《Nature Communications》：HuBMAP Data Portal: a resource for multimodal spatial and single-cell data of healthy human tissues
编辑推荐：
美国国立卫生研究院（NIH）人类生物分子图谱计划（HuBMAP）数据门户是健康人体组织多模态、多尺度空间与单细胞数据的综合性存储库。截至2026年8月，该门户托管了来自26种数据类型、覆盖29个器官类别、涉及501名供者的9,316个公共数据集。门户基础设施和
美国国立卫生研究院（NIH）人类生物分子图谱计划（HuBMAP）数据门户是健康人体组织多模态、多尺度空间与单细胞数据的综合性存储库。截至2026年8月，该门户托管了来自26种数据类型、覆盖29个器官类别、涉及501名供者的9,316个公共数据集。门户基础设施和用户界面支持直接在网页浏览器中进行数据搜索与发现、可视化及分析。这些能力包括元数据驱动和数据驱动的搜索、可访问高性能计算的协作工作空间（Workspaces），以及跨非空间、二维和三维空间数据集的交互式Vitessce可视化。数据类型特异性统一处理流程和严格的质量控制过程确保结果在实验室、器官和供者之间具有可比性，而外部处理的社区贡献数据集提供补充视角。研究人员描述门户的功能、基础设施和设计，并强调其作为跨多样数据类型、器官和尺度的大规模空间单细胞研究平台的作用。
论文解读：
HuBMAP由美国国立卫生研究院（NIH）资助，于2018年启动，目标是构建可广泛获取、空间分辨、多尺度的健康人体器官与组织单细胞分辨率参考图谱。该计划历时8年，超过60个机构的600余名HuBMAP联盟成员参与，利用细胞类型分子表征和复杂人体组织空间制图的技术进展。联盟由组织图谱中心（TMC）、创新技术组（TTD和RTI）以及HuBMAP整合、可视化与交互团队（HIVE）组成。TMC基于组织类型和研究问题选择实验技术，在多种器官及年龄、性别、种族等生物学变量上生成数据。实现大规模跨器官分析面临两个持续挑战：不同数据生成方法输出不一致，以及处理流程随时间变化产生差异。为此，门户开发标准化模式（schemas）和数据类型特异性统一处理流程，以协调不同模态的输出，使分析和可视化工具能够构建并互操作，从而支持跨数据类型、器官和尺度的整合分析。门户建设还确立了用户受众、健康人体组织数据范围、跨解剖尺度空间数据工具、FAIR（可发现、可访问、可互操作、可重用）原则、标准化和可持续性等要求，并采用以用户为中心的设计方法开发查询驱动界面。研究人员在此描述HuBMAP数据门户作为符合FAIR原则的资源，介绍其在数据提交与处理、搜索与发现、可视化及分析方面的功能与设计，并强调其作为理解与测量疾病所需健康生物学基线的作用。该论文发表于《Nature Communications》。
关键技术方法（≤250字）：研究人员通过HuBMAP摄取门户与Globus暂存目录提交数据，采用CEDAR（Center for Expanded Data Annotation and Retrieval）元数据验证器和Apache Airflow完成校验、重组与质控；以通用工作流语言（CWL）与Docker镜像构建数据类型特异性统一处理流程，输出采用AnnData/HDF5等标准化格式；使用Salmon、MACS2、Scanpy、Squidpy、ArchR、chromVAR、SPRM及Azimuth（参考based单细胞注释工具）完成定量、聚类、空间分析和心脏/肺/肾细胞类型注释；以Vitessce、scellop和Workspace/JupyterLab/PSC（Pittsburgh Supercomputing Center）支持可视化与分析，并以W3C PROV-DM记录溯源。样本队列为截至2026年8月的501名供者（284名女性、209名男性，年龄0—90岁，种族以White、Black or African American、Asian为主）。
研究结果：（1）HuBMAP数据门户中的数据（HuBMAP Data on the Portal）：通过统计门户数据集、供者、样本、器官类别和数据类型，并描述数据模型、摄取处理、质量控制、细胞类型注释、EPIC（Externally Processed Integrated Collections，外部处理整合集合）及数据关系图，得出门户包含9,316个已发布数据集、26种数据类型、29个器官类别和501名供者；数据集数量最多来自胎盘、肺、子宫、肾及大小肠等组织，5,142个样本中组织切片（2,659）和组织块（1,660）占空间数据多数；共有584个独特供者器官，平均每个供者器官8.8个样本；非空间数据类型以RNAseq（1,605）、探针RNAseq（1,362）和ATACseq（1,125）较多，空间数据类型以GeoMx（1,362）、Histology（889）、MIBI（429）、Autofluorescence（356）和CODEX（255）较多；细胞类型注释已用于心脏、肺和肾三个器官的165个统一处理sc/snRNAseq、10× Multiome和Slide-seq数据集；Vitessce可视化覆盖9,316个数据集中的5,135个、26种数据类型中的19种。数据模型遵循供者>样本>检测>原始数据集>处理后数据集，图像经图像金字塔流程生成支持数据集，细胞类型标签映射到细胞本体术语，EPIC与原始和处理后数据在界面中统一索引。结论是门户可在多样数据类型上提供统一操作和可追溯的处理历史。
