人与小鼠肾上腺单细胞与空间转录组图谱

一句话：这是一份把人和小鼠的肾上腺细胞逐个"读了一遍基因"的数据——每个细胞转录了哪些基因、处在组织的哪一层，都记录在案，用来回答"肾上腺的细胞从哪来、怎么被替换"。

这类数据是什么。 单细胞转录组（scRNA-seq）测的是单个细胞里所有基因的活跃程度，比传统"把一块组织打碎测平均"精细得多：过去测到的是几十万细胞的平均值，现在能分出"这一层里有五种细胞，各占多少"。空间转录组再加一层：不只告诉你有哪些细胞，还告诉你它们在组织切片上的位置。把人和小鼠放进同一套流程里做，是为了区分哪些是哺乳动物共有的规律、哪些是人类特有的——后者恰恰是过去六十年被小鼠模型遮蔽掉的部分。

§1 导读：这个数据集解决什么问题

单细胞转录组（scRNA-seq）测的是单个细胞里所有基因的活跃程度，比传统"把一块组织打碎测平均"精细得多：过去测到的是几十万细胞的平均值，现在能分出这一层里有几种细胞、各占多少。空间转录组再加一层，不只告诉你有哪些细胞，还告诉你它们在组织切片上的位置。这份数据就是把人和小鼠的肾上腺细胞逐个"读了一遍基因"，用来回答"肾上腺的细胞从哪来、怎么被替换"。

肾上腺皮质的分区结构在 19 世纪就被组织学家描述过：外层球状带（ZG）分泌醛固酮，中层束状带（ZF）分泌皮质醇，内层网状带（ZR）分泌肾上腺雄激素前体。三层的分工在形态学上清清楚楚，但"这些细胞从哪里来、如何被替换"的答案，过去几十年几乎全部来自啮齿类。小鼠给出的答案是向心性模型：被膜间充质分泌 RSPO3 激活外层干细胞，干细胞向内迁移、逐层分化、最终在内层凋亡。

问题在于，人类肾上腺在三点上与小鼠根本不同：人有真正的网状带而小鼠没有（啮齿类 Cyp17a1 表观沉默，无法合成 C17 羟化雄激素前体）；人成年后仍保持结构可塑性；人的细胞更新速率与祖细胞位置在小鼠里找不到对照。于是"向心性模型是否适用于人类"长期只能靠间接证据回答。这份数据用同器官配对设计、三种空间平台，以及一例携带嵌合染色体改变的供体作天然谱系追踪，逐条指认了哪些程序保守、哪些是人特异。

1.1 这项工作的三层回答

这项工作用三层证据回答上面这个问题。

第一层是数据层：用同一套组织处理与测序流程，同时产出人与小鼠的 scRNA-seq，再用空间转录组（人的 Visium + Stereo-seq，小鼠的 Visium HD）给每个细胞状态定位。单细胞给"有哪些状态"，空间给"这些状态在哪里"，两者缺一不可——因为区带的定义本身就是空间性的，一个只在单细胞 UMAP 上存在的簇，如果没有空间上的层状分布，就不能叫"球状带细胞状态"。

第二层是比较层：把人与小鼠的皮质细胞放到同一个整合嵌入（integrated embedding）里，看哪些簇跨物种合并、哪些簇各自独立。合并的簇说明转录程序保守（例如产醛固酮的 CYP11B2+ 细胞），独立的簇说明分化出了物种特异的程序（例如人的 ZR、人的 ZG 内皮质醇合成状态）。这一层的核心工具是跨物种整合与同源状态的空间对齐——把两个物种的 ZG 和 ZF 尺度归一化之后再比较空间分布，避免因为腺体大小不同造成的假差异。

第三层是机制层：用一个罕见的嵌合染色体改变供体做克隆谱系推断。这位女性供体的部分细胞携带特定的染色体改变（mCA），这些改变在发育早期就已发生，因此携带同一改变的细胞必然来自同一个祖先细胞。这相当于一个天然的条形码实验：如果被膜细胞与球状带细胞携带同一 mCA，就说明它们之间存在真实的谱系关系，而不只是转录状态相似。这层证据是目前人类组织更新研究里最稀缺的一类，因为它不依赖任何基因编辑或标记，纯粹靠自然发生的体细胞嵌合。

1.2 结论落在哪里

三层证据合起来，给出的结论是"扩展而非推翻"：向心性模型在人的皮质里部分成立——外层确实有向内的细胞流，但（i）进入这条流的起点不止被膜间充质，还包括 WT1 阴性的被膜细胞亚群和血管周围的平滑肌细胞；（ii）增殖的祖细胞（SF1+EZH2+）并不局限于外层，而是弥散分布在整个人皮质；（iii）内层的 ZR 是人所独有的终末分化状态，小鼠没有对应物。作者把这个结论表述为"扩展向心性更新模型"（expand the centripetal renewal model），措辞上很克制，但对任何用人鼠混合证据讨论肾上腺老化、肾上腺功能不全或皮质癌起源的研究来说，这是一个需要在方法学上重新校准的信号。

1.3 对 AI/计算团队的三点直接价值

从计算与建模的角度看，这个数据集有三个直接的用途。

其一，它是跨物种整合方法的一个高质量测试床：两个物种、四种测序模态（scRNA-seq、Visium、Stereo-seq、Visium HD）、多年龄段，正适合检验整合算法在"真实生物学差异"与"批次技术差异"之间的分辨力。一个整合方法如果把人的 ZR 和小鼠的某群细胞强行合并，就暴露了它过度对齐的问题；反之如果一个方法在同一物种的不同平台之间都无法对齐，就说明它对平台效应过于敏感。

其二，它是空间注释与反卷积的实战样例：论文本身用了 RCTD 做反卷积，把 scRNA-seq 定义的细胞状态映射到空间点位。任何新提出的空间注释方法都可以在这个数据上复现这条管线，因为原始 h5、坐标矩阵、scale factor 全部公开。

其三，它是单细胞基础模型语料的一个有价值的补充：现有的单细胞预训练语料严重偏向小鼠与常见癌种，人肾上腺这种"小样本、多模态、强生物学结构"的组织相对稀缺。把它加入语料，可以改善模型对内分泌组织与罕见细胞状态的表征。

§2 数据集速览：十二问十二答

Q1：这个数据集到底叫什么名字？
论文标题是 Human and mouse adrenal glands are characterized by species-specific steroidogenic states and tissue turnover（人与小鼠肾上腺以物种特异的类固醇生成状态与组织更新为特征）。数据集本身没有官方品牌名，作者在代码仓库里叫它 adrenal gland sc atlas。本文用 slug adrenal-gland-atlas，与 GitLab 仓库名 adrenalglandscatlas 和社区通行叫法保持一致。

Q2：样本量是多少？
人 11 例成人肾上腺（6 男 5 女，18–73 岁），每例取单侧腺体，来自维也纳医科大学器官捐献者队列；另有 Stereo-seq 3 例（20 岁女、13 岁男、40 岁男）与 Visium 4 例。小鼠为 6–8 周龄成年个体（Janvier Labs），雌雄分别分析。

Q3：用了哪些平台？
人：10x Genomics Chromium scRNA-seq（Illumina NovaSeq 6000）+ 10x Visium + 华大 STOmics Stereo-seq（DNBSEQ-T7）。小鼠：10x Chromium scRNA-seq + 10x Visium HD。

Q4：总共有多少细胞？
按论文 Fig. 6 的口径：人皮质 39,985 个细胞、小鼠皮质与间充质 25,932 个细胞，跨物种整合后共 65,917 个细胞（39,985 + 25,932 = 65,917，内部自洽）。注意这是"参与整合分析的皮质细胞数"，不是全部样本 QC 后的原始细胞总数。

Q5：数据存在哪里？
小鼠的全部读段、全部 h5 计数矩阵、全部空间数据（坐标、玻片影像）在 GEO GSE253852（SuperSeries，含 GSE253849 scRNA-seq、GSE253850 Visium、GSE293043 Stereo-seq 等子系列）。人源测序读段在 EGA EGAC00001003383，受控访问。

Q6：需要申请才能用吗？
分两种。如果你只需要表达矩阵与空间坐标，GEO 公开层已经够用，不需要任何申请。如果你需要人源原始 fastq（例如重新比对、重新定量、做剪接或变异层面的分析），就必须走 EGA 的 DAC 审批并签署 DUA。

Q7：小鼠数据真的全公开吗？
是的。GEO 系列的公开日期是 2026-05-11（早于论文 2026-09-08 上线约四个月），说明作者在发表前就把小鼠与空间数据释放了。Stereo-seq 子系列 GSE293043 的 RAW.tar 为 2.9 GB，内容含 GEM、H5AD 与 TIFF。

Q8：人源数据有没有任何公开部分？
有。按论文 Data availability 的原文，人源 scRNA-seq、Visium、Stereo-seq 的 h5 计数矩阵与空间数据都放在 GEO；只有测序读段在 EGA。此外作者提供了 CellxGene 交互浏览入口与 figshare 镜像。

Q9：这个数据集能做哪些分析任务？
细胞类型注释与迁移、空间反卷积（论文用 RCTD）、RNA velocity 与轨迹推断、跨物种整合、性别二态性差异表达、胆固醇代谢通路评分、mCA 克隆谱系推断、以及基于 Stereo-seq / Visium HD 的高分辨率空间注释。

