著的增加。
基于测序的方法
非转录组的空间组学，例如Spatial ATAC-seq、CODEX等
空间组学技术进一步完善
- 灵敏度和精度更高，例如图像分割等其他组学的方法
- 多组学检测
- Long-read sequencing
- 更广泛的组织类型的相容性
- Increased throughput, reduced costs, and greater accessibility.
空间组学的数据分析工具
分子水平分析
细胞和亚细胞水平的分析
- 细胞分割和注释是空间转录组学数据分析的第一步。因此，细胞或亚细胞空间转录组学信号需要卷积到单个细胞，而多细胞分辨率空间转录组学信号需要分解每个点的细胞类型混合物。对于基于成像的空间转录组学技术，细胞与捕获的分子同时染色和成像，通常在染色图像上进行细胞分割。
- Approaches to measure the neighborhood composition
- 在多细胞分辨率技术中，主要目标是推断每个空间点的细胞类型组成。这些方法的成功很大程度上取决于相关scRNA-seq数据的质量和数量。
区域级分析
- 细胞行为，如发育轨迹和微环境的形成，促进了空间域的概念，空间域代表了空间组织和功能不同的解剖结构。
三维重建与时空细胞轨迹分析
时空组学数据库
空间组学的运用
- 生物系统本质上是空间的，不同的细胞微环境和组织结构在决定基因表达模式和细胞功能方面起着关键作用。捕捉基因表达的空间维度对于获得细胞生态系统的完整图像至关重要。通过整合时空背景，研究人员现在可以揭示各种生物过程中细胞行为、组织组织和分子调控之间的复杂关系，从而促进我们对器官功能、发育生物学、物种进化、疾病机制和治疗干预的理解。
空间转录组学已被应用于解剖发育器官的时空动态
在时空分辨率上理解进化
空间组学增强了从基因组到结构和功能的进化机制的理解
破译疾病发生和发展的机制
