Spatial Touchstone — 影像型空间转录组学界首个标准化评测与重现性基准

INFOBOX — Spatial Touchstone 一屏速览

维度	内容
本质	影像型空间转录组（imaging-based ST）的标准化评测 + 重现性基准 + 质控门户三位一体工程
牵头	St. Jude Children’s Research Hospital（Center for Spatial Omics）；合作 Weill Cornell、University of Adelaide
核心人物	共同一作/通讯 Jasmine Plummer（St. Jude）；共同通讯 Christopher Mason（WCM）、Luciano Martelotto（Adelaide）
论文	Nature Biotechnology 2026（online 2025-12；doi:10.1038/s41587-025-02811-9；PMID 41339526）
数据	203 个空间 profile = 公共 127 + ST 自产 76；约 800 万+细胞（FFPE）
组织	6 种：阑尾、结肠、胰腺、回肠（正常）+ 乳腺、前列腺（癌）
平台	10x Genomics Xenium（377/380 基因）+ Bruker CosMx SMI（950+50 基因）+ NanoString 64-plex 蛋白
站点	3 个全球站点（Site1 UoA / Site2 WCM / Site3 SJH）跨机构重复；Site4 10x Genomics 汇总运行
重现性	跨站点/跨平台 r = 0.93–1.0
配套	SpatialQM 软件（指标计算）+ Spatial Touchstone Portal 在线门户 + STSOP 标准操作流程
获取	GEO GSE277080 + Zenodo SAHA 社区；门户学术用途
许可	CC BY 4.0（Zenodo/SAHA 口径：鼓励广泛重用与下游分析）

§0 导读：这个数据集解决什么问题

空间转录组（spatial transcriptomics，ST）在过去几年以惊人的速度改变着生命科学：它把「哪些基因在哪些细胞里表达」与「这些细胞在组织中的什么位置」首次同时刻画出来，让研究者得以直接观察肿瘤微环境、发育中的脑组织、免疫浸润的空间格局。但技术的爆发式普及也带来了一个代价——标准化缺失。同一块组织，换一台仪器、换一个实验室、换一天，跑出来的信号可能天差地别；而领域内长期缺少用来判断「这份数据到底合不合格」的通用标尺。

Spatial Touchstone（缩写 ST）项目正是为填补这一空白而生。用牵头人 Jasmine Plummer 的话说，项目的起点是一种"困惑"：“The project started because I was frustrated with the field lacking quality metrics.”（这个项目始于我对该领域缺乏质量指标的困惑）。她进一步解释：其他技术早已用固定细胞系建立了基线预期，能判断变异来自样本、仪器还是操作员，而空间转录组一直没有这样的对照物。

Spatial Touchstone 的答案由三根支柱构成：

1. 一套参考数据集：在严格统一的样本处理流程下，对同一批 FFPE 组织在两家领先平台上重复测量、在三个全球站点间交叉重复，给出"健康样本应该长什么样"的量化预期。这正是本条目描述的核心资产——203 个空间 profile（公共 127 + 自产 76）。
2. 一套质控软件：开源软件 SpatialQM，为研究者本地计算转录本/细胞密度、信噪比等指标，并与 ST 指标库对照。
3. 一个在线门户：Spatial Touchstone Portal（STP），让用户上传自己初步的 CosMx 或 Xenium 数据，实时对照 ST 数据库，判断实验是否值得继续投入。用 Plummer 的话说，这一判断至关重要，因为*“analyzing a terabyte of data is a lot of work”*（分析一 TB 的数据是很大的工作量）。

本条目面向 AI-Ready Wikipedia 的检索者，系统梳理 Spatial Touchstone 的数据构成、实验设计、评测指标、获取与许可路径，以及它在千方病案医数集库内与其他空间转录组条目（hest-1k、sthelar、ivy-gap）的关系边界。

0.1 为什么空间转录组需要"试金石"

在理解 ST 之前，先理解它要解决的问题有多具体。设想一个典型场景：某实验室花数月优化出一套 Xenium 实验流程，跑出一批切片，却发现下游分析结果诡异——某些组织区域基因检出异常稀疏，另一些区域信号异常密集。问题出在哪？是组织本身？是切片质量？是仪器状态？还是操作流程？在没有参照系的情况下，研究者只能靠经验逐一排查，耗时且不可靠。

ST 提供的正是这个参照系：一组在已知可控条件下得到的高质量数据，作为判断"异常"的基线。当你的数据与 ST 基准显著偏离时，就说明技术环节可能出了问题；当你的数据落在基准区间内时，就可以更有信心地进入下游分析。

这个"对照—判断"的逻辑之所以成立，前提是 ST 数据本身是可复现的高质量——这就是为什么 ST 要投入巨大成本做跨站点、跨平台的重复实验。没有可复现的基准，就没有可靠的参照。

0.2 本条目怎么读

本条目按如下结构组织，方便不同需求的检索者按需跳读：

• 想快速了解 ST 是什么 → 读 §1 十问十答；
• 想搞清数据构成与规模 → 读 §2 数据构成与规格；
• 想理解实验设计与方法 → 读 §3 实验设计与方法、§4 评测指标；
• 想用 STP 门户或 SpatialQM → 读 §5 门户与工作流；
• 想下载数据、确认许可 → 读 §6 获取与许可；
• 想了解生态与库内定位 → 读 §7 生态、§9 库内关系；
• 想避开常见陷阱 → 读 §10 避坑清单。

各章节末尾的表格与附录（“附录 A–P”）集中了速查信息，适合作为检索时的快速索引。

§1 数据集速览：十问十答

Q1：Spatial Touchstone 是什么？
一个影像型空间转录组的标准化评测项目，由参考数据集（本条目核心）+ 质控软件 SpatialQM + 在线门户 STP + 标准操作流程 STSOP 四部分构成。论文发表于 Nature Biotechnology 2026。

Q2：它的数据有多大？
论文/GEO 口径为 203 个空间 profile：其中公共已发表数据集 127 个（PUB），ST 项目自产 76 个。自产部分来自 6 种组织、3 个站点、2 个平台，约 800 万+细胞。若加上公共部分，SpatialQM 收录的细胞总量约 3300 万、转录本约 70 亿。

Q3：为什么叫"Touchstone"（试金石）？
“Touchstone” 原指用来检验金银成色的试金石。项目用它检验的是空间数据的"成色"——把新跑的数据与这套已被严格表征的参考数据集对照，就能判断实验质量是否达标。中文可理解为"空间（数据）试金石"。

Q4：用了哪些平台？
两大领先的影像型空间平台：10x Genomics Xenium 与 Bruker Spatial Biology（原 NanoString）CosMx SMI。Xenium 使用 Human Multi-Tissue and Cancer Panel（377 基因）与 Human Breast Panel（380 基因）；CosMx 使用 Human Universal Cell Characterization RNA Panel（950 基因 + 50-target add-on）。另含 NanoString 64-plex 蛋白 panel，把评测从转录组延伸到空间蛋白组。

Q5：覆盖哪些组织和疾病？
6 种组织：阑尾（AP）、结肠（CO）、胰腺（PA）、回肠（IL） 为正常组织；乳腺（BR）与前列腺（PR） 为癌组织。即正常与癌变并存。

Q6：数据在哪几个站点产生？
ST 自产数据由 3 个全球站点协作完成：Site1 = University of Adelaide（UoA）、Site2 = Weill Cornell Medicine（WCM）、Site3 = St. Jude Children’s Research Hospital（SJH）。图注另列 10x Genomics 总部为 Site4（额外汇总运行）。样本经集中切片后分发到各站点，保证"同一块组织、多站点测量"的交叉重复设计。

Q7：重现性有多高？
论文报告 ST 数据的重现性 r = 0.93 到 1.0，作者称之为为该领域"树立了新基准"（set a new benchmark for the field）。

Q8：怎么获取数据？
两条主路径：GEO accession GSE277080（原始数据 + 处理后矩阵）与 Zenodo 的 SAHA 社区（https://zenodo.org/communities/saha）。代码与元数据在 GitHub（Center-for-Spatial-OMICs/SpatialQM）；SOP 发布于 protocols.io；在线比对门户为 www.spatialtouchstone.org。

Q9：许可（license）是什么？
托管于 SAHA/Zenodo 社区的 ST 数据明确以 CC BY 4.0（Creative Commons Attribution 4.0 International）释出，官方原文为"鼓励广泛重用与下游分析"。这是本条目一手核实的许可结论（详见 §6）。

Q10：它和 HEST-1k、sthelar、ivy-gap 有什么区别？
见 §9。一句话：HEST-1k 是"空间转录组 + H&E 配对"的基础模型基准（MahmoodLab）；sthelar 与 ivy-gap 分别是不同团队/疾病方向的空间转录组资源。Spatial Touchstone 的独特性在于跨站点跨平台的技术重现性评测与在线质控门户，而非单纯的数据规模或病理配对。

Q11：ST 只做转录组吗？
不止。除 RNA 探测（Xenium/CosMx panel）外，还纳入了 NanoString 64-plex 蛋白 panel，把评测延伸到空间蛋白组；并有 snRNA-seq 参考谱与 H&E 形态学配套。论文明确其目标是覆盖"从单细胞到空间转录组再到空间蛋白组"。

Q12：这套东西现在能直接用吗？
能。数据可在 GEO/Zenodo 下载，软件在 GitHub，门户在线可用，SOP 已公开。它不是"将来会有"的规划，而是已经上线的可用资源。

Q13：ST 适合初学者吗？
适合有基本空间转录组经验的研究者。初学者可通过 STP 门户的教程视频（YouTube）快速上手；但完整使用（本地算指标、对齐 panel）仍需一定生物信息基础。

Q14：一句话概括 ST 的贡献？
它让空间转录组从"能跑出图"进阶到"能量化判断数据好坏"，并为整个领域提供了第一把公认的质控标尺。

§2 数据构成与规格

2.1 规模、来源与机构构成

Spatial Touchstone 的核心数字需要区分三个层次，避免检索者混淆：

口径	数值	含义
空间 profile 总数	203	公共 PUB 127 + ST 自产 76
ST 自产 assay 数	76	6 组织 × 2 平台 × 3 站点交叉重复后的自产总量
配套测序	snRNA-seq n=6	同组织单核 RNA 测序参考谱（snPATHO-seq）
配套染色	H&E n=44	同组织苏木精-伊红染色
细胞规模（自产）	800 万+	FFPE 样本累计细胞数
细胞规模（含公共）	约 3300 万	SpatialQM 收录的公共数据集口径

一个关键澄清："203"不是物理切片张数，而是空间 profile（分析单位）的数量。公共部分 127 个 profile 来自已发表的各类空间数据集（含 Xenium、CosMx、Vizgen Merscope 等多平台），自产部分 76 个 profile 才是 ST 团队新生成的实验数据。有二手表述称"203 张空间转录组切片"，属近似口径，本条目按 profile 口径为准。

