《Nucleic Acids Research》：Cell3D: a comprehensive database for interactive 3D visualization and crosstalk analysis of single-cell and spatial omics
编辑推荐：
单细胞转录组学（single-cell transcriptomics）与空间转录组学（spatial transcriptomics）可产生大规模、高维数据集。然而，跨特征整合探索仍受到限制，因为当前大多数平台仅支持单一数据类型，且缺乏面向多特征分析的交互式
单细胞转录组学（single-cell transcriptomics）与空间转录组学（spatial transcriptomics）可产生大规模、高维数据集。然而，跨特征整合探索仍受到限制，因为当前大多数平台仅支持单一数据类型，且缺乏面向多特征分析的交互式可视化（interactive visualization）。为满足这一未满足的需求，研究人员开发了Cell3D——一个可访问且多功能的交互式平台，旨在推进整合性多层次特征分析。Cell3D策展了898个公开可用数据集，包括397个单细胞数据集和501个空间转录组数据集，涵盖11个物种的105种疾病、756种细胞类型和83个器官/组织中的2 924 646个单细胞和空间位点（spatial spots）。该数据库整合了12个主流功能注释系统（functional annotation systems），为跨空间和细胞维度解析分子特征提供了综合全景。用户可在多个层面探索数据，从基因表达和细胞簇到通路活性（pathway activities）和临床表型（clinical phenotypes）。Cell3D提供一套用户友好的功能，包括可定制的2D/3D交互式可视化（2D/3D interactive visualization），用于动态多层次特征投影；具有自动识别功能的灵活数据整合；定量串扰分析（quantitative crosstalk analysis）；以及以微环境（microenvironment）为重点的整合分析，支持疾病研究和生物标志物（biomarker）发现。总体而言，Cell3D能够在细胞和空间分辨率上探索组织微环境，连接健康与疾病状态下的分子扰动（molecular perturbations）与组织结构（tissue architecture）。该数据库可通过https://bio-bigdata.hrbmu.edu.cn/Cell3D免费访问。
论文针对单细胞RNA测序（single-cell RNA sequencing, scRNA-seq）和空间转录组学（spatial transcriptomics）产生的大规模高维数据，指出当前多数平台仅支持单一数据类型，缺少面向多特征分析的交互式可视化，难以进行跨特征整合探索；同时，现有资源对多功能注释数据集及其跨层相互作用的系统整合不足，也鲜有平台支持柔性多维交互可视化和细胞/空间分子串扰的定量评价，导致高维原始组学数据与可检验假设之间存在缺口。为此，研究人员开发了Cell3D，一个兼具单细胞与空间分辨率、系统数据整合和交互式2D/3D可视化的多特征平台，用于组织微环境（tumor microenvironment, TME）分析。Cell3D整理898个公开高质量数据集（397个单细胞和501个空间转录组数据集），覆盖11个物种的2 924 646个单细胞和空间位点、105种疾病、756种细胞类型和83个器官/组织，整合12个主流功能注释系统，并提供可定制2D/3D交互可视化、自动识别格式的数据整合、定量多层次分子串扰分析和面向微环境的整合功能分析。该研究发表于《Nucleic Acids Research》，其意义在于连接健康与疾病中的分子扰动和组织结构改变，服务系统生物学研究和精准生物标志物发现。
关键技术方法（不超过250字）：数据来自TISCH2、DISCO、SpatialDB、CROST、LnCeCell、LnCeVar、CellTracer及NCBI GEO、10x Genomics，均经同行评议研究验证；用GENCODE注释、Seurat质控与归一化、t-SNE/UMAP降维聚类、Monocle 2/3伪时间轨迹、基因集变异分析（gene set variation analysis, GSVA）功能评分和R分析；人工整理17 000个生物标志物与10 712个基因集。平台后端为MySQL，前端用JSP/Java、Tomcat及jQuery、DataTables、ECharts。HGSOC案例采用公开空间转录组数据集和独立bulk微阵列队列。
研究结果：（1）Data composition and feature organization：通过标准化处理流程（质控、归一化、聚类和细胞类型注释）整理公共数据，结论为Cell3D包含898个数据集（397单细胞、501空间），覆盖2 924 646个细胞/位点、105疾病、756细胞类型、83器官/组织、11物种，并为501个空间数据集配套组织病理切片图像；每数据集按细胞层（簇、伪时间/轨迹、空间位置）、基因层（表达谱和生物标志物）和功能层（功能状态、通路活性、癌症标志（cancer hallmark）评分）组织，并支持多特征串扰可视化。（2）Data retrieval and interactive 3D visualization：通过构建HOME检索和BROWSE筛选界面及上传模块，结论为可按mRNA、lncRNA、假基因等分子关键词及生物过程、通路、癌症标志、细胞状态、突变计数等功能特征检索，并按疾病/表型、器官/组织、物种、平台和细胞/位点数筛选；2D/3D交互可视化可将细胞层、基因层和功能层特征映射至坐标、颜色、符号大小和形状，并支持轴、刻度、背景和透明度定制。（3）Multi-dimensional feature analysis and visualization tools：通过集成分析工具，结论为Feature-by-Crosstalk可同时选择多基因表达、细胞特征和功能活动进行全局相关热图及两组特征间成对矩阵分析；Feature-by-Cluster、Feature-by-Trajectory、Feature-by-Transition、Feature-by-Spatial、Feature-by-Biomarker和Feature-by-Survival分别支持簇内分布、轨迹动态、伪时间状态转换、空间组织切片、生物标志物注释及Cox回归/Kaplan–Meier生存分析。（4）Case study: integrative multi-feature dissection of HGSOC using Cell3D：通过公开高级别浆液性卵巢癌（high-grade serous ovarian carcinoma, HGSOC）空间转录组数据的概念验证，结论为PAX8在上皮簇/输卵管上皮细胞中富集，并与“MYC” Targets v1、E2F Targets、SOX17/MECOM、血管生成和SERPINE1相关；Feature-by-Survival在独立bulk微阵列队列中发现SERPINE1表达和血管生成通路活性与总生存（overall survival, OS）显著相关，说明Cell3D可整合多特征解析HGSOC进展与预后。
讨论部分指出，核心贡献是将异质单细胞和空间数据统一为多特征系统，采用成熟方法保证可重复性和可比性，并将多平台独立处理整合为单一交互工作流；与CellTracer、CellMarker 2.0、SPathDB、CellSNVReg、ScDrugAct、SDMap、LnCeCell 2.0等相比，Cell3D突出3D视觉探索和多特征串扰分析。局限包括数据需持续策展更新、人物种数据偏多而其他物种偏少、当前以转录组为主；未来将纳入表观基因组和蛋白质组、扩展机器学习预测建模和模式识别，并优化可视化框架以支持更大更复杂数据集。研究结论翻译：综上所述，Cell3D是一个全面且以用户为中心的资源，填补了单细胞与空间转录组数据库领域的关键空白。通过整合广泛的数据策展、多维特征注释、交互式3D可视化和多功能分析工具，Cell3D能够在组织微环境中系统探索细胞异质性、功能动态和分子串扰。研究人员认为，Cell3D将作为有价值的社区资源，推动系统生物学、精准肿瘤学和转化研究。该数据库可通过https://bio-bigdata.hrbmu.edu.cn/Cell3D免费访问，并将持续更新以支持生物医学界新出现的研究需求。
