单细胞空间定位新方法CMAP：实现高精度细胞图谱构建与微环境解析

研究人员开发了CMAP（Cellular Mapping of Attributes with Position）算法，通过整合单细胞(scRNA-seq)与空间转录组(ST)数据，实现单细胞在组织中的精确定位。该方法克服了现有技术基因捕获率低、分辨率不足的缺陷，成功解析了胚胎内皮细胞器官特异性及肿瘤免疫微空间异质性，为组织微环境研究提供了新工具。

　　

在生命科学研究中，单细胞RNA测序(scRNA-seq)虽能揭示细胞异质性，却丢失了关键的空间信息；而空间转录组(ST)技术虽保留位置信息，又受限于分辨率不足。这种"鱼与熊掌不可兼得"的困境，严重阻碍了人们对组织微环境中细胞互作、信号传递等核心生物学过程的理解。

中国科学院广州生物医药与健康研究院等机构的研究人员开发了CMAP算法，通过"分而治之"的三步策略——空间域划分(Level 1)、最优位点匹配(Level 2)和精确定位(Level 3)，成功将单细胞映射到亚斑点级空间坐标。该研究通过模拟数据集、成像数据(Xenium/seqFISH)和真实组织样本验证，证明CMAP在细胞保留率(99%)和定位准确性(74%)上显著优于CellTrek、CytoSPACE等方法，相关成果发表于《Nature Communications》。

关键技术包括：1) 基于隐马尔可夫随机场(HMRF)的空间域划分；2) 结合结构相似性指数(SSIM)和深度学习的优化匹配；3) 弹簧稳态模型实现的亚斑点级定位。研究使用小鼠嗅球、胚胎及人类肿瘤等多组学数据进行验证。

CMAP工作流程

通过支持向量机(SVM)分类器将细胞预分配到HMRF定义的空间域，利用SSIM指标优化细胞-斑点对应关系，最终通过物理场模型计算精确坐标。在模拟小鼠嗅球数据中，CMAP重建的基因表达模式与真实数据SSIM达0.92，显著优于对比方法。

成像数据验证

在seqFISH胚胎数据中，CMAP定位误差中位数仅15μm，且成功过滤掉27%不匹配的滋养层细胞(Troph)。Xenium数据显示，CMAP能准确重建导管原位癌(DCIS)与肌上皮细胞的空间互作。

生物学发现

1. 揭示E13.5小鼠内皮细胞(ECs)的器官特异性：发现肾脏标志基因Dut和睾丸标志基因Ctsl的空间特异性表达，经RNA原位杂交验证；

2. 解析肺癌免疫微环境：CMAP定位到具有相同BCR重链的B细胞克隆，证实免疫细胞共定位模式，而传统方法仅显示随机分布。

该研究创建的算法框架突破了空间组学数据分析的瓶颈，其创新性体现在：1) 首次实现单细胞水平空间互作网络构建；2) 发现胚胎内皮细胞早期空间编程规律；3) 为肿瘤免疫治疗靶点筛选提供新维度。CMAP的通用性使其可适配Smart-seq2、10x Genomics等多种平台，未来在发育生物学和精准医学领域具有广阔应用前景。