空间区域里的 GWAS 信号 — Spatial2GWAS 图谱

GWAS 把「哪个位点」告诉了你，eQTL 把「调控哪个基因」告诉了你，空间转录组把「在哪个组织区域」告诉了你。第三层信息是前两层无论如何都推不出来的：一个精神分裂症位点如果落在皮层浅层的兴奋性神经元里，和一个落在白质胶质细胞里的位点，对药物方向的指示完全相反。Spatial2GWAS 想做的正是把这三层缝合到一起——用 GWAS 的前 1000 个性状关联基因给每个 spot/bin 打分，再按组织区域汇总，最后标出「这个性状的信号到底堆在哪个区域」。

它的体量不算小：人鼠两物种 1196 张空间转录组切片、39 种组织、812 个 GWAS 性状，识别出 47,492 个与性状显著相关的空间区域。但每一层缝合都带着各自的损耗——GWAS 只有统计关联、scDRS 的分数是相对背景的富集、区域划分要么来自文献注释要么来自聚类算法。三层叠加之后真正能被可靠解释的信号是少数，这一点在正文里会被反复拿来检视。

本篇按「它是什么 → 结构长什么样 → 怎么取数 → 哪里会出错」的顺序展开，重点不在复述论文，而在说明拿到结果表之后哪一步最容易误判。一屏速览见下表。

维度	内容
正式名称	Spatial2GWAS: a database for linking spatial transcriptomic regions with GWAS traits
中文惯称	空间转录组区域与 GWAS 性状关联数据库
发布形态	网页数据库 + Zenodo 结果包（含分析代码）
论文出处	Nucleic Acids Research 2026 年数据库专刊，DOI 10.1093/nar/gkaf1047
构建团队	四川大学华西医院华西生物医学大数据中心；德克萨斯大学休斯顿健康科学中心
网站	http://www.spatial2gwas.cn
结果包	https://zenodo.org/records/16880800
切片规模	1196 张，其中人源 404 张、鼠源 792 张
spot/bin 总量	11,007,655 个
组织覆盖	39 种，含脊髓、脑、皮肤、肾、肝、胚胎等
空间技术	5 种：传统 ST、10× Visium、Stereo-seq、Slide-seq V2、Xenium
GWAS 性状	812 个，分属 18 个表型大类
配对数量	29,701 个切片-性状配对，其中人 12,668、鼠 17,033
显著区域	约四万七千四百九十
共表达基因	15,022 个人类基因及其小鼠同源
许可	CC BY 4.0
访问方式	网站免注册；结果包直链下载

§1 它要解决的具体麻烦

1.1 位点有了、组织有了，中间的桥没有

一个常见的研究场景是这样的：你手上有一份精神分裂症的 GWAS 汇总统计，MAGMA 跑完得到一千多个显著基因，其中 FURIN、CACNA1C 之类是你熟悉的。你想知道这些基因在脑的哪一层、哪一类细胞群里表达得最密——因为这个信息直接决定你接下来做哪一类实验，是拿皮层浅层做免疫组化，还是去白质找少突胶质细胞。

手上有三样东西可以拼：GWAS 汇总统计、公开的脑空间转录组切片、以及一份 Deconvolution 后的细胞类型比例。缺的是把它们拼起来的那道工序——按基因把 GWAS 折算成每个 spot 的分数，再按区域汇总，再给出一个能看的显著性。这道工序每一步都有现成的工具（MAGMA、scDRS、Seurat、COMMOT），但拼装方式和参数选择各家不同，拼出来的结果也不可比。

Spatial2GWAS 的价值就是把这道工序标准化一遍，并且对上万个切片与性状的配对全都跑完，把中间结果和下游分析一起放出来。你不必自己去下载几十张切片、装 scDRS、调参、再画图，打开网页选组织选性状就能看到「哪个区域显著」。

1.2 三条常见的错误期待

第一条期待是把它当成 eQTL。名字里有 GWAS，很多人第一反应是「这大概是个和 Open Targets 遗传证据类似的东西」。不是。它没有做变异-表达剂量关系的回归，也没有做共定位。它做的是：把 GWAS 折算成一列基因权重，然后问「空间上哪些 spot 的基因表达谱和这列权重最像」。这是相似性，不是调控关系。

第二条期待是把它当成致病区域的判定器。表里有一列 P-value adjust，看起来像标准的统计检验结果。但区域显著只说明「该区域的 spot 疾病分数，整体高于随机抽一千个基因得到的背景分布」，它回答的是富集，不回答「这个区域导致了疾病」。

第三条期待是把它当成一张覆盖全身的组织地图。39 种组织听起来很全，但切片分布极不均匀：人源切片里 25.0% 来自皮肤，鼠源切片里 34.2% 来自脊髓。你关心的组织如果不在这两个高频桶里，可用的切片可能只有个位数。

1.3 它能给到的与给不到的

你的需求	它给的	够不够
某个性状的信号落在哪个组织区域	每个切片-性状配对的显著区域表，含区域名、spot 数、adjP	够，直接可查
该区域与其他区域的基因表达差异	spot 级与区域级两套 DEG 表	够，已算好
区域间富集的通路	基于 DEG 的 GO 与 KEGG，各取前 15 条	够做初筛，深度分析要自己重跑
区域内外的细胞通讯方向	COMMOT 推断的配体-受体通讯，附件内可视化	部分够，依赖配体受体库覆盖
与性状基因共表达的潜在靶点	共表达基因与 DGIdb 靶点的交集	够做假设生成
变异如何调控基因表达	不提供	不够，需另找 eQTL 或 TWAS
因果方向	不提供，文中明确只给相关性	不够
原始表达矩阵	不提供，结果包只有下游表	不够，需回溯上游库
跨切片的三维结构	不提供，当前版本只做单切片	不够
非欧洲人群的遗传背景	极少，767/812 为欧洲人群	不够

1.4 你的处境与它能帮到的事

你的处境	它能帮你什么	下一步该做什么
手上有一份 GWAS，想知道信号落在脑的哪一层	按组织匹配到脑切片，直接看哪些层被标为显著区域	回到原始论文核对切片来源与供体年龄，再看该层 DEG 是否与你关心的基因对上
想给一个候选靶点找组织学上的落点	用 Associated Gene 反向检索，看该基因在哪些切片-性状配对里被列为共表达基因	用共表达基因那一列的 adjP 排序，再查 DGIdb 的靶点重叠
在做肿瘤微环境，想知道免疫区是否与癌症性状相关	选肿瘤组织与癌症类性状，看免疫区与间质区各自的 adjP	对比区域级与 spot 级 DEG，判断信号是局部现象还是全片一致
想复现或改进这套流程	Zenodo 有完整分析代码与全部下游结果表	先在小规模配对上复现数值，再替换区域注释来源
想找空间层面的新方法切入点	区域标签来源不统一这件事本身就是缺口	从「区域注释的一致性」入手最容易做出增量
只需要一个组织的对照数据	网站的高级检索可以按组织、技术、疾病、性状四维交叉过滤	留意同一组织下不同技术的分辨率差异，不要混比