Q10：它有什么独特之处？
三点：一是同器官人鼠配对且平台对齐；二是含一个天然的 mCA 嵌合供体，可做无需基因编辑的谱系推断；三是空间平台覆盖了从 spot 级（Visium）到亚细胞 bin 级（Stereo-seq）与 8 µm 级（Visium HD）的完整分辨率谱。

Q11：它有什么明显的局限？
供体只有 11 例、单中心、年龄两端稀疏；Stereo-seq 的 3 例与 scRNA 的 11 例不重叠；小鼠只有成年 6–8 周龄；细胞数口径在不同论文之间有分歧（本文 25,932 vs 同批 companion paper 236,077）；空间分辨率跨模态不可直接比较。

Q12：如果只记一个数字？
记 11 例：这是全篇所有人类结论的样本基础，也是这个资源最重要的限制条件——11 例成人供体，6 男 5 女，单一城市队列。任何一次"人的肾上腺如何如何"的转述，追根溯源都要落回这 11 个人；换句话说，这 11 个人撑起了整个条目里除小鼠以外的一切论断，记住了这个数字，也就记住了所有人类结论的分母口径与效力边界。

§3 数据构成与规格

3.1 供体与样本设计

人源样本来自维也纳医科大学（Medizinische Universität Wien）的器官捐献者队列。论文与 GEO 系列摘要的表述一致：肾上腺在摘取肾脏的同时被取出，每例供体取单侧腺体（one gland per donor）。这一取材方式决定了样本的几个重要特征。

第一，这是脑死亡器官捐献者，不是健康志愿者。捐献者在取材前通常经历 ICU 治疗、机械通气、血管活性药物支持与不同程度的应激，这些因素会改变肾上腺的转录状态——尤其是类固醇合成通路，因为它本身就是应激轴的核心执行器。任何用这个数据集研究"正常肾上腺基线"的工作，都应当把供体临床背景当作协变量考虑，而不是当作噪声。

第二，单侧腺体的设计意味着没有同一个体的左右对照。这对研究左右差异不是问题（肾上腺无明显左右功能差异），但对研究腺体内异质性是一个限制：同一个腺体只取了一部分，靠近髓质与靠近被膜的区域在空间转录组里能看到，但在 scRNA-seq 里被混在一起。

第三，供体年龄跨度为 18–73 岁，性别 6 男 5 女。这个分布在中青年段较密集，年龄两端（接近 18 岁与接近 73 岁）各自只有少量样本。论文中"年龄相关的 ZG 细胞状态"这一结论，正是建立在这个年龄梯度的相关分析上，属于横断面关联而非纵向追踪。

Stereo-seq 的 3 例是独立的供体池：GEO 样本页显示为女 20 岁、男 13 岁、男 40 岁。13 岁低于 scRNA 队列 18 岁的下限，这直接证明两批样本不重叠。中文转述把这三例写成"13–41 岁"，而 GEO 样本级元数据是 13、20、40 岁——41 与 40 之差属于转述误差，以 GEO 元数据为准。

小鼠侧为 6–8 周龄成年个体，购自 Janvier Labs（法国），雌雄分开建库与分析。6–8 周龄对应小鼠性成熟后不久，相当于人类青年期。这个年龄段的选择是合理的：它避开了发育期的剧烈变化，也避开了老龄鼠的退行性改变，使跨物种比较落在"成年稳态"这个共同区间上。代价是失去了寿命维度的信息，任何关于"肾上腺老化"的推断都无法直接从这批数据得到。

3.2 测序与建库细节

人源 scRNA-seq 使用 10x Genomics Chromium 平台，测序在 Illumina NovaSeq 6000 上完成（GEO 平台号 GPL24676）。BioProject PRJNA1067569 记录显示 11 个 SRA 实验（对应 11 例供体），数据量 145 Gbases、71,786 MB。这个体量对应约每例 13 Gbases，属于典型的 10x 3’ 或 5’ 建库的中等深度配置，足以支撑细胞类型级别的注释，但对低表达转录因子与稀有细胞状态的检测灵敏度有限。

Visium 样本的处理细节在 GEO 样本页有完整记录：新鲜冷冻的人肾上腺组织以 OCT 包埋，切 10 µm 厚切片贴到 Visium 基因表达玻片的捕获区上，透化 15 分钟让 mRNA 被玻片上的探针捕获，随后做逆转录、第二链合成、变性、cDNA 扩增与纯化，文库按厂商说明构建，在维也纳医科大学的基因组核心设施测序。数据处理用 Space Ranger v2.0.0 配 GRCh38-2020-A 参考基因组，下游分析用 Seurat v4.3.0。样本 GSM8028754 对应的是一位 61 岁女性健康成人的 Visium B1 切片。

Stereo-seq 子系列 GSE293043 使用 DNBSEQ-T7 平台（GPL29480），这是华大智造的测序仪，与 Illumina 体系不同。三个样本的原始产出打成 2.9 GB 的 RAW.tar，内含 GEM（Stereo-seq 的点阵表达矩阵格式）、H5AD（AnnData 对象）与 TIFF（组织影像）。GEO 条目同时标注了 “Raw data not provided for this record”，意思是原始 fastq 不在该子系列里，而在 EGA。

小鼠 Visium HD 是 10x Genomics 2024 年推出的高分辨率空间平台：它把捕获区做成 2 µm × 2 µm 的连续条形码方格，再通过 8 µm 或 16 µm 的 bin 聚合得到接近单细胞分辨率的数据。论文对小鼠 Visium HD 使用了 Cellpose 3 做细胞分割，这是把图像分割模型与空间转录组结合的标准做法。

3.3 文件组织与目录结构

虽然论文没有给出统一的目录规范（这在单细胞资源里是常态），但从 GEO 各子系列的补充文件清单可以重建出一个实用的组织逻辑。

在样本层，每个 Visium 样本通常包含六类文件：raw_feature_bc_matrix.h5（原始基因计数矩阵）、aligned_fiducials.jpg.gz（对齐基准点影像）、detected_tissue_image.jpg.gz（检测到的组织区域影像）、scalefactors_json.json.gz（spot 直径与图像缩放的换算参数）、tissue_hires_image.png.gz（高分辨率组织图）、tissue_lowres_image.png.gz（低分辨率组织图）、tissue_positions.csv.gz（每个 spot 的条形码与行列坐标）。这六类文件正好对应 Space Ranger 的标准输出，可以直接用 Seurat、Scanpy 或 Squidpy 读入。

在系列层，SuperSeries GSE253852 下挂子系列。每个子系列对应一种模态或一批样本，用户如果只需要某一种模态，可以只下对应子系列，避免拉整个 SuperSeries。

在补充层，GEO 系列记录显示补充材料体量约 1,196 MB（该数字对应 scRNA-seq 子系列），主要是处理后对象与注释表；原始 fastq 走 SRA 与 EGA，不占 GEO 存储。

3.4 规格对照表

维度	人 scRNA-seq	人 Visium	人 Stereo-seq	小鼠 scRNA-seq	小鼠 Visium HD
样本数	11 例	4 例	3 例	多例（6–8 周龄）	多例
年龄	18–73 岁	未逐例披露	13 / 20 / 40 岁	6–8 周龄	6–8 周龄
性别	6 男 5 女	至少 1 女（61 岁样本）	2 男 1 女	雌雄分别	雌雄分别
平台	10x Chromium	10x Visium	STOmics Stereo-seq	10x Chromium	10x Visium HD
测序仪	NovaSeq 6000	NovaSeq 6000	DNBSEQ-T7	未逐例披露	未逐例披露
供体来源	维也纳医科大学器官捐献者	同左（至少含 61 岁女性一例）	独立供体池	Janvier Labs	Janvier Labs
是否单侧腺体	是（one gland per donor）	是（切片取自同一腺体）	是	未披露	未披露
主要产出格式	h5 + 补充表	h5 + TIFF/PNG + CSV + JSON	GEM + H5AD + TIFF	h5 + 补充表	h5 + 影像 + 坐标
数据体量	读段约 72 GB；补充约 1.2 GB	每例数十至百余 MB	RAW.tar 2.9 GB	未汇总	未汇总
分辨率	单细胞	55 µm spot	bin 级（可至亚细胞）	单细胞	8 µm bin（2 µm 方格）
参考基因组	GRCh38	GRCh38-2020-A	未在论文正文披露	小鼠参考	小鼠参考
处理软件	未在论文正文披露	Space Ranger 2.0.0 + Seurat 4.3.0	未在论文正文披露	未在论文正文披露	Cellpose 3 分割
存储位置	GEO（矩阵）/ EGA（读段）	GEO（矩阵+影像）/ EGA（读段）	GEO（GEM/H5AD/TIFF）/ EGA（读段）	GEO / SRA	GEO
公开状态	矩阵公开、读段受控	矩阵公开、读段受控	矩阵公开、读段受控	全公开	全公开

读表要点：表中"人"的三列，存储位置都写着"GEO 矩阵 + EGA 读段"，这是本数据集最容易误读的地方。很多人看到 brief 里写"人数据存 EGA 受控访问"就以为人数据完全不可下载，实际上表达矩阵与空间坐标是公开的，只有 fastq 受控。反过来说，也不能因为矩阵公开就认为人数据可以自由再分发——EGA 的 DUA 条款约束的是读段，GEO 的条款约束的是上传的衍生文件，两者叠加，商用与再分发前都应当逐项确认。

