作者，Evil Genius
早起看了看比赛，G2 vs HLE，不得不说光阴似箭，Caps也老了。
抽签BLG vs HLE，也该到BLG发挥作用的时候了，唯唯诺诺都没什么好结果，来一场硬仗试一试成色。
我从2020年开始做空间转录组，Visium、Visium HD、Stereo-seq、Xenium、Atera 与 CosMx这几个平台的数据都分析过了，其实基本上做了空转了，都是以NC保底的，空转虽然贵，但是竞争不大，做的人少，所以好好做一般都发的不低。
这一篇就结合个人的经验和发文章情况，综合比较一下这6个平台
这六个平台不能简单按照检测基因数量、空间分辨率或者单细胞分辨率进行排名。它们实际上代表了不同的空间转录组技术路线：
* Visium、Visium HD、Stereo-seq： 以空间捕获和测序为核心，主要优势是转录组覆盖范围广、发现能力强。
* Xenium、CosMx： 以原位杂交和成像为核心，主要优势是单细胞定位、细胞分割和空间分子定量。
* Atera： 需要单独考虑其全探针空间检测路线，不能简单归入传统的固定靶标5K原位检测平台。
比较的角度如下：
检测基因数量及真实有效基因检出能力。
空间分辨率及细胞分割后的实际表现。
单细胞转录组信息完整程度。
细胞类型、亚群和状态识别能力。
空间邻域、细胞互作及微环境分析能力。
实验成本、数据处理难度、技术局限和应用场景。
国内市场配套、仪器供应、服务商及生信分析能力。
特别需要强调：组织空间分辨率、细胞分割能力和细胞分割后的基因检测能力是三个不同的指标。 一个平台即使具有亚细胞级空间分辨率，也不意味着每个分割细胞都能获得高质量、完整的转录组。
首先第一点：细胞分割之后，究竟哪个平台检测到的基因更多？
Median genes per cell是比较细胞分割后单细胞表达信息的重要指标，但不能单独代表平台的整体优劣。
也需要区分两个概念：
- 去除非蛋白编码基因（non-protein-coding genes）：只保留蛋白编码基因。
- 去除蛋白编码基因：只保留非编码RNA。
核心点一：为什么Visium HD细胞分割后可能不如Xenium？
核心原因有四个。
第一：Visium HD的原始数据不是按照细胞边界采集的。
Visium HD首先得到的是2 × 2 μm的空间bin。
之后通过H&E、细胞核染色以及Bin2cell、Cellpose等计算方法重建细胞边界，再把多个bin中的表达信号归入一个细胞。
因此，最终的单细胞表达矩阵依赖于：
- 细胞核识别；
- 细胞边界扩展；
- 相邻细胞边界判断；
- bin与细胞的归属；
- RNA空间扩散及背景处理。
如果细胞边界不准确，就会出现RNA错分、漏分以及相邻细胞表达混合。
第二：2 μm bin不等于单细胞检测。
一个细胞可能横跨数十个2 μm bin，而一个bin也可能只包含部分细胞胞质甚至细胞外区域。
把bin聚合为细胞，实际上又引入了一层计算推断。
第三：Visium HD的探针捕获和测序存在检测效率限制。
即使目标基因覆盖面广，也不代表每个细胞都能有效捕获这些基因。
第四：Xenium的检测与细胞定位是结合设计的。
Xenium逐个识别RNA分子，能够结合DAPI、膜标志和胞质标志进行细胞分割，并直接将分子坐标归属到细胞。
因此，在细胞边界和RNA分子归属方面，Xenium具有技术路线上的优势。
目前公开研究提供了什么证据？
文章Systematic benchmarking of high-throughput subcellular spatial transcriptomics platforms across human tumors | Nature Communications对Visium HD FFPE、Stereo-seq v1.3、Xenium 5K和CosMx 6K进行了同一研究框架下的比较。
其主要结果包括：
- Xenium 5K在多种细胞标志基因检测灵敏度方面表现较好。
- Visium HD FFPE在特定肿瘤ROI的检测能力上优于Stereo-seq v1.3。
- Xenium 5K在部分组织中表现出高于CosMx 6K的共同基因检测灵敏度。
- Xenium 5K具有较低的阴性对照背景信号。
- Stereo-seq和Visium HD都观察到了组织边界以外的转录本信号，提示空间扩散问题。
- 该研究中，CosMx虽然检测到更多总转录本，但其部分基因表达量与匹配的scRNA-seq参考数据偏离更明显。
还有一个很重要的发现：
该研究在细胞分割评价中没有把Visium HD纳入自动细胞分割精度比较，因为它没有与Xenium、CosMx相同类型的原生图像细胞分割流程。Xenium和CosMx利用多通道图像进行分割，而Stereo-seq采用了基于细胞核向外扩展约5 μm的策略。Stereo-seq在该研究中的细胞分割准确性相对较低。