机构构成上，项目由 St. Jude Children’s Research Hospital 牵头（Center for Spatial Omics，Plummer 任主任），联合 Weill Cornell Medicine（Mason 团队）与 University of Adelaide（Martelotto 团队），并有 Garvan Institute、Lunenfeld-Tanenbaum Research Institute、Ottawa Hospital Research Institute 等参与。样本来源为正常阑尾、结肠、胰腺、回肠与癌变乳腺、前列腺组织，覆盖健康与疾病两种状态。

2.2 六种组织与正常/癌变分布

ST 自产数据刻意选择了四类正常组织与两类癌组织并存，以便同时评估平台在"稳态组织"与"肿瘤异质组织"上的表现：

• 正常组织：阑尾（appendix, AP）、结肠（colon, CO）、胰腺（pancreas, PA）、回肠（ileum, IL）
• 癌组织：乳腺（breast, BR）、前列腺（prostate, PR）

公共补充部分（PUB）的组织覆盖则更广，图注中列出还包括脑、肺、淋巴结、肾、皮肤等，构成更宽的组织谱系。这种"自产聚焦 + 公共扩展"的组合，既保证了核心数据的严格可控，又让指标库在不同组织类型上有更厚的参照底数。

组织选择的实务考量在于：四类正常组织适合建立"基线预期"，两类癌组织则检验平台在更复杂、更异质的样本上能否维持质量。用 Plummer 的话说，领域内长期没人能回答"一个前列腺或脑组织里到底该有多少转录本是正常的"——ST 的六组织设计正是要给这类问题提供量化锚点。

2.3 双平台 panel 规格

ST 项目的技术评测建立在两个平台的全切片扫描（full scan of the entire section）之上，而非抽样区域：

平台	厂商	RNA panel	靶基因数	附加
Xenium	10x Genomics	Human Multi-Tissue and Cancer Panel	377	—
Xenium	10x Genomics	Human Breast Panel	380	—
CosMx SMI	Bruker Spatial Biology	Human Universal Cell Characterization RNA Panel	950	+50-target add-on panel
蛋白	NanoString	64-plex human protein panel	64（蛋白）	跨转录组/蛋白组

两个平台的基因 panel 规模差异显著（Xenium 377/380 vs CosMx 950+50），这是跨平台比较时必须对齐基因集的原因之一——直接比较原始转录本计数会因 panel 覆盖不同而产生系统性偏差。ST 项目在指标层面对此做了平台分层（见 §4）。

除 RNA 探测外，项目还引入 NanoString 64-plex 人类蛋白 panel，把评测维度从"单细胞到空间转录组"进一步延伸到"空间蛋白组"。论文摘要明确其目标是"establish metrics to evaluate and integrate imaging based multi omics data from single cell into spatial transcriptomics to spatial proteomics"（建立从单细胞到空间转录组再到空间蛋白组的影像型多组学数据评估与整合指标）。

2.4 同组织多模态配套：snRNA-seq 与 H&E

为给空间数据提供"独立于空间平台的转录谱参照"，ST 团队在同一批 FFPE 组织上做了 snRNA-seq（snPATHO-seq，n=6）。其逻辑是：空间平台的信号究竟是不是真实转录本，需要一个用完全不同技术路线（测序而非成像）得到的参考谱来对照。这正是论文强调的"用同组织单核 RNA 测序建立参考，以评估细胞组织与 biomarker 定位"。

配套的 H&E 染色（n=44） 则提供了经典形态学视图，使得空间转录本分布可与组织学结构对齐。GEO 摘要的"n=126 total"即为 76 个空间 profile + 6 例 snRNA-seq + 44 例 H&E 的合计（注：此处 76+6+44=126，是 GEO 记录口径的组织性合计）。

这种"空间转录组 + 单核测序 + H&E"的三模态配套，是 ST 区别于纯数据集的关键：它不只发布数据，还发布可用于交叉验证的参照谱系。

2.5 平台与站点矩阵：交叉重复的设计

ST 自产数据的实验设计可概括为一个"组织 × 平台 × 站点"的三维矩阵：

• 组织维度：6 种组织；
• 平台维度：Xenium 与 CosMx SMI 两个平台各跑一遍；
• 站点维度：样本经集中切片（centralized sectioning of FFPE blocks）后，分发到 UoA、WCM、SJH 三站点，并在 10x Genomics 总部做额外汇总运行（Site4）。

论文图 1 的流程示意明确标注：正常回肠、阑尾、结肠、胰腺与乳腺肿瘤、前列腺肿瘤组织，来自两个独立来源站点（Site1 与 Site2），同一 FFPE block 的连续切片在三个站点用两个平台处理，外加 10x Genomics 总部的一次运行。这一"同块切片、多站点、多平台"的结构，正是能够量化"变异究竟来自样本、仪器还是操作员"的方法学基础。

工程提示：跨站点设计的最大价值在于把"批次效应"从隐变量变成可观测量。传统单站点实验里，站点/仪器/操作员的影响与生物学信号纠缠在一起；ST 通过系统性重复，让这些技术性变异得以分离量化，从而使 r=0.93–1.0 这样跨站点重现性数字具有明确的技术含义。

2.6 与"纯数据集"的边界

检索时需注意 Spatial Touchstone 的双重身份：

1. 作为参考数据集：203 个空间 profile 是可直接下载分析的资产，可在 GEO/Zenodo 获取；
2. 作为评测基础设施：SpatialQM 软件 + STP 门户 + STSOP 协议，构成一套"持续运行"的质量评估服务，其指标库会随用户上传与领域发展而演进。

因此，不能简单把 ST 当作"又一个空间转录组数据集"来消费——它的设计目标是基准与标尺，而非单纯扩大数据规模。论文作者亦明确指认其局限：数据仓库"尚不穷尽"（not exhaustive），质量指标"并非静止"（not stagnant），会随更广的组织类型、平台与实验场景的采纳而演进。

2.7 公共集（PUB）的构成与角色

ST 的 203 个 profile 中有 127 个来自公共（PUB）数据集，这部分常被忽视，但理解它才能理解 ST 指标库的"厚度来源"。

公共集并非随意抓取，而是经过**策展（curated）**的已发表空间数据，来源包括厂商网站、bioRxiv 预印本与同行评审论文。GenomeWeb 报道称，这些公共数据集包含约 3300 万细胞、约 70 亿转录本，覆盖 Xenium、CosMx 与 Vizgen Merscope 等多个平台。论文图 2b 把 PUB 与 ST 数据集的组织类型并列展示，可见公共集覆盖了比 ST 自产更宽的组织谱系（含脑、肺、淋巴结、肾、皮肤等）。

公共集的作用是加厚参照底数：ST 自产只有 6 种组织、76 个 assay，样本量有限；若指标库仅有这些，则对"某类组织指标应该在哪"的回答会过于单薄。把 127 个公共 profile 的指标纳入后，SpatialQM 的对照库覆盖了更多组织与平台组合，使"我的样本对照全库"这一使用场景更具统计意义。

需要提醒的是，公共集与自产集的数据质量层次不同：自产集是 ST 团队在严格 SOP 下、跨站点重复产出的高可控数据；公共集是各家既往发布的数据，其质量参差、平台与处理流程各异。因此在使用 ST 数据库做对照时，应区分"与 ST 自产基准比"还是"与公共集分布比"——前者是高标准的标杆，后者是更宽但更杂的分布。这一区分对正确解读 STP 门户给出的对照结果至关重要。

2.8 数据组织与文件形态

ST 数据在 GEO 与 Zenodo 两侧的组织方式不同：

• GEO 侧：GSE277080 提供 1 个 series 级补充文件（Supplementary Data）+ 38 个 sample × 40 个文件（seqout 口径）。sample 级文件通常按平台（Xenium/CosMx）与数据类型组织，含表达矩阵、细胞/转录本坐标等。
• Zenodo/SAHA 侧：按"每个数据包对应一次测序/成像 run"组织，包含该 run 的原始与/或处理后空间转录组/蛋白组数据，并附样本元数据（organ、state、tissue type、slide ID、institution code、assay、panel 等）。SAHA 数据包以压缩 CSV（如 *_PRT_fov_positions_file.csv.gz、*_PRT_metadata_file.csv.gz）等形式释出。

这种双轨组织反映了 ST 的双重身份：GEO 满足 NCBI 生态内的标准化存档需求，Zenodo/SAHA 则按空间组学的实际分析单元（run）组织，便于研究者按需取包。

2.9 规模数字的三种口径对照

为避免检索者混淆，把 ST 涉及的规模数字统一列示三种口径：

口径	数字	出处	含义
profile 数	203（127+76）	GSE277080	空间数据条目/分析单位数
自产细胞数	800 万+	GenomeWeb	ST 自产 FFPE 样本累计细胞数
全库细胞数	约 3300 万	GenomeWeb	含公共集的 SpatialQM 收录总量
全库转录本	约 70 亿	GenomeWeb	含公共集的转录本总量
配套测序/染色	snRNA 6 / H&E 44	GSE277080	同组织多模态配套

使用这些数字时务必标注口径——"800 万细胞"指自产、"3300 万细胞"指全库，二者不可混用。

§3 实验设计与方法：三支柱如何协同

3.1 支柱一：参考数据集

参考数据集是整座建筑的地基。它的核心命题是：如果同一批组织在多家机构、多台仪器上都跑出了高度一致的结果，那么这个"一致的结果"就可以作为判断其他实验是否正常的参照。

ST 的实现路径是"同块切片 + 多站点 + 双平台"的交叉重复（见 §2.5）。所有 FFPE block 在一个中心地点统一切片，然后分发到各参与站点，用两种平台各测一遍。这样做的好处是：切片本身来自同一个组织块，最大程度排除了样本间生物学差异的干扰，使观察到的差异更可能归因于技术因素。

论文摘要强调，ST 数据"demonstrate high reproducibility (r=0.93 to 1.0) and set a new benchmark for the field"——r 值的高企，正是这套严格重复设计的结果，也是它敢于作为"标尺"的底气。

3.2 支柱二：SpatialQM 软件

SpatialQM（在 GEO 摘要中亦写作 SpatialQC）是配套的开源软件，设计为本地运行，让研究者为自己的实验计算质控指标并与 ST 指标库对照。

它在量什么？论文/新闻稿口径下，SpatialQM 计算的指标包括：

• TPC（transcripts per cell，每细胞转录本数）
• TPA（transcripts per area，单位面积转录本总数）
• SNR（signal-to-noise ratio，信噪比）
• normalized TPN（归一化的每核转录本数）
• Entropy（熵，衡量表达分布的复杂度/信息量）
• MECR（另一项技术性能指标）