1.5 一句话判断

它是一把已经把齿磨好的扳手：拿来拧 GWAS 与组织区域之间那颗螺丝很好用，但你得自己判断那颗螺丝是不是本来就该拧在这里。

1.6 不适合谁：四条边界

第一条边界：不适合需要因果结论的人。原文在 Discussion 里写得很直白，这个资源提供的是区域与表型之间的相关性，并把它列为大多数 GWAS 整合资源共有的局限。如果你的课题要求「证明这个区域导致该疾病」，这里给不了，需要孟德尔随机化、实验扰动或至少是共定位证据。

第二条边界：不适合做非欧洲人群遗传学的人。812 个 GWAS 里 767 个来自欧洲人群，作者自己把这一点列为当前版本的局限，并说明未来才会补充多种群数据。想把结果直接搬到东亚或非洲队列，目前没有依据。

第三条边界：不适合要拿人源数据做临床推断的人。人源切片只有 404 张，且 25.0% 来自皮肤；疾病状态覆盖 49 种，但每种只占一小部分。做罕见病的区域定位，很可能根本找不到匹配的切片-性状对。

第四条边界：不适合把区域标签当解剖学事实的人。1196 张切片里，986 张的区域注释来自 SpatialRef 与原始文献，另外 210 张是用 BANKSY 聚类出来的，平均每张 5 个区域，作者明说这些聚类与真实组织区域的对应关系仍需专家验证。把「cluster 0」当作「肿瘤浸润前沿」是常见的越界。

§2 数据构成与规格

2.1 三层结构：切片、配对、区域

整个资源的组织方式是三层嵌套，理解这三层是使用它的前提。

第一层是切片。一张切片就是一个样本的空间表达矩阵，附带坐标和区域注释。切片由 Sample_ID 标识，来源跨越四个上游库：SPASCER、SpatialRef、stSNV、STOmicsDB。每张切片先被统一成 h5ad 格式，基因表达、空间坐标、区域注释三个矩阵按 barcode 对齐。

第二层是配对。一张切片会按组织类型与多个 GWAS 性状配对。脑切片配精神类与神经类性状，皮肤切片配皮肤病类性状。配对的总数近三万，人源约占四成、鼠源约占六成。配对用 Sample_ID 加 GWAS_ID 的组合标识，网站表格的每一行就是一个配对。

第三层是区域。对每个配对，逐个空间区域给出 Monte Carlo p 值、z 分数和 BH 校正后的 p 值。显著区域总数四万七千余个。这一层是真正回答「在哪儿」的地方。

三层的关系可以用一句话概括：切片是素材，配对是问题，区域是答案。素材有限、问题由组织类型机械匹配而来、答案是相对背景的富集。

层级	标识	数量	记录单位	落盘位置
切片	Sample_ID	1196	一张带坐标的表达矩阵	上游库与 GEO，结果包不含
配对	Sample_ID + GWAS_ID	近三万	一次 scDRS 运行	网站表与 zenodo 顶层表
区域	配对 + 区域名	四万七千余个显著区域	一个区域的统计量	每配对一个 CSV

2.2 字段字典

网站 Browse 页的表格列与 Zenodo 文件名一一对应，下面把可见字段与可从 Zenodo 文件推出的字段合并成一张字典。

字段	含义	类型	取值示例	来源	常见坑
Sample_ID	切片标识，沿用上游库命名	字符串	34493872_Breast_1142243F	上游库	命名规则不统一，有的带平台号有的不带
GWAS_ID	性状在库内的编号	字符串	SC_G_105	库内自编	编号与 GWAS Catalog 的 accession 无关
Species	物种	枚举	Homo sapiens / Mus musculus	上游库	鼠源占三分之二
Population	GWAS 人群	字符串	European	GWAS 源头	大量为空串
Technology	空间平台	枚举	10× Visium	上游库	分辨率差 200 倍以上
Tissue	组织名	字符串	Brain	上游库	拼写不统一，如 Spinal Cord 与 Spinal cord
Disease	切片来源的疾病状态	字符串	Neuroblastoma	上游库	空串表示健康或未标
GWAS_Trait	性状全称	字符串	Cancer register - Histology of cancer tumour	GWAS 源头	名称很长，检索要用关键词而非全称
Spot_number	该切片的 spot/bin 数	整数	54839	质控后	高分辨率平台数值极大
Associated_regions	显著区域名，分号分隔	字符串	Fibroblast	区域级检验	聚类来源区域只有数字编号
Associated_Genes	共表达基因，分号分隔	字符串	Col1a1;Fbn1;Col1a2	Pearson 相关	数百个基因挤在一格
Filename_scdrs_significant_group_table	区域统计表文件名	字符串	1080_SC_G_012_scdrs_significant_group_pos.csv	结果包	是文件名不是 URL
Filename_gene_associated_table	共表达基因表文件名	字符串	1080_SC_G_012_associated_genes_pos.csv	结果包	同上
Filename_drug_target	靶点交叠表文件名	字符串	1080_SC_G_012_associated_drugtarget_genes_pos.txt	结果包	需自行拼 Zenodo 路径
Filename_spot_GO_table	spot 级 GO 富集表	字符串	1080_SC_G_012_spot_DEG_GO_pos.txt	结果包	与区域级是两套
Filename_region_KEGG_table	区域级 KEGG 富集表	字符串	1080_SC_G_012_region_DEG_KEGG_pos.txt	结果包	同上
Dirname_COMMOT	细胞通讯结果目录	字符串	多数为空	COMMOT	空表示该配对没跑通讯
neighbor_cor	邻域相关度	浮点	0.0	空间自相关	当前多数为 0
proximity_score	邻近度分数	浮点	0.0	空间自相关	同上
Spatial region	区域名	字符串	Invasive cancer + stroma + lymphocytes	注释或聚类	同一名字在不同切片含义可能不同
MC p-value	蒙特卡洛 p 值	浮点	0.000999	scDRS	下界受置换次数限制
MC z-score	蒙特卡洛 z 分数	浮点	6.297	scDRS	正负号表示高于或低于背景
P-value adjust	BH 校正后 p 值	浮点	0.004995	BH	只在区域层面校正

2.3 一条记录的完整解剖

从 Zenodo 的关联结果包里随手取一个文件，看一条区域记录长什么样。下面的内容来自 34493872_Breast_1142243F_SC_G_001_scdrs_significant_group_pos.csv，是乳腺癌切片与一个癌症类性状配对的区域表。

"Spatial region","Spot number","MC p-value","MC z-score","P-value adjust"
"Invasive cancer + stroma + lymphocytes",3619,0.000999,6.297,0.004995
"Stroma",445,0.01099,2.331,0.02747
"Lymphocytes",14,0.1029,1.285,0.1715
"TLS",10,0.7812,-0.776,0.9765
"Necrosis",567,0.977,-2.03,0.977

逐列读下来：五行对应这张切片的五个区域，其中只有一个区域 adjP 小于 0.05。第一个区域叫「浸润癌 + 间质 + 淋巴细胞」，3619 个 spot，z 分数 6.297，是这张表里信号最集中的地方。第二个区域是纯间质，445 个 spot，adjP 0.027，也过线。第三行淋巴细胞只有 14 个 spot，p 值 0.1 出头，不显著。第四行 TLS（三级淋巴结构）只有 10 个 spot，z 分数是负的，说明该区域的疾病分数低于背景。最后一行坏死区 567 个 spot，z 分数 -2.03，adjP 0.977，明显低于背景。

