为什么要做空间转录组？
- 细胞类型鉴定完之后，可能会发现对照组和处理组的细胞类型差不多，但是表型却大同小异。同样类型的细胞，为什么在不同样本中的表现差异如此之大？基因表达不同的缘故吗？那又是什么因素导致相同类型的细胞基因表达差异如此之大？
- 通过降维聚类，特征相似的细胞聚集在一起。基因表达相似，便代表这一群细胞行驶的功能是一样的吗？既然特征相似，为什么细胞和细胞之间，在二维平面上的分布还是有一定距离？聚类之后的细胞分布，和细胞在组织上的真实分布有什么关系？
- 细胞的异质性是真实存在的，而在单细胞水平下是研究是以群（cluster）为最小单元，这样分析是否合理？以群为单位，是否会掩盖或忽略掉细胞之间的关键信息？
- 单细胞水平下分析得到的细胞分化发育轨迹，或细胞和细胞之间的通讯联系，在空间上是否真实分布在临近区域？不同细胞之间的联系，是直接，还是间接？或者反过来，单细胞水平下分析得到的功能相似的细胞群体，在组织中的分布，一定是在同一区域吗？
单细胞转录组（scRNA-seq）、空间转录组（ST）
- 通过单细胞细胞类型鉴定结果辅助判定空间转录组的细胞类型
- 通过空间转录组快速定位单细胞分析获得 marker 基因
- 对比不同分组空间结果，深入挖掘单细胞数据
空间转录组
相比单纯的单细胞转录组测序，空间转录组保留了组织中细胞的位置信息，利于分析不同区域的细胞构成，以及识别不同区域的差异基因。
但是技术受限，目前空间转录组很难达到单细胞水平，往往一个spot中包含了1-10个细胞，这就会导致每个spot严格来说是一个小的bulk测序，如果spot包含多个不同细胞类型的细胞，导致spot基因表达特征会丢失。
spots主要是以区域进行分类，细胞类型信息无法获得——空间转录组中需要单细胞转录组
单细胞转录组【降维和可视化是scRNA-seq数据分析的主要任务】可以精确的提供组织的细胞类型信息，这可以为判断空间转录组的细胞类型提供参照。目前很多算法出现（如MIA)，可以根据单细胞提供的细胞类别信息，判断每个spot最可能的细胞类型。