Plummer 用一个具体问题说明了这些指标的意义：“how many transcripts should be in a cell? What’s normal for a prostate or brain?”（一个细胞里应该有多少转录本？对前列腺或脑来说什么是正常的？）——TPC 这类指标的意义，就是把这种"直觉判断"变成可与参考库对比的数字标尺。

软件名称的双写需要检索者留意：论文、GenomeWeb 报道与 St. Jude 新闻稿称 SpatialQM，而 GEO 摘要原文写 “Our open-source software, SpatialQC, allows users to evaluate samples across all technical metrics and directly impute cell annotations from single-cell datasets.” 两者应指同一软件（详见 §10 坑点与 §6 获取）。代码仓库为 GitHub 的 Center-for-Spatial-OMICs/SpatialQM。

此外，SpatialQM/SpatialQC 还具备从单细胞数据集直接推算（impute）细胞注释的能力，这意味着它不止做质控，还参与细胞类型标注这一下游分析环节。

3.3 支柱三：Spatial Touchstone Portal（STP）

STP（www.spatialtouchstone.org）是把前两根支柱产品化的在线门户，由 Plummer 团队在 St. Jude 托管维护。它的核心功能是"上传—对照—决策"：

• Submit Sample（提交样本）：用户上传自己的 CosMx 或 Xenium flat files，与 ST 技术指标库以及动态的用户提交指标库比对；
• Query by ID（按 ID 查询）：输入样本 ID，查看该样本在数据库中的表现位置；
• Database Explorer（数据库浏览器）：浏览 ST 数据库的所有样本 ID 与元数据；
• Tutorial（教程）：STP 门户内教程，另有 YouTube 视频教程（https://www.youtube.com/watch?v=I_ooOqggoUg）；
• 邮件报告：用户注册后可收到详细 HTML 报告，把自己样本的技术指标与所查样本对照。

STP 的定位是"学术用途"（designed for academic use），并包含必要的使用免责声明。Plummer 解释门户按组织查看指标的设计意图：用户能据此判断自己的样本是"通过"还是"未通过"质控，从而在投入大量分析资源前做出决策。

3.4 支柱四：STSOP 标准操作流程

STSOP（Spatial Touchstone Standard Operating Procedures）是可复现性的"最后一公里"。Plummer 指出，典型的商业空间实验方案长达约 80 页，且充满偏差（deviations）；ST 团队希望统一"跑那块组织"的方式，消除机构间的操作差异。

STSOP 覆盖从组织制备到数据产出的一系列协议，并发布于 protocols.io，供更广泛的空间生物学社区使用。其哲学是"每个实验室都不同，但我们希望有一套让人对自己的方法与预期结果有信心的协议"——这实质上是把三个顶尖团队多年的实操 know-how 标准化、外化，供社区复用。

3.5 四支柱的协同逻辑

四根支柱形成闭环：STSOP 规定"怎么跑"，保证产出的可复现性；参考数据集给出"正常长什么样"，提供对照锚点；SpatialQM 让研究者"自己算指标"，把对照落地到本地；STP 让这一切"在线可查、可上传、可决策"，降低使用门槛。任一环节缺失，闭环即断——这也是 ST 区别于单纯发布数据的项目的本质。

§4 评测指标与发现

4.1 评测覆盖的维度

ST 论文的评测覆盖了影像型空间转录组的多个技术性能维度：

维度	英文	说明
重现性	reproducibility	跨站点/跨平台/技术重复间的一致性
灵敏度	sensitivity	对低丰度转录本的检出能力
动态范围	dynamic ranges	从低到高表达量的线性覆盖
信噪比	signal-to-noise ratio	真实信号与背景噪声之比
假发现率	false discovery rates (FDR)	错误检出比例
细胞类型注释	cell type annotation	注释结果与参考的一致性
单细胞一致性	congruence with single-cell profiling	与 snRNA-seq 参考谱的吻合度

GEO 的 overall design 进一步把评测目标归纳为 accuracy（准确度）、precision（精确度）、reproducibility（重现性）、sensitivity（灵敏度）、specificity（特异性）五项。

4.2 核心发现：跨站点高重现性

最重要的一条结论是重现性数字：r = 0.93–1.0。这在多站点、多平台的实验条件下是相当高的水平，论文因此称其为领域树立了新基准。

高重现性背后有三个设计支撑：① 统一切片（同块同源）；② 统一 SOP（去操作差异）；③ 双平台交叉（Xenium 与 CosMx 互证）。这三点缺一不可，也解释了为什么 ST 的重现性数字比一般单站点研究更具说服力——它的重复是系统性的、跨机构的，而非同一实验室内的技术重复。

读数字的守则：r=0.93–1.0 的具体指代（哪两种比较之间的相关，是跨站点还是跨平台还是技术重复）需结合论文正文与 Fig. 2 核实。摘要给出的是区间，并非单一数字；检索者不应把 0.93 或 1.0 当作全局定值套用。

4.3 指标分层：平台与组织两个视角

ST 的指标分析做了分层比较，论文图 2 的呈现方式值得注意：

• 按平台分层（ST 数据集单独看）：比较 normalized TPN 与 SNR，观察 Xenium 与 CosMx 两平台在归一化转录本密度与信噪比上的差异；
• 按组织与数据类型分层：比较 TPC、TPA、Entropy、MECR 四项指标，观察不同组织的技术表现谱。

这种分层的必要性在于：两平台基因 panel 规模不同（377/380 vs 950+50），若不分层直接合并，会把"panel 覆盖差异"误读为"平台性能差异"。分层后，读者才能看到每一层内部的真实规律。

4.4 从"能否用"到"质量几分"的范式转变

ST 更深层的贡献，是推动空间生物学从"能跑出图就算成功"转向"用数字给数据打分"。Plummer 反复强调的核心痛点是：图像经常在没有质控的情况下被分析（“images are often analyzed without quality control”）。

ST 提供的不只是指标，而是一整套期望值基线：

• 一个正常前列腺样本的 TPC 应该在什么区间？
• 一个 CosMx 全切扫描的 SNR 多少算达标？
• 不同组织之间的表达熵（Entropy）差异是否在合理范围内？

当这些问题有了量化答案，"这份数据能不能用"就从主观判断变成可复核的客观检验。Plummer 用投资回报的比喻说明其价值：空间实验投入的时间、金钱与资源巨大，确保投资有回报至关重要——而质控正是避免"花大成本跑出废数据"的关键闸门。

4.5 与单细胞测序的一致性检验

论文还把与单细胞谱的一致性（congruence with single-cell profiling）纳入评测。做法是在同组织上做 snRNA-seq 建立参考，再检查空间平台的细胞类型注释、marker 定位是否与该参考吻合。

这一维度的重要性在于：空间平台的成像检出天然有更高的假阴性（受探针效率、光学限制影响），而单核测序提供了一个相对完整、无空间偏倚的转录谱"真值参照"。两者的吻合度，是衡量空间数据可信度的关键旁证。

4.6 动态范围与灵敏度的技术含义

“动态范围”（dynamic range）与"灵敏度"（sensitivity）是影像型空间平台两个容易被低估的指标。

动态范围指的是技术能同时准确测量的表达量跨度——从低丰度转录本到高丰度转录本，平台能否保持线性响应？若动态范围窄，高表达基因会"饱和"、低表达基因会"淹没"，导致下游的差异表达分析失真。ST 把动态范围列为评测维度，正是要回答"这份数据在多大表达跨度内是可信的"。

灵敏度则关乎低丰度转录本的检出能力。影像型平台的探针效率不可能 100%，漏检不可避免；关键在于漏检是否均匀——若灵敏度在不同基因、不同组织区域间波动过大，则会引入系统性偏倚。ST 通过与 snRNA-seq 参考的对照，间接刻画了这一偏倚。

对使用者而言，这两项指标的实际意义是：当你的下游分析涉及低表达基因或宽表达跨度时，应先检查 ST 对应组织的动态范围与灵敏度基线，判断自己的数据是否落在可信区间内。

4.7 FDR 与特异性：从"检出了"到"检对了"

假发现率（FDR） 衡量的是"检出的信号中有多少是错的"。在影像型空间平台中，探针的非特异结合、光学串扰都可能造成假阳性。ST 把 FDR 纳入评测，意味着它不只看平台"检出了多少"，还看"检出得对不对"。

GEO overall design 中的 specificity（特异性） 与 accuracy、precision 一组，共同构成对平台"准确性"的评估。这些指标合在一起回答了空间生物学最根本的一个信任问题：图像上那个亮点，究竟是真的基因表达，还是噪声？

4.8 评测结论的适用边界

ST 的评测结论有明确的适用边界，过度外推会导致误用：

• 平台边界：结论基于 Xenium 与 CosMx SMI 两平台。其他影像型平台（如 MERSCOPE）虽被纳入公共集，但未做同等的跨站点重复评测，结论不可直接套用；
• 组织边界：自产数据仅六种组织，其他组织（脑、肺等）的指标预期主要来自公共集，可靠性层次不同；
• 时间边界：指标随技术版本演进（作者明言 not stagnant），老旧版本平台的基线可能与当前不符；
• 模态边界：空间蛋白组部分（NanoString 64-plex）的评测深度不及转录组，相关结论应更谨慎。

理解这些边界，才能把 ST 用作一把知道其量程的尺子，而非万能标尺。

§5 Spatial Touchstone Portal 与工作流实践

5.1 门户的三种使用场景

STP 面向三类使用者设计了三条路径：

1. 预实验决策（prospective QC）：实验前跑一张初步切片，上传到 STP 对照，判断样本与流程是否具备继续投入的条件——这是 Plummer 最为看重的"止损"场景；
2. 数据溯源（retrospective lookup）：查询已提交样本的指标，了解某类组织/平台的历史表现；
3. 方法学对照（comparative benchmarking）：研究者上传自己的数据，与 ST 数据库全面对照，作为方法比较的客观依据。

5.2 一次典型的 STP 工作流

[本地准备]  CosMx 或 Xenium flat files（全切扫描）
     │
     ▼
[门户上传]  STP 'Submit Sample' 标签页上传
     │
     ▼
[指标计算]  与 ST 技术指标库 + 用户提交库比对
     │
     ▼
[结果反馈]  在线查看（可按组织/平台筛选）+ 注册后邮件 HTML 报告
     │
     ▼
[决策]      通过 → 继续全量分析；不通过 → 调整样本/SOP 后重跑

5.3 本地质控：SpatialQM 的角色

对于不便上传数据或需批量处理的团队，SpatialQM 提供本地路径：在自有计算环境运行，计算 TPC/TPA/SNR 等指标，再与 ST 公布的技术指标对照。这既保护了数据隐私，又保留了"对照 ST 基准"的能力。

SpatialQM 的价值还在于它把 ST 的指标定义代码化、可复现化——研究者无需猜测论文里某个指标怎么算，直接复用官方实现即可。代码与全部元数据在 GitHub（Center-for-Spatial-OMICs/SpatialQM）与论文 Supplementary Tables 1–5 中提供。