这张表透露了三件事。第一，区域大小差了两个数量级，3619 与 10 的对比意味着小区域的 p 值天然更难达到显著，MC p 值的下界 0.000999 也是置换次数决定的，实际有效分辨率有限。第二，同一张切片上「显著」与「不显著」是相对的，坏死区在有些切片上完全可能因为 scDRS 打分方式而显著。第三，区域名里用的加号是三个形态学类别的合并，这种合并来自 SpatialRef 的注释体系，跨切片不一定可比。

再看一个聚类来源的例子。同一个包里另一张切片的区域表长这样：

"Spatial region","Spot number","MC p-value","MC z-score","P-value adjust"
4,151,0.000999,4.099,0.006993
0,347,0.03596,1.922,0.1259
5,136,0.2278,0.707,0.5315

区域名是数字 4、0、5，这就是 BANKSY 聚类出来的标签。它们没有解剖学含义，只能靠该配对的细胞类型构成图去猜「0 号大概是哪一类组织」。用这类结果时，区域名本身不能当作生物学结论。

2.4 规模分布

论文正文与官方网站给出了几组相互独立的口径，放在一起才能看清覆盖面。

维度	数值	口径说明
切片总数	1196	质控后
人源切片	404	约占三分之一
鼠源切片	792	约占三分之二
spot/bin 总量	11,007,655	全部切片合计
组织数	39	含脊髓、脑、皮肤、肾、肝、胚胎等
空间技术数	5	传统 ST、Visium、Stereo-seq、Slide-seq V2、Xenium
疾病状态数	49	含 ALS 19.9%、AD 12.0%
GWAS 性状数	812	18 个表型大类
精神类占比	24.0%	表型大类内占比
免疫类占比	23.2%	表型大类内占比
配对总数	见速览表	有显著区域的配对
人源配对	约一万二千七百	占约四成
鼠源配对	约一万七千	占约六成
显著区域数	约四万七千五百	区域级 adjP 小于 0.05
单区域显著切片占比	65.9%	每张切片只有一个区域显著

组织层面的分布很不均匀，这是使用前必须知道的一件事。网站首页的柱状图给出的切片数排序是：脊髓 332 张、脑 320 张、皮肤 103 张、肾 100 张、肝 74 张、胚胎 44 张、嗅球 29 张，之后依次下降到个位数。人源切片中皮肤占 25.0%，鼠源切片中脊髓占 34.2%，这两个数字说明物种与组织是绑在一起的——想做人的脑，切片数没有想象中多；想做脊髓，拿到的多半是小鼠数据。

2.5 与同类资源的字段差异

要判断该不该选它，最有效的方式是和它周围的三类资源比字段。

资源	核心单位	有没有空间坐标	有没有 GWAS 关联	有没有区域级统计	与 Spatial2GWAS 的关系
Spatial2GWAS	切片-性状配对的区域	有	有	有，BH 校正	本文主体
Sc2GWAS	细胞类型	无	有	无	上游思想来源，Spatial2GWAS 把细胞换成区域
SpatialRef	spot 注释	有	无	无	区域注释的主要来源
SPASCER	切片与注释	有	无	无	切片来源之一
stSNV	spot 的 SNV	有	无	无	切片来源与细胞类型反卷积来源
SPathDB	通路活性	有	无	无	切片来源方向不同，比的是通路不是性状
Open Targets	靶点-疾病证据	无	有	无	提供遗传证据的另一条路线，不含空间层
TWAS 类工具	基因-性状关联	无	有	无	用 eQTL 权重代替 scDRS 分数

这张表要说的只有一句：同类资源里，只有它是把「区域」当作统计单位并直接挂到 GWAS 性状上的。代价是它不做变异层面的调控建模，从 Open Targets 或 TWAS 那边来的证据，与这里的结果是两条互补的线而不是替代品。

§3 核心层 A：它到底在测什么

3.1 一次计算的四步链条

理解这个资源最好的方式是把它的一次运行拆成四步，每一步都清楚地暴露了信息在哪一层被压缩。

第一步，GWAS 到基因。MAGMA 把 100 kb 窗口内至少被 50 个样本测到的 SNP 映射到基因上，算出基因层面的 z 分数，排完序取前 1000 个。这一步把数百万个 SNP 压成一千个基因名加权重。压缩率是三个数量级，输出是一个长度为 1000 的有序列表。

第二步，基因到 spot。scDRS 用这 1000 个基因的权重给每个 spot 打一个疾病分数，随机抽 1000 个基因重复 1000 次构造背景分布，算出每个 spot 的 p 值。p 小于 0.05 的 spot 被视为与该性状相关。这一步把一千个基因压成每个 spot 一个分数，空间分辨率的全部信息在这一步进入。

第三步，spot 到区域。把区域内的 spot 按疾病分数取前 5% 分位数，在区域之间做同样的置换检验，得到每个区域的 p 值，再用 BH 法校正。adjP 小于 0.05 的区域被标为性状相关区域。这一步把成千上万个 spot 压成几个区域名。

第四步，下游解释。对显著区域做 DEG，得到 GO 与 KEGG 富集；用 Pearson 相关找与疾病分数共表达的基因；用 COMMOT 在配体-受体层面推通讯方向；把共表达基因与 DGIdb 靶点求交。

链条每走一步都在丢信息。第一步丢掉 SNP 层面的效应异质性与连锁结构，只留下基因的净 z 分数。第二步丢掉单 spot 的细胞组成，只留下一个富集分数。第三步丢掉区域内的空间排列，只留下一个区域级 p 值。下游分析则是在这些已经压缩过的量上再叠加解释。

步骤	输入	方法	输出	丢掉的信息
GWAS 折叠	数百万 SNP	MAGMA 1.10	前 1000 性状关联基因	SNP 效应异质性、LD 结构
spot 打分	1000 基因权重 + spot 表达	scDRS 1.0.3	每 spot 疾病分数与 p	细胞组成、单个细胞的信号
区域聚合	spot 分数 + 区域标签	top 5% 分位聚合 + BH	区域 adjP、z 分数	区域内空间排列
下游解释	显著区域与其 spot	Seurat、clusterProfiler、COMMOT	DEG、通路、共表达、通讯	因果方向

3.2 区域标签从哪来，决定了结果能走多远

1196 张切片里，986 张的区域注释来自 SpatialRef 与原始文献，论文表述为「collected from」，没有说明是否经过统一的本体映射。剩下 210 张来自 stSNV 的 10× Visium 切片没有注释，作者用 BANKSY 1.2.0 在 lambda 0.2、resolution 0.5 的推荐参数下聚类，平均每张切成 5 个区域。

这两条来源的性质不同。文献注释是解剖学家或病理学家给出的名字，比如「皮层 L1」「白质」「生发中心」，语义稳定但粒度不一——有的切片只分了三层，有的分到亚层。聚类注释是算法给出的编号，粒度统一但语义要靠推断。

这带来一个实际后果：跨切片比较区域时必须先分辨区域名是哪种来源。如果两个切片的区域都叫「White matter」，可以比；如果一个叫「White matter」另一个叫「3」，就不能直接比。网站的区域名列表里这两种形态混在一起，检索时按字母排序会把数字编号排在最前面。

