基于细胞通讯的单细胞空间映射算法

20251127

科学研究和技术服务业

一、 技术成熟度评估 目前系统/子系统模型或原型已在相关环境中完成演示验证。具体表现为： 算法原型完善：已完成完整的算法模型构建和软件工具开发，包括R语言编写的细胞相互作用计算模块和Python语言编写的优化求解模块。 多场景验证充分：在模拟数据集和多个真实数据集（包括小鼠脑皮层、人脑皮层、乳腺癌、结直肠癌肝转移等）上进行了系统验证，证明了算法的鲁棒性和准确性。 性能指标量化：在模拟数据测试中，该算法的RMSE（均方根误差）显著低于现有主流方法；在脑皮层数据重构中，与真实值的差异最小，分层结构重建准确；在乳腺癌数据中，空间高变基因发现数量提升，空间自相关性显著提高； 二、 技术优势指标 精度指标：在40个数据集和5个真实数据集的综合模拟研究中，算法准确性优于其他反卷积方法 兼容性指标：支持从55μm（10X Visium）到亚细胞级别（Slide-seq2）的不同分辨率平台 功能拓展性：具备下游细胞通讯量化模块，可识别空间互作热点区域 三、性能参数情况 深度学习特征提取：采用嵌入模块提取最具信息量的细胞类型识别特征 多约束优化模型：同时优化转录组相似性和细胞通讯空间约束 单位空间通讯量化：首次实现单个空间位置（spot）水平的细胞互作强度计算 四、科技成果所处转化阶段 （一）当前转化阶段：技术推广与初步应用阶段 （二）具体转化进展 知识产权保护：已申请专利1项，正在实质审查阶段 软件工具开发：已完成算法软件包封装，具备商业化基础 学术认可度：相关论文正在高水平期刊投稿过程中 初步应用验证：在肿瘤免疫微环境解析、脑科学研究等领域显示出应用潜力

1. 资金需求 中期研发与优化资金： 需要持续投入用于算法的进一步工程化优化、用户界面（UI/UX）开发、以及针对特定应用场景（如特定癌种、神经疾病）的验证与定制化开发。预计需要人民币200-500万元，用于支持未来1-2年的技术迭代。 市场推广与商业化资金： 产品上市初期，需要资金支持市场教育、学术推广、销售团队建设及客户支持体系的建立。 理想合作模式： 期望合作方能以投资入股或设立专项合作项目的形式提供资金支持。对于大型药企或生物技术公司，也可考虑以前期付费+里程碑付款的方式进行技术授权或共同开发。
2. 场地与设备需求 计算资源场地： 算法运行和处理大规模空间组学数据需要强大的计算能力。期望合作方能提供或支持访问高性能计算（HPC）集群或云计算资源（如阿里云、腾讯云等），配置需满足多用户并行处理TB级别数据的需求。 研发与办公场地： 需要独立的办公空间用于核心算法团队（约3-5人）进行软件研发、测试和日常运营。 湿实验验证平台（可选但优先）： 若合作方自身拥有或可协调湿实验平台（如分子生物学实验室、细胞培养间、动物模型平台），将极大有利于算法预测结果的生物学验证，加速技术闭环的形成和可信度的提升。
3. 人员与团队需求 核心算法团队： 本项目现有核心研发人员（包括项目负责人）可继续负责算法的深度优化和核心技术维护。需保障该团队的稳定性。 软件工程与产品团队： 需要合作方配备或协助招募软件工程师进行代码封装、平台搭建和性能优化；产品经理负责定义产品形态、用户需求分析和版本规划；生物信息学应用科学家负责技术支持、用户培训及定制化分析服务。 商业运营团队： 需要市场专员负责市场策略制定与品牌推广；销售专员负责客户开拓与关系维护。 合作方领域专家： 期望合作方（尤其是药企或医疗器械公司）能提供疾病生物学专家、临床开发专家，共同界定最具价值的应用场景，指导产品开发方向。
4. 其他资源与战略需求 行业资源与数据渠道： 优先考虑与拥有丰富临床样本资源、大型队列研究数据或与医院、检验机构有紧密合作的生物医药企业或CRO公司合作。 access to 高质量、有临床注释的真实世界数据是验证和提升算法价值的关键。 市场与合规经验： 期望合作方具备医疗器械软件（SaMD）或生物信息学工具的商业化经验，熟悉相关法规注册路径（如NMPA、FDA），能指导产品的合规化设计与申报。 战略协同性： 希望合作方的战略布局与本技术优势领域（如肿瘤免疫、神经系统疾病、炎症性疾病等）高度契合，能够将本技术整合至其现有的研发管线或服务体系中，实现协同效应。