3.5 数据体量估算

把各层加起来，这个数据集的体量大致是：人 scRNA-seq 原始数据约 72 GB（读段，EGA）；小鼠 scRNA-seq 与人 Visium 的补充文件约 1.2 GB；Stereo-seq 的 GEM/H5AD/TIFF 约 2.9 GB；Visium HD 的数据量在 GEO 中按样本分散，未见汇总数字。如果只做下游分析（不做重新比对），实际下载量可以控制在十 GB 量级，这在单细胞图谱里属于中等偏轻。

需要提醒的是，h5 计数矩阵的下载不等于拿到全部信息。空间数据的关键部分在坐标与影像：坐标矩阵决定每个 spot 或 bin 在组织上的位置，影像决定你能不能在组织切片上核对注释。两者都在 GEO 里，但常常被只下 h5 的用户忽略，结果做出"有表达没位置"的分析，丧失了空间转录组的核心价值。

§4 图谱的构建流程：从取材到注释

4.1 取材与伦理框架

人源样本的获取建立在器官捐献程序上。维也纳医科大学的器官移植团队（通讯作者名单中的 Rainer Oberbauer 与 Andreas Heinzel 属于该体系）负责捐献者评估与器官获取，研究团队在摘取肾脏的同时取下肾上腺。这个安排有几个好处：一是组织新鲜、缺血时间短；二是供体临床信息（年龄、性别、用药、死亡原因）相对完整；三是伦理链条清晰——所有使用都在原始知情同意的伦理框架内，这也正是 EGA 评审"仅按原始伦理框架"的依据。

伦理框架的重要性怎么强调都不过分。论文在 Data availability 里专门写了一段解释 EGA 受控访问的正当性："EGA 提供一个受管访问框架，人类数据在受控条件下归档，只向通过数据访问委员会（DAC）评审的申请人释放。“作者还强调，受控访问"并非意图限制科学使用”，而是确保人源原始测序数据不会被重新用于违反供体隐私或适用伦理法规的用途。这段话是理解整个数据可用性结构的关键：受控不是因为数据敏感度高到不能给，而是因为原始读段在理论上可以被重识别或挪作他用，所以要在读段层面加一道法律约束（DUA）。

小鼠侧的处理简单得多。6–8 周龄小鼠购自 Janvier Labs，雌雄分开取肾上腺，做 scRNA-seq 与 Visium HD。动物实验遵循所在机构的动物伦理审批，论文的 Reporting Summary 里有相应记录。

4.2 单细胞建库与质控

单细胞部分的关键设计是"每例单独建库、单独标记"，而不是把所有供体混在一个 10x 通道里。这一点从 GEO 样本特征可以看出来：每个样本的 pooled subject 字段都是 1。这意味着批次效应至少可以在供体层面被建模，而不是被混样掩盖。

质控的常规步骤（线粒体比例、检测基因数、双细胞排除）在论文方法部分有描述，但论文方法节未给出具体阈值。这一点在复现时需要注意：如果你要严格复现作者的分析，应当以论文方法节的原始阈值为准；如果你只是把数据拿来做自己的分析，可以按自己的标准重新过滤——因为 h5 是原始计数矩阵，没有经过作者的过滤，这一点从文件名 raw_feature_bc_matrix.h5 可以确认。

4.3 空间建库与对齐

Visium 的关键参数是 spot 直径与中心距。10x Visium 的捕获区有 5,000 个左右的 spot，每个 spot 直径 55 µm，中心距 100 µm，一个 spot 里通常有 1–10 个细胞。这个分辨率对"区带级别"的定位足够——ZG、ZF、ZR 的厚度都在数百微米量级——但对"单个细胞类型在区带内的精细分布"就不够了。这是为什么作者要额外做 Stereo-seq。

Stereo-seq 用 DNA 纳米球（DNA nanoball）在芯片上排成点阵，每个点直径约 220 nm、中心距 500 nm 或 715 nm（不同芯片规格不同），测序后每个点对应一个空间坐标。这个分辨率已经到了亚细胞级，代价是每个点捕获的转录本极少，通常要把相邻点聚合成 bin（例如 50×50 点 = 25 µm 边长）才有足够的 counts。论文对人源 Stereo-seq 的分析正是在 bin 层面进行的。

小鼠的 Visium HD 介于两者之间：2 µm 方格提供原始分辨率，聚合到 8 µm 或 16 µm 的 bin 后接近单细胞。作者用 Cellpose 3 做细胞分割，等于把"图像上的细胞边界"和"方格上的转录本"对应起来，这是目前处理 Visium HD 最主流的思路。

4.4 整合与注释的策略

注释流程大致可以分成四步。

第一步是物种内注释。人侧先把 11 例供体的细胞合并，按经典标志物划出大类：皮质类固醇生成细胞（SF1/NR5A1 阳性）、被膜与间充质细胞（WT1 阳性）、血管内皮（PECAM1）、血管平滑肌（ACTA2/MYH11）、免疫细胞（PTPRC）、髓质嗜铬细胞（CHGA/TH）。小鼠侧用对应标志物做同样的划分。

第二步是区带细分。皮质内部按 ZG/ZF/ZR 的标志物再分：ZG 用 CYP11B2 与 HSD3B2 高表达，ZF 用 CYP11B1 与 CYP17A1，ZR 用 CYP17A1 + SULT2A1 + CYB5A。人侧在这个基础上进一步细分出 ZG 内部的多个状态（见 §4.1）。

第三步是跨物种整合。把人与小鼠的皮质细胞放到同一个嵌入空间里，用整合算法（论文未在论文正文披露具体算法，从引用与方法学风格看应为基于锚点或 Harmony 类的方法）对齐。整合的质量用两个指标检验：一是保守细胞类型是否在整合空间里合并，二是物种特异细胞类型是否保持分离。

第四步是空间映射。用 RCTD（Robust Cell Type Decomposition）把 scRNA-seq 定义的细胞类型反卷积到 Visium spot 与 Stereo-seq bin 上，得到每个空间位置各细胞类型的比例。RCTD 是空间转录组领域最常用的反卷积工具之一，它的假设是每个 spot 的表达式是若干细胞类型表达式的线性混合，求解一个带约束的回归问题。

4.5 验证链条

任何图谱类工作最容易被质疑的地方是"你的注释对不对"。这篇论文用了四条独立的验证线。

其一是组织学验证。对关键结论（例如 ZG 内存在直接合成皮质醇的细胞状态），作者用组织切片与免疫染色在原位确认了蛋白层面的对应。

其二是空间一致性。如果一个细胞状态在 scRNA-seq 里存在，它应当在空间数据里出现在预期的解剖位置。论文用"同源状态空间对齐"的方法，把人与小鼠的 ZG 与 ZF 尺度归一化后比较空间分布，确认分层模式一致。

其三是跨平台一致性。同一批供体的人源样本同时做了 scRNA-seq、Visium 与 Stereo-seq，三者在细胞类型比例与空间分布上应当互不矛盾。这是判断平台特异性伪影的重要手段。

其四是克隆证据。mCA 嵌合供体的谱系推断提供了独立于转录相似性的证据——两个细胞群体如果携带同一 mCA，它们的亲缘关系就不只是"表达谱像"。

这四条线叠起来，构成了这篇论文结论强度的基础。读这类工作时，判断一个结论可信度的方法就是数它有几条独立证据线：只有单细胞证据的结论最弱，加了空间与组织学的次之，再叠加克隆证据的最强。§5 会按这个标准逐条标注。

§5 核心发现一：人肾上腺皮质的类固醇生成状态谱

5.1 球状带不是一个状态，而是一族状态

经典的肾上腺皮质分区把球状带（ZG）当成一个细胞类型：HSD3B2 阳性、CYP11B2 阳性、分泌醛固酮。这项工作在人的球状带内部识别出一族转录状态，彼此之间有连续的过渡关系，而不是界限分明的离散类别。

按论文的注释，人的 ZG 区包含以下状态：

• VCAN+CYP11B2+ 经典醛固酮生成细胞：这是教科书意义上的 ZG 细胞，表达醛固酮合成酶 CYP11B2，负责盐皮质激素通路。
• 未成熟 ZG-VCAN 细胞：VCAN 阳性但 CYP11B2 表达较低，处于从祖细胞向成熟 ZG 过渡的位置。
• HSD3B2high ZG/ZF 细胞：3β-羟类固醇脱氢酶高表达，横跨 ZG 与 ZF 的界面。
• DLK1high 细胞：DLK1 高表达，被注释为 ZG 向 ZF 的过渡状态。DLK1 是 Notch 通路的非经典配体，在发育与内分泌组织中常标记过渡态细胞。
• CCN3high 细胞：CCN3 高表达，同样被注释为过渡状态。CCN3 属于 CCN 家族调节蛋白，参与细胞黏附与信号调控。
• ZG-CHOL 细胞：富集胆固醇代谢相关基因，与"推断的胆固醇平衡"这一分析直接相关。

这一族状态的存在，本身就是对"ZG 是一个细胞类型"这一简化的重要修正。它的生物学意义在于：ZG 与 ZF 之间的边界在转录层面是渐变的，而不是一个开关。任何用硬性阈值把细胞分成"ZG"和"ZF"的注释方案，都会在这片过渡区里丢失信息。