（2）数据类型（Data types）：通过汇总26种数据类型在29个器官类别中的分布，并列举空间、非空间和多模态检测所覆盖的分子类型及组织应用，得出门户数据覆盖RNA、蛋白、DNA、内源荧光团、染色质、肽、多糖、脂质、代谢物及其组合；二维空间数据包括CODEX、PhenoCycler、MIBI、Cell DIVE、Autofluorescence、Visium、MALDI、二维IMC、CosMx、DESI、Histology、seqFISH和Slide-seq等，三维空间数据包括Light Sheet和三维IMC，多模态空间检测包括MUSIC、GeoMx和Xenium；非空间数据包括RNAseq、探针RNAseq、ATACseq、10× Multiome、CyTOF、LC-MS、WGS和SNARE-seq2等。结论是门户数据类型丰富，涵盖从空间到非空间、从单一到多模态的多种检测。
（3）搜索与发现数据集（Searching and discovering datasets）：通过介绍元数据驱动的Datasets Search（Filter & Browse）、自然语言聊天界面Say & See、数据驱动的Biomarker & Cell Type Search（scFind用于RNAseq和ATACseq）、器官/生物标志物/细胞类型专门页面、Publications/Collections/Integrated Maps以及参数化Search API和Elasticsearch DSL，得出门户提供多种入口，支持实验生物学家、计算生物学家和转化研究人员按元数据、基因表达、细胞类型和生物学背景检索数据，并可生成Globus批量下载清单或元数据表格。结论是门户通过多入口和程序化访问增强数据可发现性和工作流整合。
（4）可视化数据集（Visualizing datasets）：通过描述嵌入门户的Vitessce可视化、scellop细胞群体图以及数据集关系图和溯源图，得出Vitessce支持26种数据类型中的19种和超过一半的HuBMAP数据集，提供降维散点图、空间与成像视图、点图和 violin 图等，并支持Python、R和JavaScript编程库及三维/VR探索；scellop在心脏、肾和肺器官页面及Workspace模板中支持跨样本细胞类型计数和比例比较；可视化交互占门户用户交互的一半以上。结论是浏览器内交互式可视化是门户核心使用方式，并支持跨样本比较和溯源理解。
（5）分析数据集（Analyzing datasets）：通过介绍HuBMAP Workspaces与JupyterLab、Pittsburgh Supercomputing Center（PSC）计算资源、15个分析模板及协作共享机制，得出Workspaces具备直接数据访问、可配置计算资源、 assay 特异性模板和协作共享四项能力，用户可通过Globus登录并免费使用与数据同址的计算资源，支持Python和R分析、多并发工作空间和结果导出。结论是Workspaces将用户驱动分析带到数据所在环境，降低单细胞和空间生物学数据分析门槛。
（6）检索和下载数据集（Retrieving and downloading datasets）：通过列举门户界面批量下载、数据集页面文件浏览器、HuBMAP CLT与Globus清单批量传输、直接访问Globus HuBMAP端点以及dbGaP（database of Genotypes and Phenotypes）申请下载等五种方式，并说明保护与非保护访问层级，得出门户支持从直接文件下载到程序化批量获取的多种检索路径，含受保护健康信息的原始测序数据在dbGaP外部托管并需审批。结论是门户提供分层、可扩展的数据获取机制。
讨论部分总结：门户不仅是数据存储库，还支持快速发现和浏览器内洞察生成；其在同一资源中结合统一处理与外部处理数据、原始与衍生数据类型以及标准化跨检测输出，在生物医学数据门户中较少见。门户在28个生物医学数据库评估中是唯一满足全部29项FAIR评估标准的存储库。数据类型特异性统一处理流程和标准化模式解决跨数据生成方法、器官和元数据标准的协调难题，流程版本化保证不同时间处理数据集的可比性；CEDAR元数据验证基础设施在提交前减少错误。EPIC模型兼顾统一处理与实验室特定分析需求，使外部处理数据可与原始和统一处理数据共同进入下游分析。局限包括：门户数据受供者组织可用性和NIH资助项目研究重点限制，队列不完全反映人口多样性，空间覆盖和器官间数据类型代表性不均；细胞类型注释目前仅心脏、肺和肾三个器官；Vitessce可视化覆盖26种数据类型中的19种，新兴和稀有数据类型支持复杂；数据生成受供者组织和TMC处理能力限制，人力资源限制新数据格式工具扩展，数据量增长带来可扩展性挑战。门户还贡献于三维人类参考图谱（HRA）构建，其模块化设计已被SenNet（Cellular Senescence Network，细胞衰老网络）等复用。作为健康人类参考，门户为疾病图谱提供关键生物学基线。
研究结论翻译：HuBMAP数据门户展示了如何收集、处理并传播构建人类生物分子参考图谱所需的数据。该门户在构建健康人体三维人类参考图谱（HRA）中发挥核心作用，提供空间配准的组织数据、数据类型特异性统一处理流程、细胞类型注释和可视化基础设施，使图谱数据得以整合、验证和访问。门户的模块化设计支持长期可持续性，并使组件可直接在HuBMAP之外复用；例如，Common Fund的细胞衰老网络（SenNet）计划在构建SenNet门户时采用了若干HuBMAP门户组件（如基于云的混合基础设施、元数据和目录模式、统一处理流程及Vitessce），加速了SenNet门户开发。随着疾病图谱快速增长，HuBMAP数据门户作为健康人类参考的作用提供了关键生物学基线，可据此理解、测量并最终应对疾病。要在广泛研究社区实现这一点，需要优先考虑可及性的设计决策：通过直观界面、自然语言搜索和将计算直接带到数据的分析环境降低门槛。整合生物医学研究的未来将依赖大规模数据存储库的开发和维护，如HuBMAP数据门户，并将需要团队和资助机制的大规模协调来维持这些工作。HuBMAP数据门户在设计时已考虑到这一点，通过尽量减少对任何单一资助来源或团队的依赖，但其长期成功将需要持续的社区投入。
