The Question

Single-cell RNA sequencing revolutionised biology by revealing the transcriptomic identity of individual cells, but it requires dissociating tissues into cell suspensions — destroying the spatial context that gives tissues their function. Spatial transcriptomics restores this lost dimension by measuring gene expression in situ. The field faces a resolution-coverage trade-off: imaging-based methods (MERFISH, seqFISH) achieve subcellular resolution but measure hundreds of genes, while sequencing-based methods (Visium, Slide-seq) capture the whole transcriptome but at multi-cell spot resolution. Can computational methods bridge this gap, and what biological insights become visible only when spatial context is preserved?

Landscape

Zhao et al. (2024), in a paper introduced a transformer-based model that achieves super-resolution in spatial transcriptomics by integrating histology images with spatial gene expression data. Their approach computationally deconvolves Visium spots (55 µm diameter, covering ~10 cells) into single-cell resolution predictions. The key insight: H&E-stained histology images contain morphological information that, when fused with transcriptomic data via cross-attention transformers, can predict gene expression at resolutions below the physical spot size.

Lin et al. (2025) constructed the first integrated spatial atlas of human bone tissue, combining Visium spatial transcriptomics with single-cell RNA-seq. Their atlas revealed previously uncharacterised spatial niches within bone — including a spatial gradient originating from trabecular bone, demonstrating systematic variations in gene expression, cellular composition, and signalling pathway activity (including TGFβ/p-SMAD2/3 enrichment in peri-trabecular regions) that was invisible to dissociated single-cell studies. This work exemplifies the biological yield when spatial and single-cell modalities converge on the same tissue.

At the processing pipeline level, CellBin (Li et al. 2024) addressed a practical bottleneck: converting raw spatial transcriptomics imaging data into accurate single-cell gene expression matrices. Their pipeline achieved high-accuracy cell segmentation on Stereo-seq data, demonstrating that data processing — not just data generation — remains a rate-limiting step.

Methods in Action

The computational challenge in spatial transcriptomics centres on three tasks:

Key Claims & Evidence

Open Questions

What This Means for Your Research

Spatial transcriptomics is shifting from a technology demonstration phase to a biological discovery phase. The papers reviewed here show that the highest-impact work now combines spatial data with computational innovation to answer specific biological questions — not merely to generate atlases. For researchers in other fields: if your tissue of interest has a spatial organisation hypothesis (tumour margins, developmental gradients, organ-specific niches), spatial transcriptomics is now accessible enough to test it. The computational tools are maturing rapidly, but careful attention to cell segmentation and spot deconvolution remains essential to avoid artefactual conclusions.

Referenced Papers

• [1] Zhao, C. et al. (2024). Innovative super-resolution in spatial transcriptomics: a transformer model exploiting histology images and spatial gene expression. Briefings in Bioinformatics, 25(2). DOI: 10.1093/bib/bbae052
• [2] Lin, W. et al. (2025). Mapping the spatial atlas of the human bone tissue integrating spatial and single-cell transcriptomics. Nucleic Acids Research. DOI: 10.1093/nar/gkae1298
• [3] Xue, S. et al. (2024). Inferring single-cell resolution spatial gene expression via fusing spot-based spatial transcriptomics, location, and histology using GCN. bioRxiv. DOI: 10.1101/2024.10.27.620535
• [4] Li, M. et al. (2024). CellBin: a highly accurate single-cell gene expression processing pipeline for high-resolution spatial transcriptomics. bioRxiv. DOI: 10.1101/2023.02.28.530414
• [5] Wan, Y. et al. (2024). Whole-embryo Spatial Transcriptomics at Subcellular Resolution from Gastrulation to Organogenesis. bioRxiv. DOI: 10.1101/2024.08.27.609868

면책 조항: 본 게시물은 정보 제공 목적의 연구 동향 개요이다. 학술 연구에서 인용 시, 구체적인 연구 결과, 통계 및 주장은 원본 논문을 통해 반드시 검증해야 한다.