5.4 STSOP 在实操中的位置

STSOP 解决的是"上游"问题：样本怎么处理、切片怎么做、仪器怎么校准。它的价值在 ST 的三个站点协作中已被验证——正因为三地都遵循同一套 SOP，才可能得到跨站点 r=0.93–1.0 的重现性。对于想要复现或对标 ST 的团队，STSOP 是必须研读的前置文档，发布于 protocols.io。

5.5 从"数据集"到"基础设施"的定位

综合来看，ST 的真正产品不是一个静态数据集，而是一套持续运行的空间数据质控基础设施：参考数据集提供标尺，SpatialQM 提供量具，STP 提供工作台，STSOP 提供操作规程。用户上传的数据会汇入动态指标库，使这个基础设施随社区使用而不断增厚。理解这一定位，才能正确使用 ST——它不是一次性下载完就结束的资源，而是一个需要交互使用的基准平台。

5.6 从实验台到发布：ST 数据的一生

为帮助理解 ST 的完整生命周期，下面梳理从组织块到公开数据的一条脉络：

1. 组织采集与集中切片：正常阑尾、结肠、胰腺、回肠与癌变乳腺、前列腺的 FFPE block 汇集，在一个中心地点统一制切片，保证同块同源；
2. 站点分发：切片分发到 Site1（UoA）、Site2（WCM）、Site3（SJH），各站按 STSOP 处理；
3. 双平台扫描：每个样本在 Xenium 与 CosMx SMI 上各做一次全切片扫描；
4. 多模态配套：同组织另做 snRNA-seq（snPATHO-seq，n=6）与 H&E（n=44），建立参考谱系；
5. 指标计算：用 SpatialQM 对全部 profile 计算 TPC/TPA/SNR 等质控指标；
6. 发布：原始与处理后数据经 GEO（GSE277080）与 Zenodo（SAHA 社区）释出，指标汇入 STP 门户数据库；
7. 社区使用：研究者上传自己的样本对照，动态指标库随之增厚。

这一生命周期说明 ST 的每一项资产都不是孤立的：SOP 保证第 1–3 步的可复现，多模态配套支撑第 5 步的交叉验证，而门户把第 6–7 步连成一个持续运转的循环。

5.7 与常用分析工具的衔接

ST 数据可直接进入主流空间分析生态。影像型平台（Xenium/CosMx）的输出通常可被 Scanpy、Squidpy 等工具读取，用于下游的聚类、空间域识别与细胞邻域分析。ST 的价值在于为这些下游分析提供前置质控关卡：先用 STP/SpatialQM 确认数据达标，再进入分析管线，可避免在低质数据上浪费算力。对构建自动化分析流水线的团队，把 ST 指标检查作为 pipeline 的第一步（gate），是一个值得采纳的工程实践。

5.8 复现 ST 的可行路径

对于希望复现或对标 ST 的团队，建议路径如下：

1. 通读论文与 Supplementary Tables 1–5，理解指标定义与数据构成；
2. 研读 protocols.io 上的 STSOP，对齐样本处理与数据产出流程；
3. 安装 SpatialQM（GitHub Center-for-Spatial-OMICs/SpatialQM），在本地对自采数据计算同类指标；
4. 用 STP 门户对照自己的指标与 ST 基准，评估达标情况；
5. 若构建多站点协作，严格统一 SOP 与切片流程——这是获得高重现性的关键。

ST 的开放性（CC BY 4.0 数据 + 开源软件 + 公开 SOP）使这条复现路径几乎无许可障碍，这也是它作为社区基础设施的核心竞争力。

§6 获取与许可：数据怎么拿、条款怎么读

6.1 两条数据获取主路径

Spatial Touchstone 的原始数据与处理后矩阵有两条官方获取路径，论文 Data availability 原文明确：

“Raw data files and processed data matrix can be accessed via the GEO (GSE277080) and via Zenodo (https://zenodo.org/communities/saha).”

路径	入口	内容	适用
GEO	GSE277080（BioProject PRJNA1160328）	原始数据文件 + 处理后数据矩阵	标准 NCBI 访问流程
Zenodo / SAHA 社区	https://zenodo.org/communities/saha	空间转录组/蛋白组数据包（按 run 组织）	开放下载、CC BY 4.0

两条路径互为备份：GEO 提供 NCBI 生态内的标准存档，Zenodo/SAHA 提供更贴近空间组学的数据组织方式与明确的开放许可。

6.2 许可（License）结论：CC BY 4.0

本条目一手核实的许可结论是 CC BY 4.0（Creative Commons Attribution 4.0 International）。证据链如下：

1. 论文 Data availability 明示 ST 数据托管于 Zenodo 的 SAHA（Spatial Atlas of Human Anatomy） 社区；
2. SAHA 项目在 Zenodo 的数据集页面原文声明：“All datasets are released under the Creative Commons Attribution 4.0 International (CC BY 4.0) license to encourage broad reuse and downstream analysis.” — 来源 https://zenodo.org/records/16621744；
3. ST 与 SAHA 同属一个空间多组学数据发布体系（SAHA 记录明确引用 “Plummer J et al. Spatial Touchstone. Nature Biotechnology. In press.”）。

CC BY 4.0 的含义是：只要署名（Attribution），即可自由使用、复制、改编、分发，包括商业用途。对于希望将 ST 用作质控基准或训练数据的下游团队，这是一个非常开放的许可。

重要区分：NCBI GEO 本身是一个数据存档平台，其站点条款（Terms of Use）与单个数据集作者选定的许可证是两个不同层面。本次核验中 NCBI 直连受限，GEO 页面内嵌的许可字段未能一手读取；因此 ST 数据的开放许可，以论文指向的 Zenodo/SAHA CC BY 4.0 为权威口径。若检索者需要 GEO 侧的精确条款，建议按 NCBI GEO Terms 页面自行确认（见 §10 遗留疑点）。

6.3 门户 STP 的条款

Spatial Touchstone Portal（STP）的定位是学术用途（designed for academic use），论文明确其"includes necessary disclaimers regarding its usage"（包含必要的使用免责声明）。这意味着：

• 使用门户做样本对照与查询，属于学术分析场景；
• 用户通过 STP 上传的数据（Submit Sample）其许可归属需另行确认——上传行为本身是否意味着数据汇入公共指标库、是否附带开放许可，建议使用者在上传前阅读门户条款；
• STP 本身是一个分析工具/服务，而非数据再分发渠道；数据的再分发仍以 GEO/Zenodo 的许可为准。

6.4 代码与 SOP 的获取

• 代码：GitHub Center-for-Spatial-OMICs/SpatialQM（论文 Code availability 明示），含全部理解、评估、复现所需的元数据与代码；另见论文 Supplementary Tables 1–5；
• SOP：STSOP 发布于 protocols.io；
• 门户源码：STP 由基于 SpatialQM 的代码与数据仓库构建（论文述 “Based on the code and data repository underpinning SpatialQM, the team also developed a web interface called Spatial Touchstone Portal”）。

6.5 获取路径决策树

需要 ST 数据做分析
     │
     ├─ 需要原始测序/成像文件 ──► GEO GSE277080（raw data files）
     │
     ├─ 需要处理后矩阵 ─────────► GEO GSE277080（processed matrix）或 Zenodo SAHA
     │
     ├─ 需要质控指标参照 ───────► SpatialQM（本地计算）或 STP（在线对照）
     │
     ├─ 需要复现实验流程 ───────► STSOP（protocols.io）
     │
     └─ 需要对照自己的新样本 ───► STP 'Submit Sample'（学术用途）

6.6 引用要求

使用 ST 数据应引用其论文：Plummer JT, Dezem FS, Cook DP, Park J, et al. Standardized metrics for assessment and reproducibility of imaging-based spatial transcriptomics datasets. Nature Biotechnology (2026). doi:10.1038/s41587-025-02811-9. CC BY 4.0 要求署名，正确的论文引用即是满足署名义务的核心方式。

6.7 CC BY 4.0 的义务与自由一览

为便于实际使用，把 CC BY 4.0 的"能与不能"列明：

可以（You are free to）：

• 共享：以任何媒介或格式复制、分发数据；
• 改编：重混、转换、基于数据创作衍生作品；
• 商用：用于商业目的。

条件（Under the following terms）：

• 署名（Attribution）：须注明来源与许可，并说明是否做了修改；对 ST 而言，引用其论文即可；
• 无附加限制：不得施加法律条款或技术措施限制他人做许可允许的事。

不适用：CC BY 4.0 不授予专利权或商标权；对数据中可能涉及的个人隐私，许可不构成隐私豁免——使用 FFPE 人体组织数据时仍应遵守相应伦理规范。

实务建议：若在论文、产品中使用 ST 数据，在方法与致谢部分写明"数据来自 Spatial Touchstone（GSE277080 / Zenodo SAHA），依 CC BY 4.0 使用"，即满足署名义务。

6.8 与库内其他条目许可的横向对照

条目	许可	商用	备注
spatial-touchstone（本条）	CC BY 4.0	✅ 可	Zenodo/SAHA 口径
hest-1k（rid=522）	CC BY-NC-SA 4.0	❌ 不可	HF gated，需接受条款
ivy-gap（rid=448）	视数据集而定	需逐项确认	库内条目
sthelar（rid=1099）	视数据集而定	需逐项确认	库内条目

ST 的 CC BY 4.0 在库内空间组学条目中属于最宽松的一档，这对希望将其实用于产品化质控的团队是明显优势。

§7 生态、影响与库内定位

7.1 在影像型空间转录组景观中的位置

空间转录组可分为两大类：基于测序（sequencing-based，如 Visium、Slide-seq，捕获全转录组但分辨率受限）与基于成像（imaging-based，如 Xenium、CosMx、MERSCOPE，靶向基因 panel 但单细胞/亚细胞分辨率）。Spatial Touchstone 明确聚焦影像型分支，这也是其论文标题"imaging-based spatial transcriptomics"的由来。

在此景观中，ST 的差异化定位是质控与标准化，而非数据规模的最大化：

项目	类型	核心定位	与 ST 的关系
Spatial Touchstone	影像型 ST	跨站点跨平台重现性评测 + 在线质控门户	—（本条目）
HEST-1k	测序型 + 影像型 ST	空间转录组 + H&E 配对的基础模型基准	同域，评测目标互补（见 §9）
sthelar	空间转录组	库内同域条目	平台/团队不同
ivy-gap	空间转录组（胶质瘤）	库内同域条目	疾病方向不同

