2025年10月22日，Genome Research在线发表中国科学院广州生物医药与健康研究院细胞命运研究组的研究论文，题为“Polyomino reconstructs spatial transcriptomic profiles with single-cell resolution via region-allocation method”，该论文被选为Genome Research第11期的封面文章。研究提出了一种全新的空间数据整合算法 Polyomino，能够在单细胞分辨率下高效、精准地重建空间转录组图谱。

在生命体中，细胞并非孤立存在，它们需要根据空间位置相互通信，形成精密的组织与器官。空间转录组学作为揭示这一细胞蓝图的关键技术，近年来发展迅速。然而，现有的单细胞数据与空间数据整合方法在面对动辄百万级规模的细胞时，往往受限于运算效率和噪声干扰，难以兼顾速度与精度。

研究团队借鉴图像处理中“感兴趣区域”（ROI）的概念，提出通过多层次区域约束来分配细胞位置。与传统方法直接分配不同，Polyomino先将空间数据划分为多个格子，利用水平/垂直条带、空间聚类等多层区域化信息约束细胞定位，再在格子内部进行精细匹配。这一设计不仅显著降低了计算量，还能有效抵御常见的细胞分割误差与细胞类型比例失衡等噪声干扰。

在一系列模拟和真实数据的评估中，Polyomino表现出色：

a) 计算效率高：在整合约1.5万单细胞和近2万空间点的数据时，仅用141秒完成，比现有算法快10到1000倍，是目前唯一能够在单次运行中处理百万级细胞整合的方法。

b) 精度与鲁棒性兼备：在多种噪声场景（如分割误差、比例偏差）下保持高精度；在小鼠胚胎和大脑皮层的验证中，Polyomino均能准确重建细胞的空间分布。

c) 应用广泛：在结直肠癌肝转移组织的分析中，Polyomino揭示了cDC（常规树突状细胞）在肿瘤与旁肿瘤区的空间亚群差异，并识别出与血管生成相关的免疫信号网络。这为进一步理解肿瘤微环境提供了新视角。

Polyomino通过多层区域约束实现单细胞空间定位，显著提高了计算效率

综上，Polyomino不仅突破了大规模数据整合的计算瓶颈，还为研究组织发育、疾病机制乃至未来临床应用提供了更高分辨率的工具。研究者认为，随着单细胞与空间组学数据量的持续增长，Polyomino有望成为构建全景细胞图谱、解析器官发生与病理变化的重要方法学支撑。

中国科学院广州生物医药与健康研究院博士蔡佺佑、中国科学院广州生物医药与健康研究院副研究员林立惠与广东第二师范学院刘欣博士为该论文共同第一作者。中国科学院广州生物医药与健康研究院研究员陈捷凯、中国科学院广州生物医药与健康研究院副研究员林立惠为该论文的共同通讯作者。该研究工作是人类细胞谱系大科学研究设施系统四的建设内容之一，也得到了国家重点研发计划、国家自然科学基金、广州实验室重大专项、广东省科技计划项目及香港特区政府Health@InnoHK计划等支持。

论文链接