5.2 一个出乎意料的发现：ZG 内有直接合成皮质醇的细胞

这族状态里与临床最相关的是 ZG-HSD3B2 细胞，原因是它同时具备球状带的空间位置与束状带的激素合成能力。这类细胞共表达 HSD3B2、CYP21A2、CYP17A1 与 CYP11B1，但不表达 CYP11B2。

这组表达模式的意义需要借助类固醇合成通路来理解。醛固酮的合成需要 CYP11B2（醛固酮合成酶），皮质醇的合成需要 CYP11B1（11β-羟化酶）加上 CYP17A1（17α-羟化酶）与 CYP21A2（21-羟化酶）。经典模型认为 ZG 只能合成醛固酮（因为只有 CYP11B2，没有 CYP17A1），ZF 才能合成皮质醇。而 ZG-HSD3B2 细胞的表达谱是"皮质醇通路全套 + 无醛固酮合成酶"——也就是说，它们具备在球状带位置直接合成皮质醇的分子能力。

论文进一步用组织学验证了这一状态的原位存在。这一发现的临床含义是直接的：如果人的球状带内确实有一群产皮质醇的细胞，那么原发性醛固酮增多症（原醛）的病理生理就不能简单理解为"ZG 细胞过度增殖产醛固酮"，还要考虑这批皮质醇合成细胞的参与——而原醛患者中确实有相当比例存在"亚临床皮质醇自主分泌"的共病现象，过去通常被解释为肾上腺意外瘤或双侧增生的副现象。

5.3 年龄关联与性别差异

论文报告"年龄相关的 ZG 细胞状态"：某些 ZG 状态的相对比例随供体年龄变化。这里要特别注意结论的强度——这是横断面相关，11 例样本，年龄跨度 18–73 岁，没有纵向追踪。它提示的是"年龄可能重塑 ZG 的组成"，而不是"某个状态随年龄必然增加"这样的因果断言。

性别差异方面，论文报告"推断的胆固醇平衡"存在性别差异。所谓"推断的胆固醇平衡"（inferred cholesterol balance），是用胆固醇合成通路基因（如 HMGCR、LDLR、SOAT1 等）与胆固醇外流/酯化通路基因的综合评分来估计细胞的胆固醇收支状态，而不是直接测胆固醇含量。这是一个基于转录组的推断指标，受限于转录本与代谢物之间的非线性关系，属于假设生成层面的证据。

这一节的两个结论，在引用时都应当带上"基于 11 例横断面、转录组推断"这个限定。它们是这篇论文里最容易被过度解读的部分，也是最容易被新闻稿写成"男女肾上腺不同"这类简单断言的部分。

证据强度评估：ZG 内部状态的划分与 ZG-HSD3B2 的皮质醇合成能力，有 scRNA-seq + 空间定位 + 组织学三条证据线，强度较高；年龄关联与性别差异只有单细胞相关分析，强度中等偏弱。

§6 核心发现二：跨物种比较——保守什么、分歧什么

6.1 保守的核心：产醛固酮的 ZG

跨物种整合后的一个明确结果是：产醛固酮的 ZG 细胞在人与小鼠之间高度保守。论文指出，整合嵌入里有两个转录层面保守的细胞群体:一是产醛固酮的 Cyp11b2+/CYP11B2+ 细胞，二是 Hsd3b6+ 与 HSD3B2high 的 3β-羟类固醇脱氢酶表达 ZG 细胞。

这个保守性是符合预期的：醛固酮是维持血压与电解质平衡的核心激素，从啮齿类到人类的生理需求一致，合成通路的酶系也因此高度保守。小鼠的 Hsd3b6 与人 HSD3B2 在功能上对应（都是 3β-羟类固醇脱氢酶家族的 ZG 特异亚型），这是一个经典的跨物种同功酶对应关系。

保守性的实践意义是：任何用小鼠研究醛固酮合成调控、ZG 增生、原醛机制的模型，在"醛固酮合成"这条通路上是站得住的。 这是小鼠模型在肾上腺研究里最可靠的一块地盘。

6.2 分歧一：ZF 标志物显著不同

与 ZG 的保守形成对照的是，束状带（ZF）的标志物在人与小鼠之间有显著分歧。论文的措辞是 “notable divergence in zona fasciculata markers”。

这个分歧的具体内容在摘要层面没有展开，但它的含义很清楚：如果你用一个在小鼠 ZF 上定义的标志物基因集去做人的 ZF 注释，命中率会明显下降；反之亦然。这对所有做跨物种单细胞注释迁移的方法是一个直接的警告——“同源细胞类型"不等于"同源标志物基因”。

造成分歧的可能原因包括：ZF 的转录程序本身在物种间发生了重编程；小鼠 ZF 与人的 ZF 在功能上不完全对等（例如小鼠 ZF 承担了部分人类 ZR 的功能，见 §5.3）；以及两物种的肾上腺在成年后的重塑速率不同，导致"同一区带"里的细胞处于不同的分化阶段。

6.3 分歧二：小鼠没有 ZR 同源物

这是全篇最具冲击力的比较结论之一：小鼠缺乏网状带（ZR）的同源物。

背景是清楚的：啮齿类的 Cyp17a1 基因在肾上腺皮质中被表观沉默，因此无法在皮质内合成 17α-羟化的类固醇（如 17-OH 孕酮），也就无法进一步合成 DHEA 与雄烯二酮。没有雄激素合成的功能需求，自然没有对应的细胞类型。人的 ZR 则是 CYP17A1 + SULT2A1 + CYB5A 三重阳性的雄激素生成细胞层，在青春期前后开始显著发育，成年后随年龄退化。

这一结论的直接后果是：任何关于肾上腺雄激素（DHEA、DHEAS、雄烯二酮）的研究，都不能用野生型小鼠作为模型。 小鼠肾上腺不产这些激素，你测到的任何"肾上腺雄激素"信号都来自其他组织（性腺、外周转化）。这也是为什么肾上腺雄激素领域长期依赖人肾上腺组织、非人灵长类或特殊转基因模型。

对数据集用户来说，这一点的操作含义是：不要试图在整合嵌入里给小鼠找"ZR 细胞"。整合算法在找不到对应物的压力下，可能把小鼠的某群细胞（例如内层 ZF）错误对齐到人的 ZR 上，产生虚假的"同源"信号。正确的做法是把 ZR 明确标注为"人特异状态"，并在下游分析里排除跨物种对齐。

6.4 分歧三：增殖细胞中的 SHH–WNT4 信号不同

论文报告了"增殖细胞中差异性的 SHH–WNT4 信号"。SHH（Sonic hedgehog）与 WNT4 都是发育与干细胞维持的核心通路：SHH 在多种组织中标记祖细胞龛，WNT4 参与肾上腺皮质的早期发育与性别分化。

在小鼠中，肾上腺皮质的更新被描述为由被膜 WNT 信号（RSPO3 等）驱动的向心流；在人中，SHH 与 WNT4 的相对角色与空间分布不同。这提示两物种的祖细胞龛信号组织方式不同——不是"有没有 SHH 信号"的问题，而是"信号在哪里、由谁发出、作用于谁"的问题。

6.5 分歧四：增殖性 SF1+EZH2+ 细胞的分布模式

这是第二个有重大影响的比较结论：人皮质内存在弥散分布的增殖性 SF1+EZH2+ 细胞，而小鼠的对应增殖细胞局限于 ZG。

SF1（NR5A1）是肾上腺皮质与性腺的核心转录因子，标记类固醇生成细胞谱系；EZH2 是 PRC2 复合物的催化亚基，催化 H3K27me3，在增殖细胞与干细胞中高表达。SF1+EZH2+ 双阳性因此是一个"类固醇生成谱系中的增殖细胞"标志。

在小鼠的向心性模型里，增殖细胞集中在外层 ZG（以及被膜下的干细胞龛），细胞从那里向内迁移。如果人的增殖细胞弥散分布在整层皮质，那就意味着人的皮质细胞可能在被局部替换：不只是"外层产生、内层死亡"的单向流，而是每一层都有自己的补充来源。作者据此提出"人肾上腺皮质可能在被膜-向心模型之外，还存在局部更新"（localized renewal）的机制。这个提法之所以重要，是因为它把"更新"从一个"全局流水线"问题变成了"本地维修"问题：如果每一层都能就地补充，那么皮质的完整性就不再依赖外层干细胞的持续供给，这对理解肾上腺在应激、手术或部分损伤后的恢复能力有直接影响。

6.6 分歧五：SF1+EZH2+ 祖细胞在发育期与成年期的双重角色

一个意外的发现是：人的 SF1+EZH2+ 祖细胞在肾上腺皮质发育期与成年期都在工作，只是程度不同。作者把成年人的图谱与已发表的人胎儿/新生儿肾上腺 scRNA-seq 数据做了交叉比较，发现某些在胎儿期驱动皮质发育的细胞状态，在成年期的自我更新中仍以较低强度保留。

这个发现的方法学含义是：成年组织的"更新"可能不是一套全新的机制，而是发育程序的部分重启。 这为"为什么某些肾上腺肿瘤会重新表达胎儿期基因"提供了直接的图谱基础——肾上腺皮质癌（ACC）的一个已知特征是胎儿皮质标志物的重新表达（例如 IGF2 的过表达），而这个数据集给出了一个"正常成年皮质里哪些胎儿程序还在运行"的参照面板。