7.2 对空间生物学社区的影响

ST 的影响可从三个层面理解：

1. 方法学层：它把"跨站点重现性"作为可量化指标引入空间转录组，为领域设立了质量门槛。多个后续比较研究（如 Nat Commun 2025 的多平台 FFPE 比较、Genome Biol 2025 的冷冻切片比较）在多平台评测语境下与 ST 形成呼应。
2. 工具层：SpatialQM 与 STP 把质控从"论文里的方法论"变成"人人可用的软件与门户"，降低了社区采纳标准化实践的门槛。
3. 社区层：STSOP 通过 protocols.io 公开，配合 St. Jude 的托管维护，使 ST 成为一个有机构背书的长期公共资源，而非一次性发表的数据集。

7.3 与 SAHA 项目的关系

ST 数据通过 SAHA（Spatial Atlas of Human Anatomy） 项目体系发布。SAHA 是一个旨在生成健康人体组织多模态高分辨率空间组学参考的大型计划，每个数据包对应一次测序/成像 run，包含原始与/或处理后的空间转录组/蛋白组数据，并按组织、状态、切片 ID、机构代码、assay、panel 等元数据组织。ST 与 SAHA 共享 CC BY 4.0 许可与 Zenodo 发布基础设施，可视为同一空间多组学生态下的姊妹项目。

7.4 局限性与未来方向

论文作者坦率指认了两点局限：

• 仓库尚不穷尽（not exhaustive）：6 种组织的自产数据样本量相对有限，需要持续扩展以覆盖更多组织、平台、实验场景；
• 指标并非静止（not stagnant）：质量指标的期望值会随技术演进而更新，ST 的基准是动态的、跟随领域的。

这一"自我修正"的姿态本身是 ST 方法论的一部分：承认没有绝对金标准，因此基准必然随技术发展迭代，而这正是维持一个长期有用质控体系的前提。

7.5 库内定位小结

在千方病案医数集的空间转录组条目群中，Spatial Touchstone 的独特性在于**"质控基准"而非"数据规模"的定位。它不追求切片最多、细胞最多的记录，而是提供判断"数据是否合格"的标尺。检索者若关心的是方法比较、跨平台/跨站点重建性、实验质量评估**，ST 是首选；若关心的是大规模空间+病理配对训练数据，则应转向 hest-1k（rid=522）。详细的库内关系见 §9。

7.6 与同类标准化努力的对照

空间组学领域的标准化并非 ST 一家在推动。把 ST 放在更广的方法学努力图谱中，可更清晰理解其位置：

• 数据分享标准：Jackson & Pachter（Cell Genomics 2023）提出的"空间转录组数据分享标准"，关注的是元数据规范与数据格式统一；ST 关注的是质量指标，二者是标准化问题的不同侧面；
• 平台比较研究：如 Cook et al.（bioRxiv 2023，ST 团队的早期工作）、Rademacher et al.（Genome Biol 2025）、Lermi et al.（Nat Commun 2025）等，做了不同平台/样本的比较；ST 的差异化在于跨站点重复与持续性质控基础设施，而非单次比较；
• 数据库/门户：SODB（Spatial Omics DataBase, Nat Methods 2023）等侧重数据聚合检索，ST 的 STP 侧重质量对照决策。

ST 的独特贡献是把这些分散的努力，整合为一套可交互使用的质控基础设施，并通过 CC BY 4.0 与开源降低了采纳门槛。

7.7 引用与学术谱系

ST 论文引用了一批空间组学的奠基性工作（如 Bressan 等"空间组学的黎明"Science 2023、Vandereyken 等单细胞与空间多组学方法 Nat Rev Genet 2023），显示其方法学是建立在前人共识之上。同时，ST 已成为被后续工作引用的基准（seqout/PubMed 口径 18 citations）。这一"引用奠基 + 被后续引用"的双向关系，是 ST 成为领域基础设施的标志。

7.8 对下游研究与临床转化的潜在意义

虽然 ST 目前以科研基础设施定位，但其潜在影响延伸到临床转化：

• 质控前置可降低转化研究成本：临床上若要用空间组学做诊断/分型，数据质量必须可控；ST 提供的标尺可直接服务于临床级空间实验的质控；
• 跨机构可比性是多中心研究的前提：ST 的跨站点重现性框架，为多中心空间组学研究的可比性提供了方法学模板；
• 标准化是监管与合规的基础：任何要将空间组学推向常规医疗的努力，都离不开类似 ST 的标准化基线。

当然，这些潜在意义仍是前瞻性的——ST 当前明确以学术用途为主，其临床转化路径尚需更长的时间与更多验证。

§8 方法学启示与使用建议

8.1 三条可迁移的方法学经验

经验一：把"正常长什么样"显式量化，是质控的前提。
传统空间实验的质控多依赖研究者的经验直觉，缺乏可复核的基线。ST 的做法是把"正常样本的指标区间"显式建立起来（TPC/TPA/SNR 等），让"这份数据是否异常"成为可计算的问题。任何构建质控体系的项目都可借鉴这一思路：先建立多源重复的参照系，再定义偏离阈值。

经验二：跨站点重复是分离技术变异的唯一可靠手段。
单站点实验里，样本、仪器、操作员的影响与生物学信号纠缠。ST 通过"同块切片 + 多站点 + 双平台"的设计，把技术变异变成可观测量。对于任何关心可复现性的多机构协作，这一设计范式值得照搬。

经验三：开放许可 + 在线门户，让标准化实践真正落地。
方法论写在论文里往往无人执行；ST 用 CC BY 4.0 开放数据、开源 SpatialQM、在线 STP 门户与 protocols.io 上的 STSOP，把标准化从"提倡"变成"可用工具"。工具的可得性，决定了标准能被多少人真正采纳。

8.2 对使用者的实操建议

• 做空间实验前：先跑一张初步切片，用 STP 或 SpatialQM 对照 ST 指标库，判断样本与流程是否达标，避免全量投入后才发现质量问题；
• 做跨平台比较时：务必对齐基因 panel（Xenium 377/380 vs CosMx 950+50），并在指标层面分平台分层比较，避免把 panel 覆盖差异误读为平台性能差异；
• 做多站点协作时：优先采纳 STSOP 的协议，统一切片与操作流程，这是获得高重现性的前提；
• 引用与署名：使用 ST 数据应引用其 Nature Biotechnology 论文，满足 CC BY 4.0 的署名义务。

8.3 对 AI-Ready 场景的价值

对于构建空间生物学 AI 模型（如细胞类型注释、空间域识别、基因表达预测）的团队，ST 的价值主要体现在质控与划分参照：

• 用 ST 的跨站点重复数据检验模型对技术批次的鲁棒性；
• 用 ST 的单细胞一致性参照（snRNA-seq）评估模型的生物学可信度；
• 用 ST 的指标基线筛选训练数据的质量，避免用低质数据污染训练集。

需要明确的是，ST 不是为"大规模病理-表达配对训练"设计的（这是 hest-1k 的强项），其定位是基准与质控。

8.4 从 ST 看"标准"如何被社区采纳

ST 的经验揭示了一个更普遍的问题：好的标准为什么能被采纳？ 答案往往不在标准本身的正确性，而在采纳成本。ST 的成功要素可归纳为三点：

1. 零许可门槛：CC BY 4.0 + 开源软件，团队无需法务审批即可使用；
2. 零安装门槛：STP 门户在线即可用，无需本地部署——对没有计算资源的湿实验团队尤其友好；
3. 清晰的决策价值：用户能立刻看到"通过/不通过"的判断，而抽象的方法论无法提供这种即时反馈。

这对任何试图推动标准化的项目都有借鉴意义：把标准做成工具，比把标准写成论文更有传播力。

8.5 局限与未竟之问

ST 的作者坦陈其局限，这些"未竟之问"也指明了后续方向：

• 广度之问：六种组织太少，何时能覆盖全部主要组织类型？
• 动态之问：指标随技术演进，如何维护一个"活的"基准而不使其失效？
• 跨模态之问：转录组评测已相对成熟，蛋白组、代谢组等其他空间模态的评测标准何时补齐？
• 金标准之问：在无绝对真值的前提下，相对基准能走多远？

这些问题的开放性，恰恰说明 ST 是一个进行中的事业，而非完成的终点。

§9 与库内条目的关系

9.1 家族图谱

千方病案医数集内与 Spatial Touchstone 同域（空间转录组/空间组学）的在架条目包括：

• hest-1k（rid=522）：HEST-1k，MahmoodLab 发布的空间转录组 + H&E 配对基准（NeurIPS 2024），1,229 个 ST 样本、153 队列、210 万 expression-morphology pairs。同为空间转录组评测资源，但定位不同：HEST-1k 偏"空间表达 + 病理图像配对"的基础模型基准（HEST-Benchmark 预测高变基因），Spatial Touchstone 偏"跨站点跨平台的技术性能/重现性质控"。两者在"用空间数据做基准"这一点上同域，在"评什么"上互补。
• sthelar（rid=1099）：库内另一空间转录组条目，同域不同团队/资源。
• ivy-gap（rid=448）：Ivy Glioblastoma Atlas Project，空间转录组/胶质瘤图谱，同域不同疾病方向。

9.2 与 hest-1k 的边界声明

这是库内最需要澄清的一对条目，检索者易混淆，故逐点对照：

维度	Spatial Touchstone（本条）	HEST-1k（rid=522）
发布方	St. Jude + Weill Cornell + Adelaide	MahmoodLab（哈佛）
论文	Nature Biotechnology 2026	NeurIPS 2024 D&B Spotlight
核心定位	跨站点跨平台重现性质控基准	空间表达 + H&E 配对基础模型基准
侧重平台	影像型（Xenium、CosMx SMI）	测序型为主（Visium、Visium HD）+ 部分 Xenium
评测对象	数据本身的技术性能（TPC/SNR/FDR…）	基础模型预测高变基因的能力（Pearson r）
配套	SpatialQM 软件 + STP 门户 + STSOP	HEST-Benchmark 榜单 + hest 库
许可	CC BY 4.0（Zenodo/SAHA）	CC BY-NC-SA 4.0（HF gated）
结论	勿合并——同名域、不同定位、不同许可，互补关系	同左

一句话区分：HEST-1k 回答"哪个模型更能从 H&E 预测空间表达"；Spatial Touchstone 回答"这份空间数据本身跑得好不好"。前者评模型，后者评数据。

9.3 检索路径建议

• 想找影像型空间平台的技术性能基准 / 质控工具 → spatial-touchstone（本条）
• 想找空间表达 + 病理图像配对的大规模训练/评测数据 → hest-1k（rid=522）
• 想找特定疾病（如胶质瘤）的空间图谱 → ivy-gap（rid=448）
• 想找其他空间转录组资源 → sthelar（rid=1099）

9.4 建议互链点

建议在库内条目间建立如下互链（rid 占位，由主会话入库后回填）：

• spatial-touchstone ↔ hest-1k（rid=522）：同域互补（数据质控 vs 模型基准）
• spatial-touchstone ↔ sthelar（rid=1099）：同域空间转录组资源
• spatial-touchstone ↔ ivy-gap（rid=448）：同域不同疾病方向