实际项目中visium HD相较于xenium 5k，表现要差很多。
六大平台分别有哪些真正的优势和短板？
1. Visium：成熟、稳定，但单细胞分析能力有限
优势
- 全转录组检测，不依赖预先设计的有限基因面板。
- 对未知基因、疾病相关新基因及通路探索比较友好。
- 技术成熟，分析流程完善，Seurat、SPATA等工具支持较好。
- 能够覆盖较大的组织区域，适合组织结构和区域表达研究。
- 可与scRNA-seq进行整合，利用单细胞数据进行细胞类型去卷积。
不足
- 55 μm spot通常包含多个细胞，不能直接得到真正的单细胞表达矩阵。
- 一个spot中的细胞类型混杂，细胞互作只能进行区域或去卷积层面的推断。
- 对稀有细胞、局部免疫细胞亚群的识别能力有限。
- 细胞亚群之间的精细差异容易被混合信号掩盖。
- 无法直接判断某个RNA分子究竟位于细胞核、胞质还是相邻细胞。
适合的研究：
- 肿瘤组织区域表达差异。
- 肿瘤中心与浸润边缘比较。
- 组织结构与通路变化。
- scRNA-seq联合空间去卷积。
客观评价： 如果目标是精确到单个细胞的微环境分析，Visium不是首选。
2. Visium HD：全转录组与高空间分辨率的结合，但细胞重建是短板
优势
- 2 × 2 μm的捕获网格，比传统55 μm spot精细很多。
- 全转录组检测，可以发现未知基因和新的细胞状态。
- 可以通过8 μm、16 μm等bin聚合提高检测信号。
- 结合细胞核图像和计算算法，能够重建近似单细胞表达矩阵。
- 对组织整体结构、肿瘤异质性、免疫浸润和空间通路研究有较好的适用性。
- 与scRNA-seq联合分析、细胞去卷积和空间细胞类型识别的工具比较丰富。
不足，也是需要重点注意的地方。
- 原始2 μm bin不是单细胞。 必须进行后续细胞分割。
- 分割准确度依赖图像质量和算法。 对细胞边界不清晰、细胞密集区域，细胞归属可能不准确。
- 基因数量多不代表每个细胞的基因数多。 单细胞聚合后可能出现较低的Median genes/cell。
- 2 μm bin的单独分析存在较明显的数据稀疏问题。
- 组织外转录本和RNA扩散会造成空间定位误差。
- 计算资源消耗较大，尤其是全组织2 μm网格数据。
- 对细胞形态复杂、细胞核与胞质空间分布差异较大的细胞，单纯依据核位置扩展的分割策略可能存在偏差。
客观评价： Visium HD最大的价值是全转录组空间发现能力；最大的不足是从空间捕获数据到可靠单细胞表达矩阵之间还需要一层计算重建。
3. Stereo-seq：超大视野、高空间采样密度，但不能把0.5 μm理解成单细胞精度
优势
- 0.5 μm级别的DNB空间采样密度。
- 全转录组检测，不需要局限于预先设计的有限基因面板。
- 大视野空间检测能力突出。
- 适合复杂组织、发育过程和器官整体空间图谱。
- 可以结合scRNA-seq、单细胞参考图谱进行细胞类型识别。
- 适合分析大尺度组织结构与局部微环境之间的关系。
不足
- 0.5 μm是空间采样尺度，不代表真实细胞边界分辨率。
- 原始数据同样需要细胞分割，不能直接获得真实的单细胞转录组。
- 细胞核扩展法可能导致细胞边界不准确。
- 高密度DNB数据对计算资源、存储和分析流程要求较高。
- RNA扩散可能造成组织边界外信号和细胞间表达混合。
- 不同组织结构、染色质量和细胞密度会影响细胞分割。
- 全转录组检测虽然覆盖范围广，但实际检测灵敏度和空间定位准确性仍然需要分别评价。
4. Xenium：单细胞空间定位能力突出，但5K并不等于全转录组
优势
- 直接检测原位RNA分子，不需要先将组织解离。
- 可以进行细胞级、亚细胞级RNA定位。
- 结合多通道成像进行细胞核和细胞边界识别。
- 具有较好的单细胞表达检测灵敏度。
- 对细胞亚群、细胞状态和稀有细胞的定位研究比较有优势。
- 可以研究配体与受体表达在不同细胞中的空间分布。
- 可结合H&E、免疫荧光等信息开展组织形态学分析。
- 相比测序捕获型技术，能够更直接地进行RNA分子到细胞的归属。
不足
- Xenium 5K仍然是有限靶标面板，不是全转录组。
- 未设计的基因无法直接检测，发现全新疾病相关基因的能力受限。
- 5K不意味着每个细胞都能检测到5,000个基因。
- 高表达基因和低表达基因之间的检测灵敏度存在差异。
- 多轮成像和探针检测存在技术复杂度，实验周期和仪器要求较高。
- RNA探针设计质量会影响检测效果。
- 细胞分割虽然有原生图像支持，但在细胞边界不明显、细胞密集和组织结构复杂的区域仍可能发生错分。
- 对非常特殊的细胞类型，如果缺少合适的标志基因，可能出现注释困难。
一个重要的局限：
