Nature Genetics | 王晨飞课题组开发Cellist，实现高分辨率空间转录组精准跨平台单细胞分割

空间转录组学技术的快速发展，使研究者能够在保留组织空间结构的同时系统解析基因表达图谱，为探索细胞异质性、细胞间通讯及肿瘤微环境重塑机制提供了核心技术支撑。近年来，多种高分辨率空间转录组技术相继问世，将检测精度推进至亚细胞水平，显著提升了单细胞空间解析能力。然而，精准的细胞分割仍是制约高分辨率空间转录组数据深度挖掘的关键瓶颈：现有分割方法多为特定平台设计，通用性较差；处理大视野数据时计算效率低下；仅依赖形态学边界的分割策略易导致邻近细胞转录本污染，严重影响下游分析准确性。

2026年5月20日，同济大学生命科学与技术学院/上海梧桐岛生命科学研究院王晨飞教授课题组与同济大学附属上海市肺科医院张鹏教授课题组合作，在国际遗传学顶级期刊Nature Genetics在线发表题为“Accurate, scalable and cross-platform cell identification for high-resolution spatial transcriptomics”的论文，开发了全新的多模态细胞分割方法Cellist。

Cellist突破传统思路，创新性提出以转录本精准归属为核心的细胞分割新范式，不追求完美还原细胞形态边界，而是聚焦于将每个转录本准确分配至其来源细胞，从而获取高纯度的单细胞表达谱。该方法融合染色图像与空间转录组数据（图1），以基于图像的分割为初始锚点，结合表达相似性与空间距离构建概率优化模型，实现所有转录本检测位点的精准细胞归属，有效改善传统形态分割普遍存在的转录本混杂问题，显著降低邻近细胞转录本的交叉干扰。

图1 Cellist工作流程示意图

Cellist全面兼容测序型与成像型两类主流高分辨率空间转录组平台。研究团队在包括Stereo-seq小鼠大脑、Seq-Scope小鼠肝脏、STARmap小鼠视觉皮层及10x Xenium人黑色素瘤等在内的多物种、多组织、多平台数据集上开展了系统评估（图2）。结果表明，Cellist在细胞内表达一致性、细胞类型注释精度、标记基因特异性等关键指标上全面优于现有方法，且具备优异的运算性能，可快速处理厘米级超大视野组织数据。

图2 Cellist在多平台数据集上的综合性能评估

团队进一步将Cellist应用于6例非小细胞肺癌新辅助免疫检查点阻断联合铂类化疗术后样本，结合单细胞RNA测序数据开展深度空间解析（图3）。基于Cellist的精准分割与拷贝数变异分析，研究在一例肺腺癌样本中鉴定出两类肿瘤亚克隆，其中一类在局部区域高度聚集，伴随脂肪酸代谢、上皮–间充质转化通路激活及高癌症干细胞评分，提示其具有更强的侵袭与治疗耐受潜能。通过跨样本空间域分析，团队鉴定出八种保守的肿瘤微环境生态型，进一步在肿瘤–间质交界区域发现两类完全不同的免疫抑制微环境格局：一类为CXCL9⁺与SPP1⁺巨噬细胞共富集模式，整体呈现“热”免疫特征，但存在明显的T细胞瘤内浸润障碍；另一类为CXCL9⁺与SLPI⁺巨噬细胞共定位模式，伴随MHC II分子低表达、细胞毒性免疫信号整体处于较低水平，形成典型的免疫抑制微环境。这些发现为深入理解免疫治疗耐药的空间机制提供了新的视角。

图3 Cellist解析非小细胞肺癌肿瘤微环境

Cellist为高分辨率空间转录组提供了精准、高效、跨平台的一站式细胞分割解决方案，将有力推动肿瘤异质性、免疫微环境、发育生物学及精准医疗等领域的研究。目前，Cellist已以开源Python包形式免费公开，源代码可访问GitHub获取：https://github.com/wanglabtongji/Cellist

同济大学生命科学与技术学院/上海梧桐岛生命科学研究院王晨飞教授、上海市肺科医院张鹏教授为共同通讯作者；同济大学生命科学与技术学院孙冬青博士、上海市肺科医院张乐乐副研究员为该论文共同第一作者。该工作得到国家重点研发计划、国家自然科学基金等项目的资助。

原文链接：https://doi.org/10.1038/s41588-026-02610-1