§10 避坑清单：八个已踩过的坑

坑 1：「203 张切片」是近似表述，准确口径是「203 个空间 profile」

坑：把 203 直接理解为物理切片张数。实情：203 = 公共 PUB 127 + ST 自产 76，是**分析单位（profile）**的计数，公共部分来自多个已发表数据集，并非 ST 团队切了 203 张片子。规避：涉及规模时明确"203 个空间 profile"，需指明切片数时区分公共/自产口径。

坑 2：SpatialQM 与 SpatialQC 是同一软件的两种写法

坑：以为 SpatialQM 和 SpatialQC 是两个不同软件，重复检索。实情：论文、GenomeWeb、St. Jude 新闻稿称 SpatialQM；GEO 摘要原文写 SpatialQC。两者应指同一开源软件（GitHub 仓库名为 SpatialQM）。规避：两种写法都作为检索关键词，代码以 GitHub 的 Center-for-Spatial-OMICs/SpatialQM 为准。

坑 3：把门户 STP 当数据下载站

坑：期望在 www.spatialtouchstone.org 直接下载全量原始数据。实情：STP 是在线质控门户（上传样本、对照指标、查看报告），数据下载走 GEO/Zenodo。规避：数据获取用 GSE277080 或 Zenodo SAHA；STP 用于交互式质控。

坑 4：平台基因 panel 规模不同，直接比原始计数会出错

坑：直接把 Xenium 与 CosMx 的原始转录本计数放在一起比较。实情：Xenium 靶向 377/380 基因，CosMx 靶向 950+50 基因，panel 覆盖差异巨大。规避：跨平台比较前对齐基因集，并在指标层面分平台分层（论文图 2 即按平台分层呈现）。

坑 5：把 r=0.93–1.0 当作单一全局定值

坑：引用时写"重现性 r=1.0"。实情：摘要是区间 0.93–1.0，其具体指代（跨站点/跨平台/技术重复）需结合正文核实。规避：保留区间表述，注明其具体比较对象需查论文 Fig. 2。

坑 6：误以为 GEO 页面自带 CC 许可

坑：在 GEO 页面上找 CC BY 声明却找不到，误判许可不明。实情：GEO 是 NCBI 存档平台，许可由作者在投稿/托管时选定；ST 的开放许可明确体现在其 Zenodo/SAHA 托管数据上（CC BY 4.0）。规避：许可以论文 Data availability 指向的 Zenodo/SAHA 为准；如需 GEO 侧条款，单独查 NCBI GEO Terms。

坑 7：把 ST 与 HEST-1k 混为一谈

坑：以为两者是同类"空间转录组数据集"，可互相替代。实情：定位、许可、评测对象均不同（见 §9.2）。规避：ST 评数据质量，HEST-1k 评模型能力；两者互补，勿合并。

坑 8：忽略"站点数 3 还是 4"的图注与正文差异

坑：见"3 个站点"又说"4 个站点"，以为矛盾。实情：正文主体强调 3 个生成 ST 数据的全球站点（UoA/WCM/SJH）；图 1 流程另标注 10x Genomics 总部为 Site4（额外汇总运行）。规避：表述为"3 个数据生成站点，另有 10x Genomics 汇总运行"，避免数字冲突。

检索提示：Spatial Touchstone 是一个动态演进的项目（作者明言指标"not stagnant"、仓库"not exhaustive"）。检索其最新状态时，应以论文正文、GEO GSE277080 更新记录与 STP 门户为准，避免依赖静态二手描述。

§10.5 检索与使用 FAQ 补充

关于规模数字

Q：为什么不同来源的数字看起来不一致？
因为 ST 涉及三种口径：profile 数（203）、自产细胞数（800 万+）、全库细胞数（约 3300 万）。引用时必须标注口径，否则会与其他条目（如 hest-1k 的 1229 样本）产生混淆。

Q：203 里有多少是 ST 团队自己生成的？
76 个（自产 assay），其余 127 个是策展的公共数据集。

关于平台

Q：为什么两个平台的基因数差这么多？
Xenium 的产品设计走"高灵敏、靶向精准"路线（377/380 基因），CosMx 走"更大 panel"路线（950+50 基因）。这是厂商策略差异，非质量问题；跨平台比较必须对齐基因集。

Q：能只用其中一个平台的数据吗？
可以。但只用单平台会失去 ST 的核心价值——跨平台互证。若目的是跨平台比较或质控，建议两平台数据都取用。

关于许可

Q：CC BY 4.0 能商用吗？
能。CC BY 4.0 允许商业使用，条件是署名。但须注意：STP 门户本身是学术用途服务，商用其在线上传比对功能可能与其条款冲突——数据可商用，门户服务另论。

Q：为什么 GEO 上找不到明确的 CC 声明？
GEO 作为存档平台不强制显示单个数据集的 CC 许可；ST 的开放许可通过其 Zenodo/SAHA 托管体现。这是存储策略而非"许可不明"。

关于使用场景

Q：我能用 ST 训练细胞注释模型吗？
可以，且 ST 的 snRNA-seq 参考与跨站点重复数据对评估模型鲁棒性很有价值。但若需要大规模病理-表达配对训练集，应结合 hest-1k。

Q：ST 会继续更新吗？
会。作者明确表示仓库将扩展、指标将演进，STP 门户接受用户上传并动态增长。使用时应关注最新状态。

§10.6 与相近资源的横向对照

为帮助检索者快速定位，列出空间组学领域几个常被一起提及的资源及与本库条目的关系：

资源	类型	组织/规模	与本库关系
Spatial Touchstone	影像型 ST 质控基准	6 组织 / 203 profile	本条目
HEST-1k	ST + H&E 配对基准	26 器官 / 1,229 样本	库内，rid=522
Ivy GAP	胶质瘤空间图谱	脑（GBM）	库内，rid=448
sthelar	空间转录组	—	库内，rid=1099
SAHA	健康人组织空间图谱	多组织	ST 的发布生态（姊妹项目）

选择原则：评数据质量选 ST；评模型能力选 HEST-1k；查特定疾病图谱选对应专用资源；查泛组织健康参考可选 SAHA 生态。

§11 总结

11.1 三句话总结

1. Spatial Touchstone 是影像型空间转录组领域首个系统性的标准化评测与质控基准，由 St. Jude 牵头、三站点双平台（Xenium + CosMx SMI）跨机构重复完成。
2. 其核心资产是 203 个空间 profile（公共 127 + 自产 76）、约 800 万+细胞，覆盖六种 FFPE 组织，报告跨站点/跨平台重现性 r = 0.93–1.0。
3. 它不止是数据集，更是一套基础设施：SpatialQM 软件 + Spatial Touchstone Portal 门户 + STSOP 标准操作流程，把"空间数据该长什么样"从经验直觉变成可计算、可对照、可决策的量化标尺。

11.2 适合谁

• 空间生物学研究者：需要判断自己的空间实验数据是否达标、是否值得继续分析；
• 平台用户：使用 Xenium、CosMx SMI 等影像型平台的团队，需要跨平台/跨站点的性能参照；
• 生物信息工程师：需要一套可复现的质控指标实现（SpatialQM）与基线数据；
• 方法学团队：研究空间转录组技术性能、重现性、批次效应的研究者；
• AI 建模团队：需要高质量参照数据来评估模型鲁棒性与生物学可信度。

11.3 不适合谁

• 寻求大规模病理-表达配对训练数据的团队：ST 不是为训练设计的，应转向 hest-1k（rid=522）；
• 需要特定疾病深度图谱者：ST 仅覆盖六组织、两类癌，深度有限，应转向对应疾病的专用图谱（如 ivy-gap）；
• 需要测序型（全转录组）空间数据者：ST 聚焦影像型靶向 panel，全转录组需求应转向 Visium 等测序型资源。

11.4 30 秒决策卡

你的需求	建议
判断空间数据质量是否达标	✅ 用 STP 或 SpatialQM 对照 ST 指标库
跨平台/跨站点性能基准	✅ 直接用 ST 的 r=0.93–1.0 与分层指标
复现实验流程	✅ 采纳 STSOP（protocols.io）
下载空间转录组原始数据	✅ GEO GSE277080 / Zenodo SAHA
训练病理-表达配对模型	❌ 转向 hest-1k（rid=522）
特定疾病空间图谱	❌ 转向专用图谱（如 ivy-gap rid=448）

FAQ（高频问答）

Q：Spatial Touchstone 是数据集还是软件？
都是。它是"参考数据集 + 质控软件 SpatialQM + 在线门户 STP + 标准操作流程 STSOP"的四位一体工程。本条目描述的核心是参考数据集（203 个空间 profile）。

Q：203 是怎么算出来的？
公共 PUB 127 + ST 自产 76 = 203 个空间 profile。注意这是分析单位（profile）而非物理切片张数。

Q：数据在哪下载？
GEO GSE277080（原始 + 处理后矩阵）与 Zenodo SAHA 社区（https://zenodo.org/communities/saha）两条路径，论文 Data availability 明示。

Q：许可是什么？能商用吗？
一手核实为 CC BY 4.0（Zenodo/SAHA 口径），允许自由使用、改编、分发，包括商业用途，条件是署名。署名即引用其 Nature Biotechnology 论文。

Q：用了哪些平台？
10x Genomics Xenium（377/380 基因 panel）与 Bruker CosMx SMI（950+50 基因 panel），另含 NanoString 64-plex 蛋白 panel。

Q：覆盖哪些组织？
六种：阑尾、结肠、胰腺、回肠（正常）+ 乳腺、前列腺（癌）。

Q：跨哪些站点？
三个数据生成站点：University of Adelaide（Site1）、Weill Cornell Medicine（Site2）、St. Jude（Site3）；另有 10x Genomics 总部作为汇总运行站点（Site4）。

Q：重现性有多高？
论文报告 r = 0.93–1.0，具体指代需结合论文正文核实。

Q：和金标准（金标准缺失）怎么办？
ST 明确承认领域无独立金标准，因此以标准化协议（STSOP）提供相对客观的技术性能评估，而非声称绝对真值。

Q：SpatialQM 和 SpatialQC 是同一个吗？
是。论文侧写作 SpatialQM，GEO 摘要写作 SpatialQC，GitHub 仓库名为 SpatialQM。

Q：STP 门户要收费吗？
门户定位为学术用途（designed for academic use），含使用免责声明。具体是否收费、上传数据的条款需以门户自身条款为准。

Q：它和 HEST-1k 什么关系？
同域（空间转录组）不同定位。ST 评数据质量，HEST-1k 评模型能力；互补，勿合并（见 §9.2）。

Q：能拿它做 AI 训练吗？
可用于评估与质控参照，但 ST 不是为大规模训练设计的。若目标是训练病理-表达配对模型，应转向 hest-1k。

Q：数据体量多大？
门户侧提到单样本 TB 级量级（“analyzing a terabyte of data is a lot of work”）。自产部分约 800 万+细胞；含公共部分的指标库约 3300 万细胞、70 亿转录本。

