在生命科學的浩瀚星海中，空間轉錄組學正像一束穿透迷霧的光，把“細胞在哪里、在做什么、在與誰對話”從想象變成可測量的事實。它讓我們第一次有機會把分子表達、組織結構與細胞命運放在同一張坐標系里理解——而這也意味著，真正的挑戰(zhàn)不再是“有沒有數據”，而是“能不能把數據變成機制、把機制變成主圖”。

站在2026新年之際，BioArt攜手戰(zhàn)略合作伙伴，推出專精系列培訓之“Nature 單細胞空間組學1:1復現訓練營”。希望用一場真正“硬核、可落地、可交付”的訓練，幫助每一位研究者完成從“會跑流程”到“會復現頂刊、會遷移到自己課題”的躍遷：不止講概念與工具，更以Nature論文為主線，逐面板拆解、源碼級精讀。

我們相信，未來的空間組學競爭不在“知道使用哪個軟件”，而在于誰能更快構建可解釋的空間坐標系，誰能更穩(wěn)建立“位置—互作—信號—表型”的證據鏈，誰能把結果做成審稿人一眼認可的主圖。愿這門課程成為你2026開年的第一份“科研加速器”：讓復現不再靠運氣，讓機制不再停留在猜想，讓每一次分析都能沉淀為可復用、可擴展、可發(fā)表的能力與作品。

新一年，我們以頂刊為坐標、以源碼為橋梁、以主圖為目標。歡迎你加入這場空間轉錄組的“主圖復現之旅”，一起把數據變成故事，把故事變成成果。

論文介紹

本次復現的論文如下

https://www.nature.com/articles/s41586-024-08466-x

01

課程特色

1.全流程系統教學：

從空間轉錄組數據結構、QC、注釋到出圖全流程，配套“保姆級”R/Python代碼模板，快速補齊空間數據分析底層能力

2.一對一指導 + 包教包會：

針對你自己的數據（Xenium/VisiumHD/MERFISH等）提供遷移指導：如何選參數、如何可視化空間結構、如何畫出和論文一樣的圖，確保學完能直接上手課題，讓你真正學得會、用得上、在大數據分析的加持下做出更有價值的科研成果。

3.AI賦能 + Nature正文拆解：

不是單純的跑代碼，更多的是理解代碼背后的生物學意義。當然也不是單純的只講思路，而是直接把 Fig.1–Fig.5 的每個 panel 拆到“輸入→關鍵參數→輸出→驗收標準”，帶你做出真正對齊論文的結果

4.源碼級系統學習：

從“能跑”到“能改”：帶你讀懂作者倉庫結構、figure pipeline、關鍵函數與參數選擇邏輯，學會把論文代碼遷移到自己的項目，而不是“抄完就忘”

5.直播授課 + 錄屏回看 + 長期答疑：

直播帶跑、課后錄屏反復看，資料包（代碼/講義/驗收清單/出圖模板）全配齊；課程結束答疑不結束，后續(xù)自己數據分析過程中遇到問題也是一對一指導答疑，真正做到包教包會，學有所用做出更有價值的研究成果。

02

課程時間

第一期 · 新年開講

一個月系統教學，實打實包教包會

每周五、周六、周日晚19:00-22:00

共十三節(jié)課

九節(jié)課程精講，四節(jié)課答疑和總結

03

課程核心模塊

第一節(jié)課：AI+Nature文章思路解讀：從“圖的堆疊”到“機制證據鏈”

基于Deepseek高效閱讀Nature多組學生信文章和評價文章思路的創(chuàng)新性

Deepseek對 論文敘事框架拆解：開篇提出科學問題 → 提出方法框架 → 在小鼠數據證明 → 用互作/信號建立機制 → 用空間擾動給因果 → 人類回譯驗證

ChatGPT：如何把這篇Nature論文的范式遷移到自己的課題研究中

第二節(jié)課：Nature文章中VisiumHD Xenium MERFISH 數據全流程處理（一）

數據讀入多種方法和質量控制 QC（細胞層面）

基礎可視化與區(qū)域裁剪

過濾 + 歸一化 + 降維聚類

構建空間鄰接圖

第三節(jié)課：Nature文章中VisiumHD Xenium MERFISH 數據全流程處理（二）

空間統計（組織結構/鄰域關系）

鄰域富集 nhood_enrichment

共現 co-occurrence

空間自相關 Moran’s I

第四節(jié)課：細胞分割

神經網絡模型StarDist定位圖像中的星形細胞

基于深度學習Cellpose高質量的細胞分割

第五節(jié)課：Fig. 1 復現：通過小鼠小腸的空間轉錄組統刻畫CD8 T 細胞在組織空間定位及其轉錄狀態(tài)的動態(tài)變化。

5.1 將免疫熒光測得的 細胞位置投影到 IMAP 上，按核密度著色展示感染后不同時間點的定位變化。

5.2Xenium 空間轉錄組數據的多模態(tài)結構與對應關系（H&E、IF、DAPI 分割、Leiden 聚類）及局部放大中轉錄本與標記基因（如 Cd8a/Cd8b/Gzmb/Xist）的空間疊加