6.7 比较结论的汇总

比较维度	人与小鼠的关系	证据类型	实践含义
醛固酮生成 ZG	高度保守（CYP11B2 / Hsd3b6↔HSD3B2high）	整合 + 空间	小鼠可研究醛固酮通路
ZF 标志物	显著分歧	整合	跨物种注释不能直接迁移基因集
ZR	小鼠无同源物	整合 + 已知生物学	肾上腺雄激素不可用小鼠建模
增殖细胞 SHH–WNT4	信号组织方式不同	整合 + 空间	祖细胞龛的位置要逐物种确定
增殖性 SF1+EZH2+ 分布	人弥散、鼠局限 ZG	scRNA + 空间	人类皮质可能有局部更新
胎儿程序残留	人成年期保留部分	跨数据集比较	ACC 的胎儿程序重启有参照

证据强度评估：ZG 保守、ZR 缺失、SF1+EZH2+ 分布差异三条证据最强（整合 + 空间 + 已知生物学背景）；ZF 标志物分歧与 SHH–WNT4 差异属于描述性结论，强度中等；胎儿程序残留依赖外部数据整合，强度取决于外部数据的可比性。

§7 获取与许可：两级结构的门怎么进

7.1 一句话版本

表达矩阵与空间数据公开在 GEO，人源测序读段受控在 EGA。 想做下游分析，今天就能开始；想重做比对与定量，得先申请。

7.2 GEO 公开层：能拿到什么

GEO 侧的入口是 SuperSeries GSE253852。它下面挂着几个子系列，各自对应一种模态：

• GSE253849（scRNA-seq，人与小鼠）：BioProject PRJNA1067569，11 个 SRA 实验，145 Gbases，71,786 MB，提交日期 2024-01-22，补充材料约 1.2 GB。
• GSE253850（Visium，人）：平台 GPL24676（NovaSeq 6000）。样本例见 GSM8028754（61 岁女性，Visium B1），含 raw_feature_bc_matrix.h5、aligned_fiducials、detected_tissue_image、scalefactors_json、tissue_hires/lowres_image、tissue_positions 七类文件。
• GSE293043（Stereo-seq，人 3 例）：平台 GPL29480（DNBSEQ-T7），BioProject PRJNA1242679，提交 2025-03-27，公开 2026-05-11。样本为 GSM8874476（女 20 岁）、GSM8874477（男 13 岁）、GSM8874478（男 40 岁）。RAW.tar 2.9 GB，内含 GEM、H5AD、TIFF。
• 小鼠 Visium HD 子系列（论文 Data availability 与 BioProject 页提及 SuperSeries 下共 4 个 component projects）。

从这些入口能拿到的具体内容包括：所有 h5 基因计数矩阵（单细胞与 spot/bin 级）、所有空间坐标矩阵、所有玻片组织影像、scale factor 换算参数、处理后注释对象（部分子系列）、以及 Stereo-seq 的 H5AD 对象。这些足够支撑绝大多数下游分析：重聚类、注释迁移、反卷积、轨迹推断、差异表达、跨物种整合。

公开日期 2026-05-11 需要单独说明。这个日期早于论文上线（2026-09-08）约四个月，也晚于数据提交（2024-01 至 2025-03）一年以上。这个时间线说明作者在审稿周期里就已经把小鼠与空间数据释放了，符合 Nature 系列期刊的数据可用性政策要求。对用户来说，这意味着这个数据集不是"论文发表才开放"的那一类，可用性风险较低。

7.3 EGA 受控层：为什么受控、怎么申请

人源测序读段存放在 EGA EGAC00001003383。这里的 EGAC 前缀表示这是一个"数据集"（Dataset）级别的受控访问对象，而不是"研究"（Study，EGA S 前缀）或"样本"（EGA Sample）级别。

论文给出的申请流程可以拆成五步：

1. 登录 EGA 门户，进入数据集页 https://ega-archive.org/datasets/EGAC00001003383。
2. 提交数据访问申请（Data Access Request），说明拟定用途。
3. DAC 评审。论文明确写"仅按原始伦理框架评审"（evaluated only against the original ethical framework），也就是说评审关心的不是你的科学价值，而是你的用途是否超出了供体同意的范围。
4. 批准后签署数据使用协议（Data Use Agreement）。这个协议在法律上约束接收方只能把数据用于批准过的用途。
5. 按获批条款下载。DAC 的联系方式与预期响应时限在 EGA 数据集页列明。

论文还专门解释了这套机制的正当性："通过 EGA 的受控访问并非意图限制科学使用，而是确保人源原始测序数据不会被以违反供体隐私或适用伦理法规的方式重新利用。"这句话应当被原样理解：受控的对象是原始读段，不是科学问题本身。

7.4 第三层：CellxGene 与 figshare 浏览

除了 GEO 与 EGA，作者还提供了两个浏览器：

• CellxGene：论文的补充信息里给出了详细的列表与链接。CellxGene 是 CZI 维护的单细胞数据浏览器，可以在网页上直接查细胞类型、基因表达、UMAP 坐标，不需要下载数据。适合快速探索与教学。
• figshare 镜像：https://adameykolab.hifo.meduniwien.ac.at/cellxgene_public/filecrawl/2026_NatGen_Kastriti_Maksimov，存放所有 Extended Data 图与 Supplementary 图的 PDF 版本。

这两个入口都不提供原始数据下载，但它们解决了一个实际问题：评审者、审稿人与读者可以在不申请 EGA 的情况下核对论文的关键图像与细胞状态定义。 该做法在近期大型图谱论文中较为常见。

7.5 第四层：代码

分析代码在 GitLab：https://gitlab.com/MaksimovDenis/adrenalglandscatlas，归档版本在 Zenodo：https://doi.org/10.5281/zenodo.20258071。

代码与数据分开存放是好事：Zenodo 的 DOI 保证了代码的可引用性与长期可访问性，GitLab 保证可更新。需要注意的是 Zenodo 记录中未列出该 license 字段，使用前应当到 Zenodo 页面确认。

7.6 许可矩阵

资产	位置	访问级别	许可/条款	商用
小鼠 scRNA-seq / Visium HD 读段	GEO / SRA	公开	GEO 默认条款（作者未声明 CC）	需自行评估；GEO 条款不构成商用授权
全部 h5 计数矩阵（人+鼠）	GEO	公开	同上	同上
空间坐标、玻片影像	GEO	公开	同上	同上
人 scRNA-seq / Visium / Stereo-seq 读段	EGA EGAC00001003383	受控	DAC 审批 + DUA	DUA 需明确约定；默认不含商用
CellxGene 浏览	CZI	公开浏览	未单独声明	不适用（仅浏览）
代码	GitLab / Zenodo	公开	Zenodo 字段待核	视 Zenodo 记录而定
论文	Nature Genetics	开放获取	“Article Open access”（CC 变体待核）	视 CC 变体而定

读矩阵的三个提醒：

其一，“公开"不等于"可自由再分发”。GEO 的默认条款允许下载与用于研究，但重新打包分发、商用数据集纳入，都需要额外确认。

其二，EGA 的受控访问约束的是读段，但你用读段做出来的衍生数据（比对后的 BAM、重新定量的矩阵）在 DUA 里通常有额外约定，不能想当然地认为"衍生就自由"。

其三，论文的 Open access 是论文的许可，不是数据的许可。这两件事在数据集条目里被混淆的频率极高。

7.7 实际申请的时间与成本预估

从一个研究组的实际操作视角看，走完 EGA 流程需要预留的周期大致包括：准备申请材料（研究计划、伦理批件、机构授权签署人信息）、提交、DAC 评审、签署 DUA、下载。论文说 DAC 的响应时限在数据集页列明，但没有给出具体数字。经验上，欧洲的 DAC 流程从数周到一个季度不等，取决于委员会的会议频率与申请的完整度。

对于只是想"先跑一跑看看"的用户，正确的策略是：先用 GEO 公开层跑通全流程，再决定要不要申请读段。 因为绝大多数分析（注释、反卷积、整合、轨迹）用计数矩阵就够了，不需要原始读段。只有当你需要重新比对（例如换参考基因组、做剪接分析、检测变异）时，读段才是必需的。

§8 数据质量、偏差与已知问题

8.1 批次结构

人源 11 例供体是否分批建库，论文未明确说明。但从样本特征里的 pooled subject: 1 可以推断，每例是独立建库的，因此至少存在"供体"这一层的批次结构。空间样本更进一步：4 例 Visium 与 3 例 Stereo-seq 使用不同平台、不同测序仪，平台效应是明确存在的。

这意味着任何跨样本比较都必须做批次校正，而批次校正本身会引入新的风险：如果校正过强，会把真实的供体间生物学差异（例如年龄效应）也一并抹掉。这正是 StheLAR、scPerturb 一类评测框架要解决的问题（见库内对应条目）。

8.2 细胞数口径的三个层次

这是本数据集最需要小心的地方。三个数字容易被混淆：

• 39,985：人皮质细胞数，出现在 Fig. 6b 的图注里，是"映射到跨物种整合嵌入的人皮质细胞"。
• 25,932：小鼠皮质与间充质细胞数，Fig. 6a/b 图注，同样是"参与整合"的口径。
• 236,077：这个数字不属于本文，而属于同批数据的 companion paper（一篇针对 7 周龄 BALB/c 小鼠 Visium HD、用 Cellpose 3 分割、得到 236,077 个细胞、11 个群体的研究）。