来源	切片数	区域命名	粒度	可比性	识别方法
SpatialRef 与原始文献	986	解剖或病理名词	不一致，从 3 层到亚层	同名可跨切片比	区域名是字母
BANKSY 聚类	210	数字编号	平均 5 个区域	仅本切片内可比	区域名是数字
细胞类型构成	全部	反卷积得到的 13 类细胞比例	每 spot 一组比例	可跨切片比	数值型，需另取

3.3 五类空间技术在同一个表里

库里混用了五类平台，它们的分辨率差别接近三个数量级。

传统 ST 每个 spot 是 100 微米，一个 spot 里可能有十几个细胞。10× Visium 的 spot 直径 55 微米，通常容纳一到十个细胞。Stereo-seq 的 bin 是 500 纳米级，Xenium 是单分子成像，两者都能接近单细胞。Slide-seq V2 的 bead 是 10 微米级。

「spot/bin」这个词把五种东西合并成了一个统计单位，但它们的生物学含义差别很大。一个 Xenium 的转录本位置点与一个传统 ST 的百微米 spot，前者更接近单细胞，后者更接近一个小组织块。当你在表里看到 Spot_number 一列从 5 万到几十万不等时，数字差异主要来自平台而不是组织大小。

技术	单位	典型尺寸	每单位细胞数	在本库中的角色
传统 ST	spot	100 μm	十余个	低分辨率主力
10× Visium	spot	55 μm	一到十个	切片数最多
Stereo-seq	bin	500 nm 级	接近单细胞	高分辨率代表
Slide-seq V2	bead	10 μm 级	数个	小鼠脑常用
Xenium	转录本位置	亚微米	单分子	靶向面板，基因数有限

§4 核心层 B：结果的可靠性与特色

4.1 三把锁：配对规则、质控阈值、校正方式

这个资源的可靠性由三道明确的规则撑着，理解它们就能判断某个具体结论的可信度。

第一把锁是配对规则。切片与性状不是随机组合，而是按组织类型匹配。论文举的例子是脑切片配精神类与神经类疾病。这条规则保证了生理解释的合理性，但同时把可组合的空间压得很小——一张脑切片只能配脑相关的性状，一张皮肤切片只能配皮肤相关的性状。配对总数近三万相对于「切片数乘性状数」的理论上限只是很小的一部分。

第二把锁是质控阈值。spot/bin 层面只保留基因数大于 250 的单位，基因层面只保留在超过 50 个 spot 中表达的基因。这两条阈值把噪声大的单位剔掉，也让高分辨率平台上小 bin 更容易被剔除，某种意义上是向低分辨率倾斜的。

第三把锁是两级校正。spot 层面用 p 小于 0.05 判定，没有做多重检验校正；区域层面用 BH 法校正，adjP 小于 0.05 才叫显著。所以真正进入结论的是区域层面的结果，spot 层面的分数只用于可视化和后续聚合。

规则	具体设置	作用	副作用
组织匹配	切片组织类型与性状类别对应	保证生理解释合理	限制可组合的配对
spot 质控	基因数 > 250	剔除低质量单位	偏向大 spot 与低分辨率平台
基因质控	在 > 50 个 spot 中表达	剔除稀疏基因	靶向面板数据受影响
spot 检验	p < 0.05，不校正	提供可视化粒度	单一 spot 显著不宜单独引用
区域检验	top 5% 分位聚合 + BH	控制假阳性	小区域更难显著
共表达	Pearson + BH，adjP < 0.05	找潜在靶点	依赖疾病分数的质量

4.2 下游五件套各自能做什么

显著区域只是入口，真正的解释力在五件下游结果里。它们按「能有多确定」排序，可以用一张表看清。

下游结果	方法	覆盖规模	输出形态	能回答的问题	不能回答的问题
共表达基因	Pearson + BH	17,577 个配对	15,022 个人类基因及其鼠同源	哪些基因与性状分数同步升降	谁调控谁
药物靶点交叠	与 DGIdb 5.0 求交	3,216 个靶点，11,986 个药物	靶点-药物映射	共表达基因里哪些已有药	药物是否有效
细胞类型构成	反卷积 + Wilcoxon	5,784 个配对	每对平均 5 个差异细胞类型	显著区域与不显著区域的细胞组成差异	因果方向
DEG 与通路	Wilcoxon + clusterProfiler	26,670 个配对的区域级	前 15 条 GO 与 KEGG	区域间激活了哪些通路	通路是否被特异激活
细胞通讯方向	COMMOT	26,133 个配对，1,098 个配体受体对	有向信号图	谁向谁发信号	信号强度是否生理
spot 级 DEG	Wilcoxon	27,217 个配对	15,752 个基因	单点层面的表达差异	与区域级结果不必一致
区域级 DEG	Wilcoxon	26,670 个配对	16,219 个基因	区域层面的表达差异	受区域大小影响

这张表最有信息量的一行是药物靶点交叠。3216 个靶点里，3242 个是 FDA 批准药物、2522 个是研究性药物、332 个是实验性药物、3622 个进过临床试验。这四个数加起来超过靶点数，因为一个靶点对应多个药物。对做转化的团队来说，这一列的实用价值最高——它把「区域里有什么基因」直接连到「什么药打这个基因」。

4.3 案例：乳腺浸润性癌切片与乳腺癌性状

用一个完整走通的例子说明从查询到结论的全过程。选这张表的原因有两个：它是论文里唯一被完整展开的个案研究，而且它同时展示了区域级与 spot 级结果的关系。

查询条件按论文给的五项设置：物种人、组织乳腺、技术 10× Visium、疾病乳腺肿瘤、性状类别癌症。网站返回 50 个切片-性状配对。从中挑出切片 ID 为 34493872_Breast_CID4535 的那一个，性状是「Cancer register—Type of cancer: ICD10: C50 Malignant neoplasm of breast」。

切片本身来自一位未经治疗、雌激素受体阳性的浸润性小叶癌患者。GWAS 汇总统计来自英国生物银行欧洲队列，10,420 个病例与 44,358 个对照，9,007,627 个 SNP。预处理后保留前 1000 个乳腺癌关联基因与 1101 个空间 spot。

结果分四层看。第一层，区域级：标注为「浸润癌 + 间质 + 淋巴细胞」的区域 adjP 小于 0.05，是显著区域。原始研究对这个区域的描述是存在免疫抑制信号，与肿瘤微环境中的免疫调节有关。第二层，spot 级：共表达基因有四个，CTSV、CDH13、FOS、XKR9。其中 FOS 是已批准抗肿瘤药物紫杉醇的靶点。第三层，通路：显著区域与不显著区域之间的 DEG 富集到 PI3K-Akt 通路、ECM-受体相互作用、黏着斑。第四层，通讯：在「浸润癌 + 间质 + 淋巴细胞」区域边界观察到明显的信号活动，VEGF、PARs、补体通路被激活。

这个案例的读法要点在于：区域结论（免疫抑制的浸润癌区域与乳腺癌性状相关）与 spot 结论（FOS 上调且是紫杉醇靶点）是两条独立的线，它们相互支持但不互相证明。论文用「可能抑制肿瘤发展并增强紫杉醇反应」这样的措辞，把结论停在假设层面。任何把这个案例解读成「该区域是治疗靶区」的说法都超出了原文。

