近日，中国科学院广州生物医药与健康研究院研究员彭广敦团队与广州实验室研究员索生宝团队合作，成功开发出CMAP（Cellular Mapping of Attributes with Position）计算模型，实现高精度单细胞空间定位。相关成果发表于《自然-通讯》（Nature Communications）。

细胞是生命的基本结构和功能单元，其活动不仅受胞内基因网络调控，还受到胞外微环境和细胞间通讯的影响。单细胞转录组测序技术为解析细胞异质性带来了革命性突破，但这一技术在细胞捕获过程中丢失了空间位置信息，严重限制了我们对细胞命运决定和调控机制的深入理解。

近年来，空间转录组技术迅速发展，成为揭示组织微环境中细胞状态与相互作用的重要工具。然而，现有技术在细胞尺度的分辨率和全转录本覆盖度方面仍面临挑战，亟需计算方法对单细胞数据进行精准的空间重建。

CMAP方法的框架设计。研究团队供图

  ?

针对上述问题，研究团队创新性地提出了CMAP计算模型，通过整合单细胞和空间转录组数据，采用“分治”策略，实现大规模单细胞向空间位置的高精度映射。CMAP借鉴“地图导航”式的搜索策略，逐步将细胞精准定位于组织空间中：通过提取空间数据的粗粒度特征，将细胞初步分配至大的空间区域；在区域内搜索与该细胞表达特征最匹配的空间样本点；进一步结合该样本点及其邻域的空间组织特征，利用弹簧平衡态模型，推断细胞的精确坐标。这一分层映射策略使得CMAP能够在保证计算效率的同时，实现单细胞分辨率的空间表达图谱重构。

为系统评估CMAP的预测性能，CMAP在多组模拟数据和高分辨率Xenium空间数据上进行测试。通过比较不同方法的预测精度、细胞类型占比及重构的空间基因表达模式，结果表明CMAP在预测准确性和重构效果方面均优于现有方法CellTrek和CytoSPACE。特别是通过弹簧平衡态模型优化，CMAP能够提供单细胞级空间坐标，突破了大多数方法仍停留在spot水平上的局限，实现真正的单细胞空间重构。

此外，CMAP在不同数据质量和不同技术来源的多种应用场景中表现出兼容性与鲁棒性，能够有效解决特定细胞的空间定位和非匹配细胞的过滤问题，而CellTrek和CytoSPACE则在此类场景中存在明显不足。

在真实生物学问题中，CMAP在彭广敦团队发表的Geo-seq数据以及小鼠13.5天胚胎空间转录组数据中均展示了优异的空间定位能力，也揭示了胚胎内皮细胞的组织异质性。此外，CMAP成功重构了肿瘤免疫微环境中的三级淋巴结构，揭示了T/B细胞在空间上共定位和相互作用，并基于空间坐标实现了高分辨率的细胞互作分析。

论文共同通讯作者彭广敦表示，该研究构建了单细胞空间位置推断模型CMAP，建立了“单细胞-空间-功能”的多维解析框架，推动了单细胞转录组与空间组学的深度融合，为疾病机制解析和精准医学发展提供了新的研究思路。

相关论文信息：https://doi.org/10.1038/s41467-025-61667-4