2026年10月21日，cience Bulletin期刊在线发表了题为《SpaCon: scalable spatial transcriptomic and connectomic integration》的研究论文。该研究由中国科学院脑科学与智能技术卓越创新中心（神经科学研究所）刘赐融研究团队联合西北工业大学自动化学院韩军伟教授、赵世杰教授团队共同完成。该研究揭示了基因表达与连接模式之间的关联，并开发了整合空间转录组与连接组数据的新方法。

大脑的功能既取决于不同细胞的分子组成，也取决于远距离脑区之间形成的复杂连接网络。空间转录组技术能够描绘基因表达在脑组织中的空间分布，脑连接组则刻画不同区域之间的连接关系。将两类信息结合，有望回答一个重要问题：具有特定连接关系的脑区或细胞，是否共享相应的分子特征？

已有研究发现，脑区的基因表达特征与连接模式存在关联，但如何在更精细的尺度上解析这一关联，以及如何将两类信息有效整合，仍面临挑战。一方面，以往分析多停留在脑区平均水平，难以揭示不同细胞类型的基因表达与连接模式之间的关联；另一方面，目前仍缺乏能够有效整合空间转录组与脑连接组数据的分析方法。现有空间转录组分析方法主要关注基因表达与局部空间邻近关系，而脑连接组涉及全脑范围内大量脑区之间的连接关系，将其与大规模空间转录组数据联合建模，会显著增加计算与存储开销，给两类数据的有效整合带来挑战。因此，需要开发能够联合解析分子特征、局部空间结构与长程连接，并适用于全脑尺度数据的分析方法。

研究团队首先结合单细胞分辨率的小鼠脑空间转录组数据与Allen小鼠脑连接图谱，分析了皮层丘脑环路中基因表达与连接模式的关系。结果显示，接受相似皮层输入的丘脑神经元具有相近的基因表达特征。这种关联呈现细胞类型特异性，在谷氨酸能和GABA能神经元中较为明显，而在非神经元细胞中未观察到类似模式。团队进一步分析皮层与胼胝体之间的联系，发现胼胝体富含轴突的胞体外区域呈现出与皮层来源及连接模式相关的基因表达特征。

上述分析揭示了基因表达与脑连接模式之间的密切关系。为实现两类信息的联合分析，团队开发了深度学习框架SpaCon，将局部空间信息、基因表达特征与全局脑连接模式进行整合，并通过基于连接的邻居采样策略降低计算开销，支持全脑尺度的联合分析。在小鼠皮层丘脑系统中，该方法将空间上分离、但连接紧密且分子特征相近的脑区归入同一空间域。这种联合分析还改善了皮层丘脑投射神经元亚型的空间分类表现。最后团队将空间转录组与小鼠宽场钙成像、狨猴静息态功能磁共振成像获得的功能连接数据相结合，验证了该框架在不同数据模态和物种中的适用性。

图示： SpaCon算法用于整合空间转录组与脑连接组数据

中国科学院脑科学与智能技术卓越创新中心刘赐融研究员和西北工业大学自动化学院韩军伟教授、赵世杰教授为该论文的共同通讯作者，脑智卓越中心和西北工业大学联合培养研究生渠海超和李文远为该论文的共同第一作者。该研究获得国家自然科学基金委员会、中国科学院和上海市的资助。