Q：论文什么时候发表的？
Nature Biotechnology，online 2025-12（St. Jude/GenomeWeb 报道日），卷期署 2026；doi:10.1038/s41587-025-02811-9；PMID 41339526。

Q：ST 数据有多大体积？
门户侧提到单样本可达 TB 级（Plummer：“analyzing a terabyte of data is a lot of work”）。全量含公共集规模更大。下载前建议按组织/平台选择性获取，而非全量拉取。

Q：不用 STP 门户，能只下载数据吗？
可以。GEO GSE277080 与 Zenodo SAHA 提供直接下载，无需门户账号。门户是额外的在线比对工具，非数据获取必经之路。

Q：ST 和 SAHA 是一回事吗？
不是同一项目，但共享发布生态。SAHA 是"健康人组织空间图谱"计划，ST 是"技术质控基准"。ST 数据经 SAHA 的 Zenodo 社区发布，两者同在 CC BY 4.0 下。

Q：如何引用 ST？
引用论文：Plummer JT, Dezem FS, Cook DP, Park J, et al. Standardized metrics for assessment and reproducibility of imaging-based spatial transcriptomics datasets. Nature Biotechnology (2026). doi:10.1038/s41587-025-02811-9。这也是满足 CC BY 4.0 署名义务的方式。

Q：ST 有中文资料吗？
目前一手资料（论文、门户、GEO）均为英文。本条目即是面向中文检索者的系统梳理。

Q：如果我的样本没通过 STP 质控怎么办？
按 ST 的定位，这正是质控的价值——及时止损。建议：检查样本处理与切片流程是否符合 STSOP；调整后重跑初步切片再对照；必要时联系门户社区获取经验。

Q：ST 会覆盖更多平台吗？
作者表示指标与仓库将随领域演进扩展。当前核心评测聚焦 Xenium 与 CosMx，但公共集已含 Merscope 等其他平台数据。

Q：ST 的指标能直接用于临床决策吗？
不能。ST 是科研基础设施，门户明确为学术用途，其指标用于研究场景的数据质控，不构成临床诊断依据。

Q：跨站点重现性为什么这么重要？
因为空间实验常涉及多机构协作。若不同站点结果不一致，生物学结论就不可信。ST 的 r=0.93–1.0 证明：在严格 SOP 下，跨站点可比性是可达成的——这为多中心空间研究提供了信心与模板。

事实清单（硬事实）

#	事实	来源
1	数据集名 Spatial Touchstone（ST）	GSE277080
2	GEO accession GSE277080	NCBI GEO
3	BioProject PRJNA1160328	seqout
4	203 个空间 profile = 公共 127 + 自产 76	GSE277080 摘要
5	6 种组织：阑尾/结肠/胰腺/回肠/乳腺/前列腺	GSE277080 overall design
6	3 个全球站点（UoA/WCM/SJH）	GSE277080 + 新闻稿
7	76 个 ST 自产 assay	GSE277080
8	约 800 万+细胞（FFPE）	GenomeWeb
9	含公共约 3300 万细胞 / 70 亿转录本	GenomeWeb
10	重现性 r = 0.93–1.0	GSE277080 摘要
11	平台：Xenium + CosMx SMI	GSE277080
12	Xenium panel：377 / 380 基因	GSE277080
13	CosMx panel：950 + 50 基因	GSE277080
14	蛋白 panel：NanoString 64-plex	GSE277080
15	snRNA-seq n=6（snPATHO-seq）	GSE277080
16	H&E n=44	GSE277080
17	GEO n=126 total	GSE277080
18	论文 Nature Biotechnology 2026	DOI 10.1038/s41587-025-02811-9
19	PMID 41339526	PubMed
20	牵头 St. Jude Children’s Research Hospital	新闻稿
21	共同一作/通讯 Jasmine Plummer	新闻稿
22	共同通讯 Christopher Mason、Luciano Martelotto	新闻稿
23	软件 SpatialQM（亦称 SpatialQC）	GEO + 新闻稿
24	GitHub Center-for-Spatial-OMICs/SpatialQM	论文 Code availability
25	门户 www.spatialtouchstone.org	GSE277080 摘要
26	STSOP 发布于 protocols.io	新闻稿
27	许可 CC BY 4.0（Zenodo/SAHA 口径）	Zenodo SAHA 记录
28	数据经 GEO + Zenodo 获取	论文 Data availability
29	引用数 18（seqout/PubMed 口径）	seqout
30	更正历史 2026-04-08（Fig.2 引用）	Nature 页
31	质控指标 TPC/TPA/SNR/Entropy/MECR	论文 + 新闻稿
32	评测维度含 FDR、细胞类型注释一致性	GSE277080 摘要
33	门户按组织/平台筛选指标	论文 STP 描述
34	支持上传 CosMx/Xenium flat files 对照	论文 STP 描述
35	提供 Query by ID / Database Explorer	论文 STP 描述
36	门户含 YouTube 教程	论文 STP 描述
37	数据经集中切片后分发三站点	新闻稿
38	公共集含 Merscope 等平台数据	GenomeWeb
39	论文 2026-04-08 更正 Fig.2 引用	Nature 页
40	关联 SAHA 项目（同 Zenodo 社区与许可）	Zenodo SAHA 记录
41	团队含 Garvan、Lunenfeld-Tanenbaum、Ottawa 等	新闻稿
42	作者 28 人（含 4 位共同一作）	新闻稿作者列

术语表

术语	英文	释义
空间转录组	spatial transcriptomics (ST)	同时获取基因表达与组织空间位置的技术
影像型空间转录组	imaging-based ST	基于原位成像（如 Xenium/CosMx）的 ST，靶向 panel，单细胞/亚细胞分辨率
Xenium	Xenium	10x Genomics 的影像型空间平台
CosMx SMI	CosMx Spatial Molecular Imager	Bruker（原 NanoString）的影像型空间平台
FFPE	formalin-fixed paraffin-embedded	福尔马林固定石蜡包埋，临床常规保存方式
snRNA-seq	single-nucleus RNA sequencing	单核 RNA 测序，用于建立参考转录谱
snPATHO-seq	—	一种适用于 FFPE 的 snRNA-seq 方法
重现性	reproducibility	不同条件（站点/平台/时间）下结果的一致性
信噪比	SNR	真实信号与背景噪声之比
TPC	transcripts per cell	每细胞转录本数
TPA	transcripts per area	单位面积转录本总数
FDR	false discovery rate	假发现率
质控	quality control (QC)	对数据质量进行量化评估与控制
门户	Portal (STP)	在线质控与比对平台
SOP	standard operating procedure	标准操作流程
STSOP	Spatial Touchstone SOP	ST 项目的标准操作流程
金标准	gold standard	绝对真值参照（ST 领域公认缺失）
交叉重复	cross-institute replicates	多机构对同一样本的重复测量
公开许可	CC BY 4.0	署名即可广泛重用（含商用）的开放许可

（术语补充）

术语	英文	释义
空间多组学	spatial multi-omics	在空间维度同时测量多种分子模态（转录组+蛋白组等）
靶向 panel	targeted panel	预选的基因/蛋白集合，影像型平台据此探测
全切扫描	full scan	对整个组织切片成像，非抽样区域
细胞分割	cell segmentation	从图像中划分单个细胞边界的过程
批次效应	batch effect	因处理批次不同引入的系统性技术变异
动态范围	dynamic range	技术能线性测量的表达量跨度
特异性	specificity	正确排除非目标信号的能力
主成分分析	PCA	常用降维方法（HEST-Benchmark 用到）
空间域	spatial domain	组织中被划分为功能/结构一致的区域
细胞邻域	cellular neighborhood	细胞周围的组织微环境组成

附录

附录 A：条目信息速查卡

项	值
条目 slug	spatial-touchstone
官方名	Spatial Touchstone (ST)
GEO	GSE277080
BioProject	PRJNA1160328
论文	Nature Biotechnology 2026, doi:10.1038/s41587-025-02811-9
PMID	41339526
规模	203 空间 profile（公共 127 + 自产 76）
组织	阑尾/结肠/胰腺/回肠/乳腺/前列腺
平台	Xenium + CosMx SMI（+ NanoString 64-plex 蛋白）
门户	www.spatialtouchstone.org
软件	SpatialQM（GitHub Center-for-Spatial-OMICs/SpatialQM）
SOP	STSOP @ protocols.io
许可	CC BY 4.0（Zenodo/SAHA 口径）
库内互链	hest-1k(522)、sthelar(1099)、ivy-gap(448)

附录 B：DAIMS 评估全表

DAIMS（Data Asset Information Maturity Score，数据资产信息成熟度）从六个维度评估条目质量：

维度	评分	依据
Discoverability（可发现性）	优	GEO/BioProject/Zenodo/门户/PubMed 五路径可检索，DOI/PMID 齐备
Accessibility（可获取性）	优	数据经 GEO + Zenodo 开放获取，CC BY 4.0 允许广泛重用
Interoperability（互操作性）	良	flat files（CosMx/Xenium）为标准格式；跨平台需对齐基因 panel
Metadata（元数据）	优	Supplementary Table 4 载 GEO accession 等详元数据；SAHA 按 run 组织
Sustainability（可持续性）	优	St. Jude 长期托管维护，指标动态演进，有机构背书
综合（Composite）	优	数据 + 软件 + 门户 + SOP 四位一体，生态完整度高

注：ST 的主要扣分项在互操作性——两平台 panel 规模不一致，跨平台比较需人工对齐；以及金标准缺失导致的基准相对性。整体仍属数据资产成熟度第一梯队。

附录 C：逐项证据链自证

主张	证据
203 = 127 + 76	GSE277080 摘要原文 “a total of 203 spatial profiles… both public (n=127) and ST datasets (n=76)”
6 种组织	GSE277080 “six tissue types… appendix/AP, colon/CO, pancreas/PA, ileum/IL… breast/BR and prostate/PR”
双平台	GSE277080 “Xenium and CosMx SMI”
r=0.93–1.0	GSE277080 “high reproducibility (r=0.93 to 1.0)”
800 万+细胞	GenomeWeb “more than 8 million cells”
CC BY 4.0	Zenodo SAHA “released under the Creative Commons Attribution 4.0 International (CC BY 4.0) license”
GEO+Zenodo 双路径	论文 Data availability “via the GEO (GSE277080) and via Zenodo (https://zenodo.org/communities/saha)”
SpatialQM 代码	论文 Code availability “GitHub (https://github.com/Center-for-Spatial-OMICs/SpatialQM)”

附录 D：数据获取决策树

需求
 ├─ 原始/处理后数据 ──► GEO GSE277080
 ├─ 开放许可数据包 ──► Zenodo SAHA 社区
 ├─ 本地质控计算 ────► SpatialQM（GitHub）
 ├─ 在线样本对照 ────► STP 'Submit Sample'
 ├─ 实验流程复现 ────► STSOP（protocols.io）
 └─ 论文与元数据 ────► DOI 10.1038/s41587-025-02811-9 + Supplementary Tables 1-5