另外还需注意一个细节：论文主文里这个案例用的切片编号是 34493 872_Breast_CID4535，中间的空格是排版产物；Zenodo 里的文件名是 34493872_Breast_1142243F_SC_G_001 这类形式，编号与性状 ID 的对应关系需要自己去网站表格里核对，不能靠肉眼匹配。

4.4 人鼠混用这件事该怎么看

鼠源切片占三分之二，是一个绕不过去的事实。作者的论证是：小鼠与人类在组织层面的基因表达相关性超过八成，所以把鼠源切片纳入能扩大覆盖面。这个论证成立的前提是「组织层面的表达谱相似」足以支撑「区域与性状的关联相似」，而后者并非不言自明。

实际操作中，人鼠混用会带来三类问题。第一类是区域名不可比，小鼠脑的「皮层 L2/3」与人类脑的「皮层 L2/3」在细胞组成上并不等同。第二类是基因符号映射，共表达基因那一列对人用大写、对鼠用首字母大写的同源基因，做集合运算前必须统一。第三类是性状匹配，鼠源切片配的是人类 GWAS 性状，这一步跨物种的生物学合理性没有被单独检验。

作者在 Discussion 里承认了这一点，把「鼠源为主」列为局限，并说明未来会优先补充人源数据。使用时的建议是：如果课题是人，先按物种过滤，把鼠源结果只当作方向性参考。

§5 核心层 C：怎么取数

5.1 两条取数路径

这个资源有两条完全不同的取数路径，选哪条取决于你要的是「看」还是「算」。

第一条是网站。http://www.spatial2gwas.cn 是一个 Vue 3 单页应用，Browse 页用表格列出全部配对，Advanced Search 支持按物种、组织、技术、疾病、GWAS 类别、关联区域、关联基因七类条件过滤，Detail 页给出该配对的全部分析图。适合快速定位、看图和做初筛。

第二条是 Zenodo。结果以九个压缩包加一个代码包的形式发布，适合批量计算。九个包按分析环节切分，每个包内部又是每个配对一个文件。这种方式对单个查询不友好，但对全量统计最方便。

路径	入口	适合	数据粒度	限制
网站浏览	Browse 与 Detail 页	定位、看图、初筛	配对与区域	依赖 JS 渲染，无批量导出
网站 API	/api/dash/ 下的端点	程序化检索	配对与区域	无文档，参数需自行推断
Zenodo 结果包	records/16880800	全量统计与复现	每配对一个文件	单包可达 GB 级
论文补充材料	NAR 页面	表格清单	切片与性状清单	仅清单，无结果

5.2 用 API 检索一个配对

网站的接口没有公开文档，但前端调用路径可以通过浏览器开发者工具看到，端点是 /api/dash/ 下的几个方法。下面这段可以直接跑，返回 Browse 表的第一页数据。

#-- 取第一页一条配对记录
curl -s -X POST "http://www.spatial2gwas.cn/api/dash/ApiBrowse" \
  -H "Content-Type: application/json" \
  -d '{"page":1,"limit":1}' \
  | python3 -c "import json,sys; d=json.load(sys.stdin)['data']['data'][0]; print({k:d[k] for k in ['Sample_ID','GWAS_ID','Species','Technology','Tissue','GWAS_Trait','Spot_number','Associated_regions']})"

返回的这一条是 Sample_ID 为 1080 的 Xenium 脑切片，配对的是一个癌症组织学性状，显著区域是「Fibroblast」。这个结果本身就能说明配对规则是机械匹配的——一张脑切片配上了一个「腺癌」性状，因为组织类型都被归到了某个可匹配的类别。

5.3 取官方统计口径

统计接口返回首页图表的原始数据，可以用来核对组织分布，比截图读数可靠。

#-- 取物种、技术、组织、疾病、性状五项总量与切片数排序
curl -s -X POST "http://www.spatial2gwas.cn/api/dash/ApiStatistics" \
  -H "Content-Type: application/json" -d '{}' \
  | python3 -c "import json,sys; d=json.load(sys.stdin)['data']['space1']; print(json.dumps(d, ensure_ascii=False, indent=1))"

#-- 取各组织的切片数排序（前 12 个组织）
curl -s -X POST "http://www.spatial2gwas.cn/api/dash/HomeChart" \
  -H "Content-Type: application/json" -d '{}' \
  | python3 -c "import json,sys; b=json.load(sys.stdin)['data']['bar']; print(list(zip(b['xAxis'],b['series'][0]['data']))[:12])"

5.4 从 Zenodo 批量取区域统计表

区域级的核心结果在第一个包里，解压后是数万个 CSV，文件名格式为「切片 ID_SC_G_编号_scdrs_significant_group_pos.csv」。

#-- 下载并解出区域统计表（约 6 MB）
mkdir -p s2g && cd s2g
curl -sL "https://zenodo.org/records/16880800/files/Filename_scdrs_significant_group_table.tar.gz" -o region.tar.gz
tar -xzf region.tar.gz
ls Filename_scdrs_significant_group_table | wc -l

#-- 读一个区域表并按 adjP 过滤显著区域
import pandas as pd
base = "Filename_scdrs_significant_group_table/"
f = "34493872_Breast_1142243F_SC_G_001_scdrs_significant_group_pos.csv"
df = pd.read_csv(base + f)
sig = df[df["P-value adjust"] < 0.05]
print(df.shape, sig[["Spatial region", "Spot number", "P-value adjust"]].to_string(index=False))

#-- 全量扫一遍，统计每个配对里有几个显著区域
import glob, pandas as pd
rows = []
for path in glob.glob("Filename_scdrs_significant_group_table/*.csv"):
    d = pd.read_csv(path)
    rows.append({"file": path.split("/")[-1], "n_region": len(d),
                 "n_sig": int((d["P-value adjust"] < 0.05).sum())})
res = pd.DataFrame(rows)
print(res["n_sig"].describe())
print(res.sort_values("n_sig", ascending=False).head(10).to_string(index=False))

5.5 拼接其余七个结果包

其余八个包的结构与第一个类似，文件名后缀区分环节。拼路径时注意文件夹名带 Filename_ 前缀，这是打包脚本的产物，不要漏。

包名	内容	每配对文件名后缀	体积量级
Filename_scdrs_significant_group_table	区域统计	_scdrs_significant_group_pos.csv	数 MB
Filename_gene_associated_table	共表达基因	_associated_genes_pos.csv	数十 MB
Filename_drug_target	靶点交叠	_associated_drugtarget_genes_pos.txt	数百 MB
Filename_spot_DEGs_table	spot 级 DEG	_spot_DEG_pos.txt	百余 MB
Filename_region_DEGs_table	区域级 DEG	_region_DEG_pos.txt	近 GB
Filename_spot_GO_table	spot 级 GO	_spot_DEG_GO_pos.txt	数百 MB
Filename_region_GO_table	区域级 GO	_region_DEG_GO_pos.txt	逾 GB
Filename_region_KEGG_table	区域级 KEGG	_region_DEG_KEGG_pos.txt	数十 MB
Filename_spot_KEGG_table	spot 级 KEGG	_spot_DEG_KEGG_pos.txt	十余 MB

#-- 只取共表达基因包，按大小先确认剩余空间
df -h .
curl -sL "https://zenodo.org/records/16880800/files/Filename_gene_associated_table.tar.gz" -o gene.tar.gz
tar -xzf gene.tar.gz
tar -tzf gene.tar.gz | head -3

