在国家自然科学基金“免疫力数字解码”重大研究计划项目（批准号：92574301）等资助下，北京大学前沿交叉研究院曾泽贤研究员与合作者在空间转录组细胞分割算法与空间单细胞转录组重建方法研究方面取得新进展。研究成果以“整合细胞学图像与空间转录组信息的细胞分割算法DISSECT（Integrating cytological images and spatial transcriptomics for cell segmentation with DISSECT）”为题，于2026年7月9日在《自然·计算科学》（Nature Computational Science）杂志上发表，论文链接：https://www.nature.com/articles/s43588-026-01020-x。

图 DISSECT整合细胞学图像与空间转录组信息实现细胞分割和空间单细胞转录组重建

　　空间转录组学将高通量转录组测量与组织结构的空间背景相结合，为在原位解析细胞组成、空间组织方式和细胞间相互作用提供了重要技术基础。随着成像型和测序型空间转录组平台的分辨率不断提高，如何准确地将亚细胞尺度的转录本信号归属到对应细胞，成为空间单细胞转录组重建和下游生物学分析中的关键问题。针对上述问题，研究团队开发了细胞分割模型DISSECT。该方法整合细胞学图像与空间转录组信息，利用预训练深度生成模型对多尺度图像特征进行去噪，通过实例感知检测模块预测细胞实例，并结合图像来源和转录组来源的梯度场对分割掩膜进行精细化修正，从而提高复杂组织中细胞或细胞核边界识别的准确性。

　　研究团队在多种高分辨和高通量的空间转录组平台数据上系统评估了DISSECT的性能。结果显示，DISSECT相比多种已有细胞分割方法取得了更高的平均精度，并在细胞数量估计、密集区域细胞识别和跨平台泛化能力方面表现出较好稳定性。研究团队进一步将DISSECT应用于三对免疫治疗前后的胃腺癌样本，并基于Stereo-seq数据重建空间单细胞转录组，解析了肿瘤微环境中的主要细胞类型、细胞亚群、空间生态位和细胞间通讯关系。该研究为高分辨率空间转录组数据的细胞分割和空间单细胞化解析提供了新的计算工具，也为从空间视角研究复杂组织结构、肿瘤微环境及免疫治疗相关机制提供了方法支撑。