5.3 概覽處理后的多個時間點 Xenium 數據：聯合 MDE 嵌入與原位空間分布，并在局部放大中突出 P14 細胞/簇及 Leiden 聚類隨時間的變化

第六節(jié)課：Fig. 2 復現：不同空間生態(tài)位驅動

6.1 umap圖與原位空間圖在多個時間點同時展示了小腸組織在空間中的梯度分布

6.2 計算每個基因的 Spearman 相關并以散點圖呈現，篩出與空間定位正/負相關的標志基因

6.3 對基因表達做卷積平滑并在各時間點繪制熱圖，揭示細胞在上皮區(qū)室梯度上的轉錄變化。

6.4 代表性基因（如 Gzma/Gzmb/Itgae/Tcf7） 按表達加權的核密度圖，直觀展示在不同門控區(qū)域的富集位置

第七節(jié)課：Fig.3 復現：空間互作網絡 + 細胞因子梯度 + CellChat 機制整合

7.1 單細胞分辨率繪制細胞亞群“連接 connectome ，顯示不同細胞類型之間的空間相互作用網絡。

7.2 Squidpy 相互作用分數網絡圖（節(jié)點為細胞亞群、邊為強相互作用），展示不同模塊隨時間的網絡結構變化

7.3 用熱圖匯總細胞亞群與 P14 細胞 在不同組織生態(tài)位的鄰域分析

7.4 TGFβ 隨數據的表達趨勢 變化 ，并用空間圖展示其在絨毛中的實際定位分布。

7.5 熱圖展示了CellChat 計算三個區(qū)域的主要“入向信號通路”強度，指出不同生態(tài)位驅動的關鍵信號來源差異。

7.6 熱圖描繪小腸軸向上的“細胞因子梯度景觀”

第八節(jié)課：Fig.4 復現：CRISPR擾動驗證解析 CXCR3 決定絨毛分布機制

8.1 氣泡圖比較未感染與感染時間序列中各細胞類型對Cxcl9/Cxcl10的表達水平與表達細胞比例

8.2Cxcl9/Cxcl10在不同時間點的表達趨勢曲線，并用空間散點展示其在絨毛中的實際富集位置。

8.3 CD8 T 細胞在組織中的精確位置與細胞核分割及關鍵轉錄本信號疊加展示，從而驗證基因擾動細胞可在單細胞尺度被空間定位與識別

8.4 柱狀圖展示 目標基因（Thy1、Cxcr3）的表達差異，確認基因擾動有效

8.5 核密度圖 量化Cxcr3缺失對定位分布的影響

第九節(jié)課：Fig.5 復現：使用人類回腸 Xenium數據進行跨物種驗證與細胞互作

9.1 最小失真嵌入圖展示不同細胞類型在轉錄空間中的分離關系。

9.2 比例圖展示了各細胞類型在所有切片中的平均相對豐度

9.3 從組織到細胞的多尺度展示：在回腸切片上展示細胞分割與細胞類型/Leiden 聚類，并結合 H&E、DAPI 與轉錄本疊加。說明 Xenium 數據如何映射到隱窩–絨毛軸與上皮軸。

9.4 核密度展示signature基因集變化

9.5 卷積平滑熱圖展示 隨空間梯度變化的基因表達程序變化

9.6 關鍵基因表達與不同細胞類型的距離的 Spearman 相關

9.7 CellChat 匯總不同免疫細胞群接收的主要信號通路強度

04

課程費用

• 課程費用3880元/人，含直播授課+課程錄屏反復回看和一對一指導答疑，含 講義、代碼、數據等完整資料包。

• 團體報名享優(yōu)惠，請聯系培訓助手咨詢。

• 七名全職的答疑助理，從早上八點到晚上十二點全天在線 ，365天全年無休的一對一答疑，實打實保證一對一指導的學習效率。

立即掃碼，鎖定席位

05

合作機構

華哥科研平臺

授課理念：將生信內容全部學懂（理解）、學會（會敲代碼分析）、學透徹（站在課題頂層設計角度理解）、學以致用（用到自己的標書申請和文章發(fā)表中）。

主講老師

張振華，中山大學博士，目前在東京大學從事醫(yī)學人工智能研究。深耕單細胞多組學、空間轉錄組與機器學習領域6年，培養(yǎng)學員3萬余人 ; 指導學員發(fā)表CNS主刊文章15篇、一區(qū)及子刊90余篇 ; 參與國自然重點、國家重大專項、孔雀計劃等項目申報;合作院士團隊及國際頂尖實驗室，發(fā)表SCI論文24篇（Mol Cell、PNAS、Cell Rep Med、JACS、Mol Cancer、EMBO Mol Med等頂刊）。

06

課程收獲

從“看懂論文”到“復現到一模一樣”

將親手完成Nature 正文 每一個 panel 的 1:1 復現，不是“跑個大概”，而是對齊到坐標范圍、統計口徑、顏色映射、點大小透明度、圖例與標尺等細節(jié)。

學完你能做到：看到一張頂刊空間主圖，知道它的輸入數據是什么、關鍵步驟在哪里、怎么跑出來、怎么驗收對齊。

真正掌握“空間轉錄組的頂刊核心方法體系”

從形態(tài)學或空間幾何出發(fā)構建可計算坐標系，把組織結構變成可解釋的“分區(qū)”

KDE 加權的“轉錄/signature”：把基因/簽名投影成空間密度圖

卷積表達和空間信號推斷

空間互作網絡：互作強度→篩邊→布局→可視化

空間擾動/因果驗證思路：sgRNA 細胞定位→分區(qū)比例變化→表達改變→統計檢驗閉環(huán)

讓自己的空間數據真正“畫得出來、講得清楚、發(fā)得出去”

很多人做空間轉錄組卡在兩件事：圖做不出論文質感、結果講不成機制鏈條。
這門課會讓學員把自己的樣本（腫瘤/炎癥/感染/治療前后等）真正用起來：

學會建立組織結構坐標系，把空間異質性從“散點”變成“可解釋的梯度”

學會把“空間位置→細胞互作→信號通路→表型變化”的鏈條做成主圖級證據

07

部分代碼實戰(zhàn)展示