深度解析 | 空间组学通用框架CellBin的架构设计与平台实践

一、目标与挑战

• 核心目标：​ 构建一个能处理多平台、多模态空间组学数据，并输出标准化单细胞表达矩阵的通用框架。

• 主要挑战：​ 不同技术平台数据格式差异大；细胞分割准确性要求高；海量数据计算效率需求迫切。

二、CellBin技术框架深度解析

CellBin的整体工作流程可概括为以下几个核心模块：

1. 数据输入与预处理：​ 支持表达矩阵和组织图像作为输入。

2. 关键处理步骤：

   • 图像拼接：​ 采用优化算法，将高通量技术产生的数千张连续切片图像进行高精度配准与拼接，形成完整的组织全景图，消除空间错位。

   • 细胞分割：​ 集成针对不同成像模式（如ssDNA、H&E、荧光）的细胞核或细胞膜信号进行分割的模型，精确识别单个细胞边界。

   • 分子归属：​ 将基因表达分子（UMI）根据其空间坐标归属到分割出的单个细胞中，生成细胞-基因表达矩阵。

3. 输出：​ 获得标准化的单细胞空间基因表达谱，用于下游的细胞注释、差异分析、空间互作等分析。

三、性能评估与技术优势

在公开数据集上的评测显示，CellBin在多个关键指标上表现优异。例如，在细胞分割任务中，其F1分数和Dice系数均高于对比方法。其技术优势主要体现在：

• 通用性强：​ 适配Stereo-seq、Visium HD、Xenium、Stereo-Cell等多种技术产生的数据。

• 精度高：​ 细胞分割和分子定位准确，为下游分析提供可靠输入。

• 效率优：​ 优化计算流程，支持大样本处理。

四、在DCS Cloud平台的集成与实践

DCS Cloud​ 平台已将CellBin作为一项核心分析工具集成。对于开发者而言，这种集成带来了两大便利：

1. 开箱即用：​ 无需手动配置环境依赖，登录平台即可使用。

2. 算力保障：​ 直接利用云端高性能计算资源，轻松应对大规模空间数据集。研究者可以通过平台提供的图形化界面或API调用CellBin，快速将其整合到自己的分析流水线中。

资源链接：

论文链接：

https://doi.org/10.1101/2025.10.23.683357

CellBin github获取链接（论文）：

https://github.com/STOmics/cellbin2/tree/paper

CellBin在DCS Cloud上的获取链接：

https://cloud.stomics.tech/#/library