附录 E：指标速查

指标	含义	用途
TPC	每细胞转录本数	细胞捕获效率
TPA	单位面积转录本总数	组织整体检出力
SNR	信噪比	信号质量
normalized TPN	归一化每核转录本数	跨样本可比
Entropy	表达分布熵	信息复杂度
MECR	技术性能指标	综合评估
FDR	假发现率	特异性

附录 F：库内互链声明（入库存照）

• spatial-touchstone ↔ hest-1k (rid=522)：同域空间转录组评测资源。ST 评数据质量（技术性能/重现质控），HEST-1k 评模型能力（H&E→表达预测，HEST-Benchmark）。许可不同（CC BY 4.0 vs CC BY-NC-SA 4.0）。勿合并。
• spatial-touchstone ↔ sthelar (rid=1099)：同域空间转录组条目，团队/资源不同。
• spatial-touchstone ↔ ivy-gap (rid=448)：同域不同疾病方向（ST 泛组织质控 vs 胶质瘤图谱）。

附录 G：来源清单

来源	URL
GEO GSE277080	https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE277080
BioProject PRJNA1160328	https://www.ncbi.nlm.nih.gov/bioproject/PRJNA1160328
论文（Nature）	https://www.nature.com/articles/s41587-025-02811-9
DOI	https://doi.org/10.1038/s41587-025-02811-9
PubMed	https://pubmed.ncbi.nlm.nih.gov/41339526
Zenodo SAHA	https://zenodo.org/communities/saha
SAHA 许可记录	https://zenodo.org/records/16621744
GitHub 代码	https://github.com/Center-for-Spatial-OMICs/SpatialQM
St. Jude 新闻稿	https://www.stjude.org/media-resources/news-releases/2025-medicine-science-news/spatial-touchstone-brings-quality-control-to-spatial-transcriptomics.html
GenomeWeb 报道	https://drupal-prod.genomeweb.com/node/646576
STP 门户	www.spatialtouchstone.org
教程视频	https://www.youtube.com/watch?v=I_ooOqggoUg

附录 H：实验设计矩阵速查

ST 自产数据的实验设计可展开为以下矩阵（示意）：

组织	状态	平台 1	平台 2	站点
阑尾 AP	正常	Xenium	CosMx	UoA/WCM/SJH
结肠 CO	正常	Xenium	CosMx	UoA/WCM/SJH
胰腺 PA	正常	Xenium	CosMx	UoA/WCM/SJH
回肠 IL	正常	Xenium	CosMx	UoA/WCM/SJH
乳腺 BR	癌	Xenium	CosMx	UoA/WCM/SJH
前列腺 PR	癌	Xenium	CosMx	UoA/WCM/SJH

说明：上表为设计维度的示意展开；每个"组织×平台"组合的具体 replicate 数与站点归属，论文 Supplementary Table 4 载明。

附录 I：质控指标计算口径表

指标	计算口径（概略）	解读要点
TPC	总转录本数 / 细胞数	越高越好，但受细胞分割质量影响
TPA	总转录本数 / 组织面积	反映整体检出力密度
SNR	真实信号强度 / 背景噪声	平台性能核心指标
normalized TPN	归一化每核转录本数	用于跨样本可比
Entropy	表达分布的信息熵	过高可能是噪声，过低可能是检测不足
MECR	综合技术指标	见论文定义
FDR	错误检出 / 总检出	越低越好

注：精确计算式以 SpatialQM 源码与论文方法部分为准；上表用于检索者建立直觉。

附录 J：跨平台比较注意事项

1. panel 对齐：Xenium（377/380）与 CosMx（950+50）基因集不同，比较前须取交集或做映射；
2. 分层呈现：按平台分层展示指标，避免合并后误读；
3. 细胞分割差异：两平台的细胞边界定义可能不同，影响 TPC 等细胞级指标；
4. 归一化：用 normalized 指标（如 normalized TPN）增加可比性；
5. 批次效应：跨站点数据已通过统一切片与 SOP 部分控制，但仍建议做批次校正后比较。

附录 K：给 AI 建模团队的检查表

• [ ] 用 ST 跨站点数据测试模型对技术批次的鲁棒性；
• [ ] 用 snRNA-seq 参考评估模型注释的生物学可信度；
• [ ] 用 ST 指标基线过滤训练数据质量；
• [ ] 区分"与 ST 自产基准比"与"与公共集分布比"；
• [ ] 若需大规模配对训练集，另取 hest-1k（rid=522）互补；
• [ ] 引用论文以满足 CC BY 4.0 署名义务。

附录 L：术语中英对照速查（补充）

中文	英文
影像型空间转录组	imaging-based spatial transcriptomics
空间蛋白组	spatial proteomics
全切片扫描	full scan of the entire section
集中切片	centralized sectioning
跨机构重复	cross-institute replicates
标准操作流程	standard operating procedure (SOP)
质量指标	quality metrics
重现性	reproducibility
动态范围	dynamic range
假发现率	false discovery rate
细胞类型注释	cell type annotation
单细胞一致性	congruence with single-cell profiling

附录 M：ST 与 SAHA 的关系细读

SAHA（Spatial Atlas of Human Anatomy） 是一个生成健康人体组织多模态高分辨率空间组学参考的大型项目。ST 数据通过 SAHA 的 Zenodo 社区发布，二者关系可归纳为：

• 共享基础设施：同用 Zenodo SAHA 社区、同用 CC BY 4.0 许可；
• 数据组织一致：均按"一次 run 一个数据包"组织，元数据字段体系相同（organ/state/slide/institution/assay/panel）；
• 项目定位差异：SAHA 侧重"健康人组织图谱"的广度，ST 侧重"技术性能质控"的方法学；
• 互引关系：SAHA 记录引用 ST 论文（Plummer et al., Nat Biotechnol, in press）。

检索者若需要更宽的健康组织空间参考，可一并关注 SAHA 生态；若需要技术质控基准，则以 ST 为主。

附录 N：常见误读对照表

误读	正解
203 张切片	203 个空间 profile（含公共 127）
重现性 r=1.0	区间 r=0.93–1.0，具体指代需核实
SpatialQM = SpatialQC？	是，同一软件两种写法
ST 是数据下载站	ST 是"数据+软件+门户+SOP"基础设施
GEO 无 CC 声明=许可不明	ST 开放许可在 Zenodo/SAHA，为 CC BY 4.0
与 HEST-1k 同类可替代	定位不同，互补勿合并
800 万细胞=全库	800 万为自产，全库约 3300 万

附录 O：版本与时间线

时间	事件
2025-07-27/28	GSE277080 最后更新
2025-12-08（前后）	Nature Biotechnology online 发表（St. Jude/GenomeWeb 报道日）
2026-01-29	PRJNA1160328 最后更新
2026-04-08	论文更正 Fig.2 引用
2026	卷期署年

附录 P：核心结论一页纸

Spatial Touchstone 通过"同块切片 + 三站点 + 双平台"的严格交叉重复设计，首次为影像型空间转录组建立了可量化、可对照、可复用的质量基准。其 203 个空间 profile（公共 127 + 自产 76）、约 800 万+细胞、r=0.93–1.0 的跨站点重现性，配合 SpatialQM 软件、STP 门户与 STSOP 协议，把"这份空间数据能不能用"从经验直觉变成数字判断。数据以 CC BY 4.0 开放，经 GEO GSE277080 与 Zenodo SAHA 获取。它与库内 hest-1k（评模型）、ivy-gap（疾病图谱）、sthelar 构成空间组学条目群，定位互补、勿合并。

附录 Q：与其他空间基准的多维对照

维度	Spatial Touchstone	HEST-1k	Ivy GAP
主平台	Xenium + CosMx	Visium + Xenium	显微解剖 + 测序
组织数	6	26	1（脑/GBM）
核心评测	技术性能/重现性	模型预测能力	区域转录谱
许可	CC BY 4.0	CC BY-NC-SA 4.0	视数据集而定
配套工具	SpatialQM + STP	HEST-Benchmark	IvyGAP 门户
库内 rid	本条目	522	448

附录 R：三个"一句话总结"

• 给数据科学家：ST 是空间转录组的"体检标准"，跑完数据先照它看指标，再进分析管线。
• 给平台用户：ST 告诉你 Xenium 与 CosMx 在同一组织上"应该长什么样"，帮你判断自己的机器/流程是否正常。
• 给多中心团队：ST 证明了严格 SOP 下跨站点重现可达 r=0.93–1.0，是多中心空间研究的可行性模板。

附录 S：待核疑点清单（诚实标注）

本条目在核验过程中，以下细节未能一手完全确认，如实标注供后续补充：

1. GEO 页面内嵌的许可字段未一手读取（NCBI 直连受限）；开放许可以 Zenodo/SAHA 的 CC BY 4.0 为准；
2. STP 门户完整使用条款未抓取（门户返回 400）；论文仅述"学术用途，含免责声明"；
3. r=0.93–1.0 的具体比较对象（跨站点/跨平台/技术重复）需结合论文正文与 Fig. 2 精确核实；
4. 76 个 assay 的逐组织分布需查论文 Supplementary Table 4；
5. 单个 ST profile 的文件格式与体积未逐条核实；
6. Zenodo SAHA 社区下的 ST 相关记录数未完整枚举。

以上疑点不影响核心结论（规模、平台、组织、许可、获取路径均已三源互证），列出以求严谨。

---

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：

• kpmp — 共享标签：基因组学与多组学 / 转录组 / 单细胞基因组学 / 病理图像
• inflammation-cell-atlas — 共享标签：基因组学与多组学 / 转录组 / 单细胞基因组学 / 肿瘤学
• nmsc-spatial-atlas — 共享标签：基因组学与多组学 / 转录组 / 单细胞基因组学 / 肿瘤学
• tahoe-100m — 共享标签：基因组学与多组学 / 转录组 / 单细胞基因组学 / 评测基准
• scperturb — 共享标签：基因组学与多组学 / 转录组 / 单细胞基因组学 / 评测基准
• scpt-4m — 共享标签：基因组学与多组学 / 转录组 / 单细胞基因组学 / 评测基准
• perturbai-crispr-atlas — 共享标签：基因组学与多组学 / 转录组 / 单细胞基因组学 / 评测基准
• rpe-choroid-atlas — 共享标签：基因组学与多组学 / 转录组 / 单细胞基因组学 / 评测基准
• human-cell-atlas — 共享标签：基因组学与多组学 / 单细胞基因组学 / 病理图像 / 肿瘤学
• hubmap — 共享标签：基因组学与多组学 / 单细胞基因组学 / 病理图像 / 肿瘤学

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。