5.6 用代码包复现

Zenodo 里的 analysis code.zip 只有数百 KB，是整条流水线的脚本。它不含原始数据，跑之前需要自己把上游切片拉下来重组 h5ad。

#-- 解包代码，查看目录与依赖
curl -sL "https://zenodo.org/records/16880800/files/analysis%20code.zip" -o code.zip
unzip -o code.zip -d s2g_code
find s2g_code -maxdepth 2 -type f | head -20

#-- 代码包结构（示意，实际以解压结果为准）
s2g_code/
  scdrs_pipeline.py      #-- spot 打分与区域聚合
  magma_gene.py          #-- GWAS 折叠到基因
  banksy_annotate.py     #-- 无注释切片的区域聚类
  commot_comm.py         #-- 配体受体通讯推断
  downstream.R           #-- DEG 与 GO/KEGG 富集

§6 与库内条目的关系

6.1 关系图谱

Spatial2GWAS 在库内的位置可以按「离 GWAS 多远」与「离空间多近」两个轴来看。它落在两个轴的交叉点上，这是它与 neighbours 最大的区别。

库内方向	代表条目类型	与它的关系	互补还是替代
GWAS 汇总统计库	GWAS Catalog 类条目	它是下游消费者，把汇总统计当输入	互补
遗传证据整合	Open Targets 类条目	同样回答靶点-疾病关系，但不含空间	互补
TWAS 与 eQTL	各类 eQTL 目录	都做基因-性状，它不做调控建模	互补
空间转录组库	SPASCER、SpatialRef、STOmicsDB 类	它的上游，提供切片与注释	上游依赖
单细胞 GWAS	Sc2GWAS 类	它把细胞换成区域，思想同源	互补，粒度不同
病理与组织标注	各类病理注释库	区域语义的最终来源	上游依赖
药物靶点	DGIdb、DrugBank 类	它的靶点交叠的来源	下游扩展

一句话概括这张表：它的独特性全部来自「区域」这个单位，而它的质量上限全部由上游的空间库与下游的靶点库决定。

6.2 检索路径

从库内其他条目找到它，或者从它找到别的条目，有三条常用路径。

第一条，按「GWAS 区域」这类主题词横向搜索，它会与 Sc2GWAS 一起出现，二者是同一研究脉络的细胞版与空间版。

第二条，按上游空间库的名字反查，比如搜 SpatialRef，能找到它的注释来源说明，也能找到那些 986 张有原始注释的切片在别处的记录。

第三条，按药物靶点库反查，共表达基因与 DGIdb 的交集是把结论落到药上的环节，这条路径在靶点条目的「相关数据」一栏里最有用。

起点	检索词	落地	用途
想找同主题	GWAS 空间区域	Spatial2GWAS 与 Sc2GWAS	比较细胞与区域两种口径
想找原始切片	SpatialRef、SPASCER、stSNV、STOmicsDB	上游库条目	拿 h5ad 或原始矩阵
想找靶点药	DGIdb、DrugBank	药物条目	把共表达基因换成可用药
想找性状定义	GWAS Catalog、FinnGen、UK Biobank	性状条目	核对性状口径与样本量
想找方法	scDRS、MAGMA、BANKSY、COMMOT	方法条目	复现或改流程
想找对照	脑空间图谱类条目	脑图谱条目	比对区域划分标准

§7 质量评估与局限性

7.0 阅读本节前的一个前置校正

看下面这张评分表之前，需要先把一个常见的误判纠正过来。

这个资源的分数低，绝大多数不是「做错了」，而是「资源类型决定的上限」。比如「因果推断」这一维给低分，是因为它本来就没打算做因果，不是它的因果方法有缺陷；「人群代表性」给低分，是因为 GWAS 源头就偏欧洲。把这类「类型性扣分」和「执行性扣分」混在一起看，会得出「这个数据库不如 Open Targets」的结论，而这个结论没有意义——两者根本不在做同一件事。

因此下面每一项评分后面都标了扣分性质：结构性指的是由资源定位决定、无法通过更新修掉的；执行性指的是当前版本的做法选择、后续版本可能改善的。只有执行性扣分才是选型时该追问的点。

7.1 五维评分

维度	分数	依据	扣分性质	说明
覆盖广度	4	39 组织 812 性状 5 技术	结构性	组织分布不均，但跨度足够
可复现性	4	代码与全部结果表开放	执行性	缺原始 h5ad，需回溯上游
统计严谨性	3	区域级 BH 校正，spot 级未校正	执行性	两级口径混用易被误读
解释深度	3	五类下游分析齐全	结构性	均为相关性，无因果与调控
人群代表性	1	767/812 为欧洲人群	结构性	作者已列为局限
可访问性	5	免注册、CC BY 4.0、API 可用	执行性	接口无文档但可用

DAIMS 维度上，来源可溯（986 张有原始注释来源、全部上游库可查）与访问开放两项表现最好；数据治理（版本管理、更新日志）与偏差控制（人群、物种）两项偏弱，其中偏差控制的一项在网站上没有单独声明，只能从论文正文获得。

7.2 结果解读的三条纪律

第一条纪律：区域显著要同时看 z 分数。z 为负但 adjP 很小的区域在理论上不该出现，因为 adjP 是基于单侧富集算的；若见到 z 为负、adjP 也小的行，说明该配对的检验方向设置需要回代码核对。翻看区域表时，把 z 与 adjP 一起排序比只看 adjP 稳。

第二条纪律：小区域的结果不要单独引用。上面乳腺癌例子里，淋巴细胞区域只有 14 个 spot，TLS 只有 10 个。1000 次置换能给出的最小 p 值约为 0.001，区域只有十几个 spot 时，这个 p 值的可靠性很低。

第三条纪律：DEG 要在同一层级内比。spot 级 DEG 与区域级 DEG 是两套独立的计算，同一条通路可能在一个层级显著另一个不显著。论文的统计也显示两者的覆盖不同：spot 级 15,752 个基因覆盖 27,217 个配对，区域级 16,219 个基因覆盖 26,670 个配对。混用两个层级的数字做汇总会得到不可比的结论。

7.3 已知的、可枚举的偏差

偏差	具体表现	来源	能否在当前版本内规避
人群偏差	767/812 个 GWAS 来自欧洲人群	GWAS 源头	否，只能标注
物种偏差	792/1196 张切片为鼠源	上游数据可得性	部分，可按物种过滤
组织偏差	人源 25.0% 为皮肤，鼠源 34.2% 为脊髓	上游数据可得性	部分，可按组织过滤
注释偏差	210 张切片的区域为聚类编号	原文缺失注释	否，只能识别
分辨率偏差	五类平台混用，spot 大小差三个数量级	平台异质性	部分，可按技术过滤
通路偏差	GO 与 KEGG 都是人鼠混合注释	注释库	否
药物偏差	靶点库偏向已上市药物	DGIdb	否
疾病偏差	49 种疾病状态中 ALS 占 19.9%、AD 占 12.0%	上游数据	否