공간 전사체학: 유전자 발현이 일어나는 곳을 지도로 만들다

분야: 생물학 | 방법론: 계산-실험적

저자: Sean K.S. Shin | 날짜: 2026-03-17

연구 질문

단일세포 RNA 시퀀싱은 개별 세포의 전사체적 정체성을 밝혀냄으로써 생물학에 혁신을 가져왔지만, 이 기법은 조직을 세포 부유액으로 해리시켜야 하므로 — 조직의 기능을 부여하는 공간적 맥락을 파괴한다. 공간 전사체학(spatial transcriptomics)은 유전자 발현을 제자리(in situ)에서 측정함으로써 이 잃어버린 차원을 복원한다. 이 분야는 해상도-커버리지 간의 상충 관계에 직면해 있다. 이미징 기반 방법(MERFISH, seqFISH)은 세포 이하의 해상도를 달성하지만 수백 개의 유전자만 측정하는 반면, 시퀀싱 기반 방법(Visium, Slide-seq)은 전체 전사체를 포착할 수 있으나 다중 세포 스팟(multi-cell spot) 해상도에 머문다. 계산적 방법이 이 간극을 메울 수 있을까? 그리고 공간적 맥락이 보존될 때에만 비로소 가시화되는 생물학적 통찰은 무엇인가?

연구 현황

Zhao et al. (2024)은 조직학 이미지와 공간 유전자 발현 데이터를 통합하여 공간 전사체학에서 초해상도(super-resolution)를 달성하는 트랜스포머(transformer) 기반 모델을 소개한 논문을 발표하였다. 이들의 접근법은 Visium 스팟(직경 55 µm, 약 10개 세포 포함)을 단일세포 해상도 예측으로 계산적으로 디컨볼루션(deconvolve)한다. 핵심 통찰은 다음과 같다. H&E 염색 조직학 이미지에는 형태학적 정보가 담겨 있으며, 이를 교차 어텐션(cross-attention) 트랜스포머를 통해 전사체 데이터와 융합하면 물리적 스팟 크기 이하의 해상도에서 유전자 발현을 예측할 수 있다.

Lin et al. (2025)은 Visium 공간 전사체학과 단일세포 RNA-seq을 결합하여 최초의 인간 골조직 통합 공간 아틀라스(atlas)를 구축하였다. 이 아틀라스는 골조직 내의 기존에 규명되지 않았던 공간적 니치(niche)를 밝혀냈다. 구체적으로는 해면골(trabecular bone)에서 기원하는 공간적 기울기를 포함하며, 해리된 단일세포 연구에서는 보이지 않았던 유전자 발현, 세포 구성 및 신호 전달 경로 활성(골주위 영역의 TGFβ/p-SMAD2/3 농화 포함)의 체계적인 변이를 입증하였다. 이 연구는 공간 및 단일세포 방식이 동일 조직에 수렴할 때 얻을 수 있는 생물학적 성과를 잘 보여 준다.

처리 파이프라인 수준에서 CellBin(Li et al. 2024)은 실질적인 병목 문제를 해결하였다. 즉, 원시 공간 전사체학 이미징 데이터를 정확한 단일세포 유전자 발현 행렬로 변환하는 문제이다. 이들의 파이프라인은 Stereo-seq 데이터에서 고정밀도 세포 분할(cell segmentation)을 달성함으로써, 데이터 생성뿐만 아니라 데이터 처리 역시 속도 제한 단계로 남아 있음을 보여 주었다.

실제 방법론

공간 전사체학의 계산적 과제는 세 가지 작업을 중심으로 한다.

주요 주장 및 근거

미해결 질문

연구에 대한 시사점

공간 전사체학은 기술 실증 단계에서 생물학적 발견 단계로 이행하고 있다. 본 리뷰에서 검토한 논문들은 현재 가장 높은 영향력을 지닌 연구가 단순히 아틀라스를 생성하는 데 그치지 않고, 공간 데이터와 계산적 혁신을 결합하여 특정 생물학적 질문에 답하고 있음을 보여준다. 다른 분야의 연구자들에게: 관심 조직에 공간적 조직화 가설(종양 경계, 발달 기울기, 기관 특이적 니치)이 있다면, 공간 전사체학은 이제 이를 검증하기에 충분히 접근 가능하다. 계산 도구는 빠르게 성숙하고 있으나, 인공적 결론을 피하기 위해 세포 분할(cell segmentation)과 spot deconvolution에 대한 면밀한 주의가 여전히 필수적이다.