可国（境）内外转让

一、预期经济效益 （一）直接经济收益 软件授权收入：预计首年可实现：科研机构授权收入200-500万元 技术服务收入：数据分析服务：年收入100-300万元 （二）间接经济价值 促进相关产业发展：推动单细胞测序技术服务市场规模增长，带动空间转录组技术应用普及 降低研发成本：为药物研发提供更精准的靶点识别工具 二、预期社会效益 （一）医疗健康领域 肿瘤精准医疗突破：为肿瘤免疫治疗提供新的生物标志物，识别THBS-CD47等新的免疫治疗靶点 疾病机制解析：深化对疾病的理解，促进罕见病发病机制研究 （二）科研创新推动 方法学革新：为全球科研界提供更精准的空间多组学分析工具，细胞通讯研究的新范式 跨学科融合：推动计算生物学与临床医学的深度融合，多组学数据整合分析标准建立

北京市自然科学基金本科生“启研”计划

北京市科学技术委员会;中关村科技园区管理委员会

一、 科技成果来源 本科技成果来源于北京市自然科学基金本科生“启研”计划项目（项目编号：QY23058），由北京大学承担完成。项目核心目标是解决当前空间转录组学技术在分辨率、测序深度和细胞通量方面的局限性，通过创新算法整合单细胞转录组数据与空间转录组数据，实现高精度的单细胞空间定位与基因表达重建，为解析组织结构和功能提供新工具。 二、 技术原理 本成果的核心技术“SPADE”算法，其基本原理在于构建一个多目标优化模型，将单细胞RNA测序数据精确映射到空间转录组数据上。该模型创新性地融合了两个关键生物学约束：

1. 基因表达相似性约束：算法以确保映射后重构的每个空间位点的基因表达谱与原始空间转录组测量值之间的差异最小化为基本目标。
2. 细胞通讯空间约束：这是本技术的核心创新点。算法引入细胞间配体-受体相互作用强度作为空间距离的约束。基于“具有强相互作用的细胞在空间上距离更近”的生物学原理，算法在优化过程中，倾向于将配体-受体互作评分高的细胞对映射到相邻的空间位置。 技术流程整合了深度学习特征提取、优化问题求解及下游分析模块。通过编码器提取单细胞数据的低维嵌入特征，在优化框架下同时最小化重构损失和细胞类型判别损失，并加入细胞通讯与距离一致性打分，最终利用GPU加速求解，输出每个单细胞最可能的空间坐标、增强后的空间基因表达谱以及每个空间单元的细胞通讯强度。 三、 关键性技术指标 通过系统的模拟数据和真实数据验证，SPADE算法展现出以下关键优势：
3. 映射准确性高：在已知真实映射规则的模拟数据集上，本算法的均方根误差（RMSE）等指标显著低于SPOTlight、Tangram、Seurat、cell2location等现有主流方法，在不同数据匹配度场景下均表现最优。
4. 鲁棒性强：在单细胞数据与空间数据不完全匹配（如缺失某种细胞类型或细胞类型混淆）的情况下，算法仍能保持较高的映射准确性。
5. 生物学发现能力强： 在具有明确层状结构的小鼠及人脑皮层数据中，能清晰重构皮层形态，细胞类型分布符合已知生物学知识，并能恢复和增强原始数据中未充分捕获的空间高变基因表达信号。 在结构混杂的人乳腺癌数据中，能准确将细胞亚群映射至病理标注的肿瘤、间质等区域，发现的空间高变基因数量更多且空间自相关性显著提升。 在结直肠癌肝转移数据中，下游模块能识别出肿瘤侵袭前沿等细胞通讯“热点”，并区分出具有不同互作景观和临床预后的肿瘤亚区域，发现如THBS-CD47等与免疫逃逸相关的关键配体-受体对。
6. 平台通用性好：算法成功应用于从低分辨率（如10X Visium）到高分辨率（如Slide-seq2、Stereo-seq）等多种技术平台产生的数据，展示了广泛的兼容性。 四、 应用前景 SPADE算法作为一项前沿的生物信息学工具，具有广阔的应用前景：
7. 基础科学研究：为发育生物学、神经科学、免疫学等领域提供强大工具，用于揭示器官发育、神经环路、免疫应答等过程中细胞的空间组织规律和相互作用网络。
8. 疾病机制研究与精准医疗：特别适用于肿瘤微环境、炎症性疾病、自身免疫病等复杂疾病的研究。通过精准解析肿瘤内不同细胞亚群的空间分布、相互作用及异质性，为疾病分型、预后判断、寻找新的生物标志物和药物治疗靶点提供关键线索。
9. 药物研发：助力于在空间层面理解药物靶点的表达环境及细胞互作背景，评估药物对肿瘤微环境等复杂系统的潜在影响，提高新药研发的效率和成功率。
10. 技术推动：随着空间多组学技术的快速发展和普及，对高效、精准数据分析工具的需求日益迫切。本成果有望成为整合单细胞与空间信息的标准算法之一，推动空间组学技术在生命科学和医学领域的深度应用。 综上所述，本成果成功开发了一套具有自主知识产权、性能优越的单细胞空间映射算法，不仅解决了当前技术瓶颈，更在多个重要生物学场景中证明了其巨大价值，对推动生命科学基础研究和转化医学发展具有重要意义。