这张表里最值得警惕的两行是注释偏差与分辨率偏差。前者会让「区域」这个词失去统一含义，后者会让跨技术的 spot 数不可比。两者都不是用户能通过筛选完全绕开的。

7.4 外部验证矩阵

要用它做正式结论，至少需要跨过四道外部验证。矩阵里的每一行都是「拿什么去核」。

验证项	用什么核	通过标准	当前状态
区域标签是否正确	原始论文的组织学注释	关键区域名与原文一致	部分可核，986 张有来源
聚类区域是否合理	病理专家复核	与解剖分区对应	未做，作者已声明
显著区域是否稳定	换随机种子重跑 scDRS	adjP 排序基本不变	未公开检验
是否与独立证据一致	eQTL、TWAS、Open Targets	同名基因被独立支持	个案层面有，系统层面无
是否可跨人群迁移	东亚队列 GWAS 重跑	区域结论一致	未做
是否可跨物种迁移	人切片与鼠切片对照	同源区域结论一致	未做系统评估

论文的个案研究（皮层 L1 与 AD、淋巴细胞与皮肤癌、Bdnf-Ntrk2 与作息类型）在「与独立文献一致」这一行上是部分通过的，因为这些区域与研究结论在方向上吻合。但这是精选案例，不代表全库。

7.5 它为何能持续：靠上游数据增量与流程复用活着

判断一个数据库能不能长期存在，看两件事：它的输入会不会持续增长，它的计算会不会被复用。

输入这一端是稳的。空间转录组切片数量每年仍在快速增加，SPASCER、SpatialRef、stSNV、STOmicsDB 这些上游库也在扩张，GWAS 汇总统计的公开供应更是持续增长。作者在 Discussion 里明确说会持续整合新发表的数据，并强调流程是为标准化输入设计的、可以直接套用到新数据上。

复用这一端也有依据。整条流程的每一步都建立在公开方法上（MAGMA、scDRS、BANKSY、Seurat、COMMOT、DGIdb），代码全部开源，这意味着别人不需要依赖这个网站的服务器就能把方法搬到自己的数据上。真正会被长期使用的是这套流程，而不一定是这张结果表。

风险在于它同时押注在两个快速变化的领域上。GWAS 侧的新方法（比如更精细的 fine-mapping）会让「前 1000 个基因」这个口径显得粗糙，空间侧的新平台（比如三维与多切片技术）会让「单切片区域」这个单位显得过时。作者已经把三维重建列进了更新计划，说明他们也看到了这一点。

§8 生态位与历史

8.1 历史沿革与名称核实

候选清单里的名字 spatial2gwas 与实际实体是一一对应的，不存在「工作名与正式名不一致」的情况。核对过程如下。

在 Europe PMC 以 spatial2gwas 精确检索，命中 2 条：一条是论文本身，另一条是该期数据库专刊的总览文章（其中提到了这个库但只是顺带点名）。以 spatial transcriptomics GWAS integration 检索得到的是一个宽泛的方法学文献群，其中与本库最接近的是 Song 等在 Nature 2025 发表的「Spatially resolved mapping of cells associated with human complex traits」——那是一个方法论文，不是数据库。在 GitHub 检索 spatial2gwas 返回零个仓库，说明它不以工具形式发布。在 Zenodo 检索得到正式的结果记录，编号 16880800，创建者列为 Zhou Xiaobo、Hu Xi、Kim Pora、Wang Aoqi、Yu Huan。

结论：实体是一个正式发表的数据库，网页在 http://www.spatial2gwas.cn（服务器 nginx/1.18.0，首页静态资源最后修改时间 2025 年 9 月 22 日），论文在 Nucleic Acids Research 2026 年数据库专刊（卷 54，D1 期，页码 D1309 至 D1320），DOI 为 10.1093/nar/gkaf1047，PMID 41123022。本篇的全部事实以论文正文与 Zenodo 元数据为准。

时间线本身很短，这也是理解它的关键：它诞生于 sc2GWAS（2025）之后，是同一批作者把「细胞类型」这一层下沉到「组织区域」的产物。两者的思想框架（GWAS 折叠到基因、用疾病分数给单位打分、再做下游解释）完全一致，区别只在于统计单位从细胞换成了区域，以及新增了空间坐标这一维。

时间	事件	载体	意义
2022	scDRS 发表	Nature Genetics	提供 spot 打分的方法基础
2025	Sc2GWAS 发表	Nucleic Acids Research	细胞类型层面的同类平台
2025-09	网站上线	spatial2gwas.cn	实体开始可访问
2025	结果包发布	Zenodo 16880800	开放下载与复现
2025-10	论文接收发表	NAR gkaf1047	正式确立地位
2026-01	进入 NAR 数据库专刊	卷 54 D1 期	被收录进年度数据库合集

8.2 它和 Sc2GWAS 的分工

这两个资源出自同一批作者（Zhou 组与华西团队），很容易被当成一件事的两个版本。实际分工是清晰的。

Sc2GWAS 的单位是细胞类型。它回答的是「这类细胞是否与这个性状相关」，没有空间信息。Spatial2GWAS 的单位是组织区域，回答的是「这块组织是否与这个性状相关」，有坐标。前者适合单细胞图谱，后者适合切片。

这个区别在用法上很实际。手上只有单细胞数据的人，用 Sc2GWAS 就够了，不必绕道空间。手上是空间切片、想知道某个形态学区域是否与疾病相关的人，才需要 Spatial2GWAS。

对比项	Sc2GWAS	Spatial2GWAS
统计单位	细胞类型	组织区域
是否有坐标	无	有
上游数据	单细胞图谱	空间切片
下游分析	细胞层面的差异与通路	区域层面的差异、通讯方向
适用课题	细胞类型特异性	区域特异性与微环境

8.3 与 TWAS、eQTL、Open Targets 的三方对照

要理解这个资源的生态位，最有效的方式是把它和「同样回答 GWAS 位点的功能后果」的三类做法放在一起比。

TWAS 把 GWAS 与 eQTL 的权重结合，给出「基因表达与性状的关联」，回答的是「哪个基因的表达变化与性状相关」。它的限制在于必须有一个能测到该组织的 eQTL 参考面板。eQTL 本身回答「哪个变异调控哪个基因」，限制在于组织可得性与细胞异质性被平均掉。Open Targets 把遗传、表达、文献、通路、动物模型五类证据打分整合，回答「这个靶点和这个疾病有多像真的」，限制在于它不落到具体的组织位置。

Spatial2GWAS 补的正是「具体位置」这一格：它不建模调控，也不做证据打分，只回答「表达谱最像性状关联基因的地方在哪个区域」。

方法	核心问题	输入	输出单位	关键限制
eQTL	变异如何调控基因	基因型与表达	变异-基因对	需组织与样本量
TWAS	基因表达与性状是否相关	GWAS 与 eQTL 权重	基因	依赖 eQTL 面板
Open Targets	靶点与疾病关系多强	多源证据	靶点-疾病对	不落到空间位置
Spatial2GWAS	性状信号堆在哪个区域	GWAS 与前 1000 基因	切片-性状-区域	相关性，无调控与因果

从这张表能看出一个组合式的用法：先用 Open Targets 筛出靶点，用 TWAS 或 eQTL 验证调控，再用 Spatial2GWAS 找区域，四步各管一段。单独用任何一步都会在信息上留缺口。