三者的关系是：本文的 25,932 是"经过 QC 与整合筛选后的皮质与间充质细胞"，companion paper 的 236,077 是"Visium HD 分割后的全部细胞（含髓质、血管、免疫等所有群体）"。后者是前者的数倍，因为口径完全不同：一个只算皮质与间充质，一个算全部细胞；一个经过整合筛选，一个是分割原始输出。

引用时如果写"该数据集含 23 万个细胞"，是错的；如果写"含 6.6 万个细胞"，也只对了一半（那只是参与整合的皮质细胞）。正确的写法是：“人皮质 39,985、小鼠皮质与间充质 25,932、跨物种整合共 65,917；全部样本的原始细胞总数论文未披露。”

8.3 空间分辨率的可比性

三种空间平台的分辨率差异是数量级的：Visium 的 spot 直径 55 µm、中心距 100 µm；Visium HD 的原始方格 2 µm、常用 bin 8 µm；Stereo-seq 的点阵间距在亚微米级，常用 bin 为数十微米。这意味着：

• Visium 的一个 spot 通常含多个细胞，只能做"比例"层面分析，不能做"单细胞定位"。
• Visium HD 的 8 µm bin 接近单细胞，但仍有混合。
• Stereo-seq 的亚细胞分辨率需要聚合到 bin 才有足够 counts，聚合后的有效分辨率取决于 bin 大小。

因此，跨平台比较"某个细胞类型在 ZG 的密度"时，必须先做尺度归一化。论文在跨物种空间对齐时做了 ZG 与 ZF 的尺度归一化，这是必要的处理，但也引入了一个假设：两物种的 ZG 与 ZF 在功能上可对应。这个假设在 ZG 上成立（保守），在 ZF 上有争议（标志物分歧）。

8.4 供体混杂

前面已经提到，器官捐献者的临床背景会混入生物学信号。具体来说：

• 应激轴激活：脑死亡过程本身会引发儿茶酚胺风暴与下丘脑-垂体-肾上腺轴的剧烈波动，皮质醇合成通路基因的表达可能被急性上调。
• ICU 用药：血管活性药物（如去甲肾上腺素）、糖皮质激素（部分捐献者会用激素维持循环）、镇静药物都可能影响肾上腺转录状态。
• 缺血时间：从循环停止到组织冷冻的时间，在不同供体之间有差异，影响 RNA 完整性。

这些因素在论文的方法部分应当有记录（论文正文未覆盖），使用者在做供体间比较时应当把它们作为协变量，或者至少在讨论里说明。

8.5 深度与检出限

10x Chromium 的典型检出是每细胞 1,000–5,000 个基因，这个深度足以区分细胞大类，但对低表达转录因子（如 NR5A1 本身的表达量不高）、稀有细胞状态（如极少量祖细胞）的检出不稳定。SF1+EZH2+ 双阳性细胞是一个典型例子：EZH2 的表达在单细胞层面通常很低， dropout 概率高，双阳性的判定对测序深度敏感。

这意味着"弥散分布的 SF1+EZH2+ 细胞"这一结论，可能部分受深度影响——测序更深的样本更容易检出双阳性细胞。作者用空间数据做了交叉验证（空间数据里也能看到这些细胞的位置），这在很大程度上缓解了担忧，但纯计算复现时仍应做深度校正。

8.6 已知的元数据瑕疵

资料核验中发现两处元数据层面的不一致，记录如下。

第一处是 BioProject 页把 EGA 路径写成 /dacs/EGAC00001003383（DAC 路径），而正确的数据集路径是 /datasets/EGAC00001003383。这是提交时的路径笔误，不影响实际访问（EGA 会重定向或提示），但自动化脚本如果硬编码这个 URL 会失败。

第二处是 中文转述把 Stereo-seq 年龄写成"13–41 岁"，而 GEO 样本级元数据是 13、20、40 岁。这属于转述误差，以样本级元数据为准。

另外，GEO 子系列 GSE293043 的贡献者名单比论文作者表多出两人（Popov S、Woroncow M）。这在 GEO 提交里很常见——数据贡献者与论文作者的认定标准不同——但引用作者时应当以论文为准。

§9 方法学启示：五条可迁移的做法

9.1 同器官配对设计优于"人与小鼠各做各的"

绝大多数跨物种比较研究是这样做的：先有人肾上腺的图谱，再有小鼠肾上腺的图谱，然后有人写一篇比较文章，把两份数据的细胞类型对一对。这种做法的问题在于，两份数据来自不同实验室、不同平台、不同处理流程，所有"差异"都混着技术效应。

这项工作的做法是同一实验室、同一流程、同一次分析产出双侧数据。取材在同一座城市的同一家医院，建库在同一个核心设施，分析用同一套代码。这样一来，"物种差异"的置信度就高得多，因为技术差异被压到了最小。

对方法学者的启示是：决定结论强度的主要因素是把两侧数据的生成流程统一，而不是整合算法本身。这一点在资源有限时很难做到，但至少应当做到"同一分析框架、同一注释标准、同一质量阈值"。

9.2 多种空间平台并用是当前的最优解

只用一个空间平台，总会缺一块：Visium 覆盖广但分辨率低，Stereo-seq 分辨率高但视野小、成本高，Visium HD 介于两者之间但需要分割算法。这项工作的选择是同时用三种：Visium 用于大范围区带定位，Stereo-seq 用于亚细胞级精细结构，Visium HD 用于小鼠的高分辨率对照。

这种"平台组合"策略的成本很高（三种平台的建库、测序、分析都要会），但它带来的好处是：任何单一平台的特异性伪影都可以被另外两个平台交叉检验。例如，如果某个细胞状态只在 Stereo-seq 里出现、在 Visium 里看不到，就可能是 bin 划分造成的假象；如果三个平台一致，结论就稳。

对资源有限的团队，务实的替代方案是：主平台选一个，再用公开数据做交叉验证。但这个数据集提醒我们，平台选择的差异会实质影响结论的粒度。

9.3 mCA 是"免费"的谱系追踪器

人类组织研究最大的方法学瓶颈之一是无法做谱系追踪——你不能在人身上做 Cre-loxP，不能打条形码，不能做克隆培养后再放回去。所以"某个细胞类型来自哪里"这个问题，在人类样本上长期只能靠"转录状态相似"来推断，而转录相似不等于谱系相关。

mCA（mosaic chromosomal alterations）提供了一个出路。在发育早期，细胞分裂过程中会发生染色体层面的体细胞改变（整条染色体或大片段丢失/获得），这些改变会随细胞分裂传给所有后代。如果在成年组织里发现两个细胞群体携带同一个 mCA，它们必然来自同一个祖先细胞。

这项工作的关键在于找到了一位带 mCA 的女性供体。这个供体是"运气"——不是设计出来的。但对整个领域来说，这是一个可复制的思路：在大型生物样本库的基因型数据里系统筛查 mCA，然后把带 mCA 的供体优先用于单细胞研究。这比等待罕见的遗传病家系要现实得多。

9.4 跨物种整合必须保留"不可对齐"的选项

整合算法的默认目标是把所有细胞对齐，这在单物种多批次场景下是对的，但在跨物种场景下是危险的：如果某个细胞类型只在一个物种里存在（例如人的 ZR），强行整合会让算法把它塞到另一个物种的某个簇里，产生虚假的同源关系。

正确的做法是双向验证：既看"整合后哪些簇合并了"，也看"哪些簇保持分离"。合并的簇是保守性的证据，分离的簇是物种特异性的证据。这项工作的 Fig. 6 正是这样做的——它同时展示了整合后的 UMAP（哪些合并）和同源状态的空间分布（哪些分开）。

对做整合工具的人，这条启示很直接：一个好的跨物种整合方法，应该能够明确报告"我对不齐这些细胞"，而不是硬对齐。 目前大多数工具的评估指标（如 iLISI、kBET）只衡量"混合得好不好"，缺少"该分开的时候有没有分开"的指标，即分离度指标。

9.5 数据分层的时机设计

一个容易被忽略的细节是：这个数据集的小鼠与空间数据在 2026-05-11 就公开了，早于论文上线约四个月。这不是偶然，而是 Nature 系列期刊数据政策的产物：论文接受后，数据必须在发表前释放（受控数据则必须在发表时可用申请）。

对人源受控数据的处理也体现了同样的思路：矩阵公开、读段受控。这个划分不是随意的，而是基于"重识别风险"的判断——表达矩阵的 re-identification 风险远低于原始读段（因为读段里含有个体特异的变异信息）。把风险分层，而不是一刀切地全部受控——该做法的效果是把重识别风险最高的读段单独控制，其余全部公开，同时保留必要的伦理约束。

对数据管理者，这条启示是：在设计数据共享方案时，先问"哪一层的重识别风险最高"，再针对那一层加控制，而不是所有层都加锁。

§10 生态与影响：这个数据集在什么位置

10.1 学术脉络：从胎儿图谱到成人比较图谱

Adameyko 实验室在肾上腺领域有一条清晰的研究线。更早的工作（Kameneva 等人的人胎儿肾上腺研究）建立了人胎儿肾上腺的细胞图谱，描述了神经嵴来源的施万细胞前体（Schwann cell precursors，SCP）如何迁移进入肾上腺并分化为髓质嗜铬细胞。那条线回答的是"肾上腺髓质从哪来"。

