科学普及

随着年龄的增长，大脑的衰老逐渐成为影响人类健康的重大问题。不仅认知功能会逐渐下降，神经退行性疾病（neurodegenerative Diseases, NDDs）的风险也显著增加，如阿尔茨海默病（Alzheimer disease, AD），帕金森病（Parkinson disease, PD）和原发性陶氏病（primary tauopathies）等。

在细胞生物学的探索中，构建能够预测细胞行为的模型一直是科学家们追求的目标。细胞如何整合信号，并执行精确的转录和表型响应？这一问题的解答需要系统性地绘制细胞状态如何被各种干预手段（如遗传、化学或环境扰动）重塑的图谱。

空间转录组学作为一种新兴技术，正在改变我们对细胞在组织中相互作用和功能组织的理解。它结合了组织学技术和高通量 RNA 测序，不仅能够分析基因表达，还能保留基因表达的空间位置信息。这种技术对于研究胚胎发育、组织稳态以及癌症等疾病的进展至关重要。然而，现有的细胞基础模型大多基于单细胞 RNA 测序（scRNA-seq）数据进行预训练，无法有效解析样本之间的空间关系，也无法捕捉不同测序数据的独特分布。随着空间转录组学数据的快速增长，开发能够整合这些复杂数据的计算方法成为了一个亟待解决的问题。

在生命科学领域，空间转录组学技术正以前所未有的速度发展，它为我们揭示了基因表达在组织中的空间分布情况，这对于理解细胞间的相互作用、组织的发育和疾病的发生机制具有极其重要的意义。从早期的基于成像的方法，到后来的基于测序的方法，每一次技术的突破都让我们对生命的复杂性有了更深入的认识。然而，现有的基于测序的空间转录组学技术在分辨率上仍存在局限性，无法达到光学成像方法的分辨率（200-300纳米）。这种分辨率的差距限制了我们对细胞亚结构和精细组织架构的深入理解。因此，开发一种能够结合高分辨率和全转录组覆盖能力的空间转录组学技术，成为了该领域的迫切需求。