Xenium的5K面板虽然已经能够支持很多免疫细胞和肿瘤细胞状态分析，但如果想研究：
- 未知的新型细胞亚群；
- 新的疾病相关基因；
- 未预先考虑的信号通路；
- 大规模转录因子调控网络；
- 全转录组水平的差异表达；
Xenium的靶向检测路线就存在天然限制。
客观评价： Xenium的核心优势是较高质量的单细胞空间定位，而不是全转录组发现能力。
5. CosMx：高通量成像和多模态能力强，但需要注意背景及基因检测表现
优势
- 具备单分子原位检测能力。
- 6K方案可以覆盖大量疾病相关基因。
- 支持细胞核、膜和胞质染色辅助细胞分割。
- 可以同时获取组织形态和RNA分布。
- 对细胞亚群、空间邻域和细胞互作分析具有较高价值。
- 可扩展至空间蛋白检测等多模态分析方案。
- 对复杂肿瘤微环境和细胞间关系的研究比较适用。
不足
- 依赖预设基因面板，仍然不是完整的全转录组。
- 高通量基因检测不意味着所有基因都有良好检测灵敏度。
- 不同基因的探针效率差异可能影响基因间的定量比较。
- 背景信号、非特异性探针结合需要严格质控。
- 多轮成像的数据处理和图像配准比较复杂。
- 细胞分割也可能受到膜染色、组织结构和细胞密度的影响。
- 数据分析和存储负担较大。
与Xenium相比：
客观评价： CosMx是非常有竞争力的单细胞空间成像平台，但不能因为其6K面板或更高的总转录本数，就认定其每个基因的定量表现一定优于Xenium。
6. Atera：最值得关注的全转录组单细胞空间路线，但成熟度还需要持续验证
优势
- WTA方案覆盖超过18,000个蛋白编码基因。
- 可以同时获得较大范围的转录组信息和单细胞空间信息。
- 不需要像Xenium 5K一样把研究范围严格限制在5,000个预设基因。
- 有利于发现新的细胞状态和未知疾病相关分子。
- 可以结合单细胞空间表达数据分析细胞亚群、细胞状态和微环境。
- 对肿瘤克隆演化、免疫微环境及复杂组织结构研究具有潜在价值。
- 具有较高的组织处理通量，官方公布每周最高可处理1,600 mm²组织。
不足与需要谨慎的地方
- 18,000+基因是设计覆盖范围，不代表每个细胞都能检测到18,000个基因。
- 目前不能仅凭官方参数认定Atera的Median genes/cell一定超过Visium HD或Stereo-seq。
- 需要进一步积累不同组织类型下的独立第三方性能验证。
- 不同组织、固定条件、RNA质量和细胞类型对检测效率的影响仍需系统研究。
- 新平台的数据处理、分析工具生态和跨平台整合经验尚不如Visium和Xenium成熟。
- 仪器和试剂的实际使用成本、样本通量、实验室可及性需要根据具体采购或服务报价判断。
- 与Xenium、CosMx相比，尚需要更多同样本、同组织、同细胞分割标准的公开比较数据。
核心点二、六大平台在细胞亚群识别方面的差距
不同平台在这方面的能力并不相同。
简单比较一下
visium 差
visium HD 差
stereo-seq 差
xenium 5k 中等
CosMx 中等
Atera 强（理论，待验证）
核心点3、细胞邻域和细胞通讯分析：平台之间有什么区别？
Visium HD和Stereo-seq可以借助计算分割建立这种邻域结构，但分割错误会直接影响细胞之间的距离和邻域归属。
Xenium、CosMx和Atera能够直接利用细胞级空间坐标建立邻域关系，理论上更适合精细的单细胞空间分析。
整体比较一下邻域通讯的分析能力
visium HD 差，几乎做不到（检测到的基因太少）
stereo-seq 几乎做不到
xenium 5k 尚可
CosMx 6k以及上 尚可
Atera 尚可（测试项目表现）
核心点4、国内市场配套程度与厂商分析服务能力对比
平台配套程度： 能否买到设备、试剂、耗材，是否有本地实验服务。
分析服务能力： 公司是否真正能够解决复杂的生物学问题。
大家要注意，公司几乎不会在分析上投入很大的成本，因为分析本身利润最低甚至赔钱，所以现在的分析压力基本都来到了课题组本身。
| 平台 | 国内供应与服务 | 国内实验服务 | 本土化支持 | 当前主要特点 |
|---|---|---|---|---|
| Visium | 成熟 | 充足 | 较好 | 服务商多，生态成熟 |
| Visium HD | 成熟 | 充足 | 较好 | 标准化分析服务完善，个性化不足 |
| Stereo-seq | 成熟 | 充足 | 很好 | 配套软件和服务不足，谈合作成本高 |
| Xenium | 成熟 | 较充足 | 较好 | 10x及国内合作服务商体系 |
| CosMx | 已有成熟应用 | 有一定覆盖 | 需要具体确认 | 部分科研平台已配置，服务网络需逐地核实 |
| Atera | 快速建设中 | 正在扩展 | 逐步完善 | 2026年新进入国内服务市场 |