这项工作把镜头转向了皮质，并且是成年期。它引用的外部数据（Kameneva、Jansky、Kildisiute、Han 四组人胎儿/新生儿肾上腺数据）构成了一个"发育参照系"，用来回答"成年期的哪些状态是胎儿程序的残留"。这个从发育到成年的纵向设计，是当前组织图谱研究的主流范式：成年图谱 + 公开的发育图谱 = 时间轴。

10.2 与库内条目的关系

这个数据集在库内的定位可以分三层理解。

第一层是基础设施层：GEO（rid 42）与 EGA（rid 219）是两个存储侧的条目。理解这个数据集的分层可用性，必须先理解这两个库的规则——GEO 是公开的、无审批的、以系列/样本为组织单位的；EGA 是受控的、有 DAC 与 DUA 的、以数据集/研究为组织单位的。这两个条目是本文的"前置知识"。

第二层是参考图谱层：Human Cell Atlas（rid 319）、Tabula Sapiens（rid 329）、Tabula Muris（rid 339）、HCL（rid 369）、Single Cell Portal（rid 359）。这些是跨器官的通用参考图谱，本数据集是它们在"肾上腺"这个器官上的补充与细化。CellxGene（rid 38）与 CellxGene Census（rid 1035）是这个数据集的浏览与整合入口——作者明确说数据通过 CellxGene 提供交互访问，而 Census 是把众多图谱统一成 AnnData 格式的整合版本。

第三层是对照数据层：GTEx（rid 568）与 TCGA（rid 566）。论文明确使用了 GTEx 的肾上腺 bulk RNA-seq（通过 recount3 v1.0.7）作为正常成人肾上腺的bulk 参照，以及 TCGA-ACC 的肾上腺皮质癌 bulk 数据作为病理参照。这两个引用把本数据集与"正常 vs 肿瘤"的对照轴连了起来。

10.3 空间转录组生态

库内的空间图谱条目形成了一个可以互相参照的群：HEST-1k（rid 522）是空间转录组与病理图像的配对基准，Spatial Touchstone（rid 1104）是空间方法的评测集，Endometrium scRNA Atlas（rid 1223）、Brain snRNA AD Atlas（rid 1199）、RPE-choroid Atlas 等是其他组织的图谱。这个数据集与它们的关系是"同类不同器官"，在方法学上可以横向比较：样本量、平台组合、注释粒度、数据可用性结构。

10.4 对下游研究的可能影响

从论文的讨论与新闻稿的表述看，作者预期的下游影响集中在三个方向。

方向一是肾上腺功能不全。原发性肾上腺功能不全（Addison 病）的核心是皮质破坏，而皮质能否再生取决于是否存在可用的祖细胞。如果人的 SF1+EZH2+ 祖细胞弥散分布且具有增殖能力，那么理论上存在局部再生的可能，这对再生医学是一个有意义的线索。

方向二是肾上腺增生与腺瘤。原醛症的最常见病因是双侧肾上腺增生与醛固酮瘤。如果 ZG 内存在产皮质醇的细胞状态，那么"原醛伴亚临床皮质醇自主分泌"这一临床现象就有了细胞学基础。

方向三是肾上腺皮质癌（ACC）。ACC 是罕见但侵袭性强的恶性肿瘤，其细胞起源不清。一个正常成人皮质的详细细胞状态图谱，加上胎儿程序的参照，为"肿瘤重新激活了哪些正常程序"提供了对照面板。新闻稿明确提到了这一点：正常肾上腺细胞状态的详细图谱，包括肿瘤可能劫持的祖细胞群与分化中间态，为识别肿瘤中重新激活的程序提供了框架。

10.5 引用与署名

论文的作者列表很长（约 30 人），共同一作是 Maria E. Kastriti 与 Denis Maksimov，通讯作者包括 Peter V. Kharchenko 与 Igor Adameyko。机构横跨奥地利（MedUni Vienna）、俄罗斯（MSU、Endocrinology Research Centre）、美国（Harvard Medical School）、可能还有日本（RIKEN，Oleg Gusev 的关联）与捷克/德国（Julian Petersen 的关联）。

引用这个数据集时，规范做法是引用论文 + 数据 accession：论文 DOI 10.1038/s41588-026-02737-1，GEO GSE253852，EGA EGAC00001003383，代码 Zenodo 10.5281/zenodo.20258071。四个标识缺一不可，因为它们分别指向结论、公开数据、受控数据与代码。

10.6 与其他物种比较图谱的区别

需要区分：这个数据集不是"模式生物图谱 + 人类图谱"的拼盘，也不是"人类图谱 + 小鼠验证"的从属关系。它是一个对称的比较设计：人与小鼠都是一等公民，两侧都有 scRNA-seq 与高分辨率空间数据，两侧都做了同等深度的注释。这种对称性在跨物种研究里并不常见，多数研究是把小鼠作为人的"验证模型"，而不是"对照物种"。

这个设计选择的后果是：结论的表述方式不同。从属设计下，结论是"人的发现得到了小鼠验证"；对称设计下，结论是"人与小鼠在某些方面保守、在某些方面分歧"。后者在科学上更诚实，因为它不预设人的发现是"正确"的、小鼠是"验证工具"。

§11 常见误读与引用陷阱

围绕这个数据集的引用错误集中在九处，都能追溯到同一批二手转述。下表把误读、正确口径和证据位置并列——凡涉及数字的，正确口径一律给出可在 GEO 样本页或论文 Data availability 原文核对的锚点。

常见说法	实际口径	证据位置
人数据全部受控，需申请才能用	只有测序读段受控；h5 计数矩阵与空间数据在 GEO 公开	论文 Data availability；§7.2
这个数据集是 CC BY 许可	论文是 Open access，不自动适用于数据；数据受 GEO 条款与 EGA DUA 约束	§7.6 许可矩阵
小鼠空间用的是 Stereo-seq	小鼠用 Visium HD；Stereo-seq 用在人的 3 例	GEO 子系列 GSE253850 / GSE293043
人共 14 例（11 + 3）同队列	两批独立供体池，13 岁低于 scRNA 队列 18 岁下限	GEO 样本级年龄字段；§3.1
数据集含约 23 万个细胞	236,077 属 companion paper 的空间分割口径，非本文	论文 Fig. 6 图注；§8.2
小鼠整合里能找到 ZR 同源簇	小鼠因 Cyp17a1 表观沉默无 ZR，硬找到的应视为整合伪影	§6.3
「年龄相关」说明 ZG 随年龄变化	横断面关联，非纵向追踪，不能推个体内演化	§5.3
中文转述的 Stereo-seq 年龄是「13–41 岁」	GEO 样本级元数据为 13、20、40 岁	GEO GSM 样本页
小鼠没有 ZR，所以肾上腺雄激素不能用小鼠建模	结论正确，但理由要说全：除 Cyp17a1 沉默外，啮齿类还缺 CYP17A1 依赖的 DHEA 通路，DHEA/DHEAS 在野生型小鼠中基本检测不到	§6.3；论文 Discussion

上表九条属于引用层面的误读。另有三处纯技术性陷阱属于写代码时才会踩到的，单列如下。

陷阱一（EGA 路径）：EGA 路径有 /dacs/ 与 /datasets/ 之分。 BioProject 页给的链接是 ega-archive.org/dacs/EGAC00001003383——dacs 是数据访问委员会（Data Access Committee）路径，指向审批流程；真正的数据集对象在 /datasets/EGAC00001003383。自动化脚本若硬编码前者，拿不到数据集元数据。

陷阱二（SuperSeries 与子系列）：GEO SuperSeries 与子系列不能混用 accession。 GSE253852 是 SuperSeries，其下挂 GSE253849（scRNA-seq）、GSE253850（Visium）、GSE293043（Stereo-seq）等子系列。引用「数据在哪」时写 SuperSeries 无妨，但下载具体矩阵必须落到子系列——不同子系列的 RAW.tar 大小与文件类型完全不同（例如 GSE293043 的 RAW.tar 为 2.9 GB，含 GEM、H5AD 与 TIFF）。

陷阱三（细胞数口径）：39,985 + 25,932 = 65,917 这个自洽关系只在 Fig. 6 口径下成立。 三个数字都是「参与整合分析的皮质（与间充质）细胞数」，不是各模态 QC 后的原始细胞总数。用别的口径（例如含髓质、含 doublet 前、含 Stereo-seq bin）相加会立刻对不上——这不是数据错误，是口径混用。

§12 总结

12.1 三句话

第一句：这是目前唯一把人与小鼠肾上腺放在同一套流程、同一套注释框架下做对称比较的资源，两侧都有单细胞与高分辨率空间数据，因此它能回答"哪些是哺乳动物通用、哪些是人特异"，而"人特异"部分正是过去六十年被小鼠模型遮蔽的部分。

第二句：它的生物学结论是扩展而非推翻向心性更新模型——外层向内的细胞流依然成立，但起点多了 WT1 阴性被膜细胞与血管平滑肌细胞两条，增殖祖细胞弥散分布于整个皮质而非局限于外层，内层 ZR 是人所独有的终末状态。

第三句：它的可用性是分层的——小鼠全部数据与所有衍生矩阵在 GEO 公开，人源测序读段在 EGA 受控；只做下游分析的人不需要任何审批，需要重新比对的人才需要走 DAC。

12.2 适合谁

使用场景	是否适用	说明
跨物种整合方法开发与评测	高度适用	真实生物学差异与技术批次差异并存，是分辨力测试的理想样本
空间反卷积与注释方法验证	高度适用	原始 h5、坐标矩阵、scale factor 全公开，管线可完整复现
肾上腺疾病（原醛、ACC、增生）的对照面板	适用	提供正常成人皮质的细胞状态基线
单细胞基础模型预训练语料	适用	内分泌组织与稀有细胞状态在现有语料中稀缺
肾上腺老化研究	有限适用	横断面设计，年龄梯度相关而非纵向追踪
肾上腺雄激素（DHEA）研究	不适用	小鼠无 ZR 同源物，无法用该模型推断
需要人源原始读段的重比对分析	需申请	EGA DAC 审批 + DUA
商用或再分发	需澄清	论文与数据许可分离，逐项确认

12.3 30 秒决策卡

• 我要做跨物种比较方法？→ 直接下 GEO 的 h5 矩阵，两边都有，当天可用。
• 我要复现论文的整合结果？→ 下 GSE253852 全部子系列 + Zenodo 代码（10.5281/zenodo.20258071）。
• 我要人的原始 fastq？→ 走 EGA EGAC00001003383，准备 DAC 申请材料。
• 我要在小鼠身上研究肾上腺雄激素？→ 这个模型不适用，换思路。
• 我要引用细胞数？→ 先确认口径（见 §8.2），三个数字分属人、鼠、整合，不能相加。

附录

附录 A：关键数字速查

项	值
论文	Nature Genetics 2026;58(9):2270–2283；doi 10.1038/s41588-026-02737-1
投稿时间线	2024-02-09 收稿 → 2026-08-01 接受 → 2026-09-08 在线
人 scRNA-seq	11 例（6 男 5 女，18–73 岁），维也纳医科大学器官捐献者，单侧腺体
人 Visium	4 例
人 Stereo-seq	3 例（女 20 / 男 13 / 男 40），独立供体池，GSE293043，DNBSEQ-T7
小鼠	6–8 周龄（Janvier Labs），雌雄分别分析，Visium HD
细胞数口径	见 §8.2
公开数据	GEO GSE253852（SuperSeries，含子系列）
受控数据	EGA EGAC00001003383（人源 fastq）
代码	GitLab MaksimovDenis/adrenalglandscatlas；Zenodo 10.5281/zenodo.20258071
人 scRNA 体量	BioProject PRJNA1067569：11 个 SRA 实验，145 Gbases，71,786 MB
Stereo-seq 体量	RAW.tar 2.9 GB（GEM + H5AD + TIFF）
平台号	人 scRNA GPL24676（NovaSeq 6000）；Stereo-seq GPL29480（DNBSEQ-T7）
处理软件	Space Ranger 2.0.0 + Seurat 4.3.0；小鼠 Visium HD 用 Cellpose 3 分割
参考基因组	GRCh38-2020-A（人）

附录 B：缩写表

缩写	全称	中文
ZG	zona glomerulosa	球状带
ZF	zona fasciculata	束状带
ZR	zona reticularis	网状带
mCA	mosaic chromosomal alteration	嵌合染色体改变
SCP	Schwann cell precursor	施万细胞前体
DAC	Data Access Committee	数据访问委员会
DUA	Data Use Agreement	数据使用协议
RCTD	Robust Cell Type Decomposition	稳健细胞类型反卷积
ACC	adrenocortical carcinoma	肾上腺皮质癌
PA	primary aldosteronism	原发性醛固酮增多症

附录 C：取用前检查清单

1. 确认你要的是矩阵还是读段——这决定了要不要走 EGA 审批。
2. 确认你要的是人还是小鼠——小鼠数据全公开，人数据分层。
3. 若用空间数据，确认下载了坐标矩阵与 scale factor，否则只有表达没有位置。
4. 若做跨物种比较，确认注释来源（哪些簇来自本文、哪些来自外部整合）。
5. 引用细胞数时写明口径（详见 §8.2）。
6. 若做雄性/雌性分析，注意小鼠是雌雄分别建库，人是 6 男 5 女混合。
7. 若涉及临床背景解释，记住供体是脑死亡器官捐献者，非健康志愿者。

附录 D：本文未覆盖的内容

• 未逐例核对 11 位供体的具体年龄、性别、临床用药与 ICU 时长（GEO 样本页有部分字段，本文未逐条转录）。
• 未复现论文的整合分析，未验证任何聚类的生物学注释。
• 未核实小鼠各子系列的具体样本数与测序深度（GEO 分散记录，未汇总）。
• 未评估数据集在不同下游工具（Seurat / Scanpy / Squidipy）中的实际可读性差异。
• 未核实 companion paper 的完整引用信息。
• 未评估 Stereo-seq 与 Visium HD 两个平台在同等 bin 尺寸下的定量可比性。

附录 E：检索路径模板

目标	路径
全部数据入口	ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE253852
Stereo-seq 子系列	ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE293043
人源读段申请	ega-archive.org/datasets/EGAC00001003383
人体组织 bulk 参照	GTEx 肾上腺，经 recount3 v1.0.7 获取
肿瘤参照	TCGA-ACC，经 GDC portal
交互浏览	CellxGene（论文 Supplementary Information 给出具体链接清单）
代码	gitlab.com/MaksimovDenis/adrenalglandscatlas

附录 F：DAIMS 评估

DAIMS（Data Asset Information Maturity Score）按五个维度给数据资产的成熟度打分，每维 1–10。

维度	评分	依据
D 可发现性	8	论文开放获取、GEO SuperSeries 可被常规检索命中、CellxGene 提供浏览入口；扣分项是数据集无独立品牌名，检索 “adrenal gland atlas” 会命中大量无关条目
A 可获取性	6	小鼠与全部矩阵、空间数据公开直下（2026-05-11 起）；人源读段受 EGA 审批且需 DUA
I 可互操作	8	h5 / AnnData / H5AD / FASTQ / TIFF 均为社区标准；Space Ranger 输出可被 Seurat、Scanpy、Squidpy 直接读入；GEM 需配套工具
M 元数据质量	7	GEO 样本页含年龄、性别、平台、处理流程、软件版本；扣分项是细胞数口径分散在正文与图注、BioProject 页 EGA 路径笔误、部分方法参数未披露
S 可持续性	8	GEO / SRA / EGA 为长期国家级基础设施；Zenodo 提供代码持久 DOI；扣分项是 GitLab 为个人账号，维护依赖作者
综合	7.4 / 10	元数据与互操作性高于同类均值；可获取性被 EGA 受控拖低，矩阵公开在很大程度上补偿

编辑说明

本节非正文，仅记录本条目的事实来源与核验方式，供后续维护者与交叉核对使用。

• 核验时间：2026-10-17
• 核验方式：论文 Data availability 与 Methods 正文 + GEO SuperSeries/子系列页 + BioProject PRJNA1067569 + Zenodo 记录 + 机构新闻稿，多源交叉。
• 正文数字的来源标记约定：凡标注"经核对"者，指已对照一手元数据（GEO 样本页或论文正文）核实；凡属二手转述而未获一手确认者，均在正文或附录 D 中注明。
• 已知的双口径冲突（均已在正文 §11 或附录 D 中说明）：
  1. 人细胞数：本文 Fig. 6 为 39,985（人皮质）/ 25,932（小鼠）/ 65,917（整合）；companion paper 另有 236,077（空间 bin 分割），两者口径不同。
  2. Stereo-seq 年龄：二手报道写"13–41 岁"，GEO 样本级元数据为 13、20、40 岁。
  3. 小鼠空间平台：部分 brief 写"Stereo-seq"，实际小鼠用 Visium HD，Stereo-seq 用于人。
  4. EGA 路径：BioProject 页给 DAC 路径，数据集路径为 /datasets/。
  5. EGA 申请时间：论文未给出官方处理时限，正文中的时间为同类申请的通行经验值，非承诺。
• 版本日志：v1（2026-10-17）首发；v2 按百科编辑规范重构结构（篇幅压至 1.8 万汉字以内、§11 与 §12 合并消重、category_tags 补 L1 层标签）。主体事实未作改动。
• 下次复核建议：2027-04（关注 GEO 子系列是否新增样本、EGA 数据集版本是否更新、是否有后续 companion paper 引用该资源）。

---

相关数据集导航

以下为站内 AI-Ready 数据集百科中与本词条共享多个主题标签的相关数据集，按相关度降序排列：

• cellxgene-census — 共享标签：基因组学与多组学 / 转录组 / 单细胞基因组学 / 测序数据
• endometrium-scrna-atlas — 共享标签：基因组学与多组学 / 转录组 / 单细胞基因组学 / 测序数据
• liver-cld-scatlas — 共享标签：基因组学与多组学 / 转录组 / 单细胞基因组学 / 测序数据
• geo — 共享标签：基因组学与多组学 / 转录组 / 测序数据
• fantom5 — 共享标签：基因组学与多组学 / 转录组 / 测序数据
• tabula-sapiens — 共享标签：基因组学与多组学 / 转录组 / 单细胞基因组学
• single-cell-portal — 共享标签：基因组学与多组学 / 转录组 / 单细胞基因组学
• hcl — 共享标签：基因组学与多组学 / 转录组 / 单细胞基因组学
• gencode — 共享标签：基因组学与多组学 / 转录组 / 测序数据
• psychad-atlas — 共享标签：基因组学与多组学 / 转录组 / 单细胞基因组学 / 测序数据

导航说明：本章节由全站统一标签体系自动计算生成（标签重合度算法），双向可达；点击链接可跳转至对应数据集词条。