8.4 它在空间组学生态里的坐标

从 2023 年到 2025 年，空间组学数据库经历了一轮爆发，可以按「存切片、存注释、存功能、存关联」四层来分层。

第一层是存切片，代表是 STOmicsDB 与各种 GEO 镜像，解决「哪里有数据」。第二层是存注释，代表是 SpatialRef 与 SPASCER，解决「这块 spot 是什么」。第三层是存功能，代表是 SPathDB，解决「这块区域的通路活性如何」。第四层是存关联，就是 Spatial2GWAS 所在的位置，解决「这块区域与哪个性状相关」。

这四层不是替代关系，是上下依赖关系。Spatial2GWAS 在上游直接用到了前三层的产物：切片来自 STOmicsDB 等，注释来自 SpatialRef 与 SPASCER，细胞类型反卷积来自 stSNV。它自己新增的只是第四层的统计。

层次	回答的问题	代表资源	Spatial2GWAS 的关系
切片存储	哪里有空间数据	STOmicsDB、GEO	上游来源
注释	这块 spot 是什么	SpatialRef、SPASCER	上游来源
功能	区域激活了什么通路	SPathDB	平行但可对照
关联	区域与哪个性状相关	Spatial2GWAS	本篇主体

§9 使用指引

9.1 三种角色的路径

不同角色进入这个资源的路径差别很大，分开说更有用。

遗传学家：你已经有 GWAS 结果，缺的是组织学解释。最短路径是用网站 Advanced Search 按组织与性状类别过滤，看显著区域名，再去 Detail 页看该区域的 DEG 与通路。重点核对两件事：切片是否是人源，区域标签是否来自文献注释。

肿瘤生物学家：你关心微环境与免疫区。最短路径是选肿瘤组织加癌症类性状，比较免疫区与间质区的 adjP 与细胞类型构成差异。这类任务里，COMMOT 的通讯方向图是别的资源给不了的，值得花时间看。

方法开发者：你要的是流程与缺口。最短路径是直接读 Zenodo 的代码包，然后在 210 张聚类注释切片上试新的区域划分方法。这类人最可能做出增量的地方，是把「区域注释的一致性」从人工问题变成可量化问题。

角色	首要需求	最短操作	关键核对点	常见误区
遗传学家	组织学解释	按组织筛配对，看区域名	物种与注释来源	把区域显著当作变异功能证据
肿瘤研究者	微环境定位	筛肿瘤组织与癌症性状	区域大小与 spot 数	用小区域结论下判断
方法开发者	流程与缺口	读代码包，换注释方法	区域标签来源	以为区域已标准化
药物发现	靶点落点	按基因反查共表达	靶点是否已上市	把靶点交叠当作疗效证据
数据工程师	批量获取	Zenodo 全量包	磁盘空间与文件名拼接	漏掉 Filename_ 前缀

9.2 一条最短的可用流程

从零到一张可读的区域显著性表，最短路径有四步，全部可以命令行完成。这条流程只用到 6 MB 的包，几分钟内能跑完。

#-- 第 1 步：取区域统计包
mkdir -p s2g_quick && cd s2g_quick
curl -sL "https://zenodo.org/records/16880800/files/Filename_scdrs_significant_group_table.tar.gz" -o region.tar.gz
tar -xzf region.tar.gz

#-- 第 2 步：挑一个切片的所有配对，看同一区域在不同性状下是否稳定
import glob, pandas as pd
files = sorted(glob.glob("Filename_scdrs_significant_group_table/34493872_Breast_1142243F_*.csv"))
rows = []
for f in files:
    d = pd.read_csv(f)
    d["pair"] = f.split("/")[-1].split("_SC_G_")[1][:3]
    rows.append(d)
all_df = pd.concat(rows)
piv = all_df.pivot_table(index="Spatial region", columns="pair",
                         values="P-value adjust", aggfunc="min")
print(piv.head(8).round(4).to_string())

#-- 第 3 步：把 adjP 小于 0.05 的区域抽出来，标出哪几个区域在多数性状下都显著
sig = (piv < 0.05).sum(axis=1).sort_values(ascending=False)
print(sig.head(10).to_string())

#-- 第 4 步：对稳定显著的区域，取 spot 数做权重，看哪些区域有足够样本支撑
size = all_df.drop_duplicates("Spatial region")[["Spatial region", "Spot number"]]
out = size.merge(sig.rename("n_sig_pairs"), left_on="Spatial region", right_index=True)
print(out.sort_values(["n_sig_pairs", "Spot number"], ascending=False).head(10).to_string(index=False))

跑完这四步会看到一个现象：同一张切片上，某些区域在所有性状里都显著，另一些只在特定性状里显著。前者更像是「这张切片的背景就偏这个方向」，后者才可能是性状特异的信号。这正是 §4.3 的案例里需要额外核对的层面——论文只展开了最显著的那个配对，没有比较同一区域在其他性状下的表现。

9.3 引用方式

正式引用应引用论文而不是网站，因为网站内容会随更新变化。

论文的完整引用格式：Hu X, Wang A, Yu H, Kim P, Zhou X. Spatial2GWAS: a database for linking spatial transcriptomic regions with GWAS traits. Nucleic Acids Research. 2026;54(D1):D1309–D1320. doi:10.1093/nar/gkaf1047。

引用数据时应同时给出结果包地址 https://zenodo.org/records/16880800 与访问日期，因为 Zenodo 记录可能追加新版本。引用具体的区域结论时，应给出 Sample_ID、GWAS_ID 与区域名三元组，这样别人能定位到具体的 CSV 行。

§10 AI 使用声明

项目	说明
文本生成	本篇由大语言模型辅助撰写，事实以论文正文与 Zenodo 元数据为准
事实核对方式	逐个访问官方网站、Europe PMC 全文与 Zenodo API，不依赖检索摘要
未做的核对	未逐行统计全量结果包，未复跑 scDRS 流程
数字来源层级	规模与结构数字来自论文正文与官网统计接口；文件体积来自 Zenodo API
已知不确定处	网站 API 无正式文档，端点由前端代码推得，可能随版本变化
适合的用途	快速了解资源定位、选型判断、找取数入口
不适合的用途	替代原文阅读、作为统计分析结果的最终依据
责任声明	任何临床或科研决策应以原始论文与原始数据为准

常见误读（避坑清单）

说法	实际	证据
它是一个 eQTL 数据库	它不做变异-表达剂量回归，用的是疾病分数富集	方法部分只出现 MAGMA 与 scDRS，无 QTL 建模
区域显著说明该区域致病	只说明该区域表达谱相对背景更像性状关联基因	Discussion 明确为相关性而非因果
spot 级 p 值可以单独引用	spot 级未做多重检验校正，只有区域级做了 BH	方法部分两级阈值不同
区域都是病理学家标注的	986 张来自文献，210 张是 BANKSY 聚类	方法部分切片注释来源
39 种组织意味着组织均衡	人源 25.0% 是皮肤，鼠源 34.2% 是脊髓	Discussion 的切片分布
鼠源结果可以直接推给人	作者自己列为局限，结构功能差异限制迁移	Discussion 的物种局限段
结果是欧洲人群的通用结论	767/812 个 GWAS 来自欧洲人群	Discussion 的人群局限段
下载结果包就能拿到原始表达矩阵	包里只有下游统计表，h5ad 需回溯上游库	Zenodo 文件清单无表达矩阵
同一区域名在不同切片含义相同	文献注释粒度不一，聚类区域只有数字	区域表字段与 210 张聚类切片说明
可以做跨切片的三维分析	当前版本只做单切片，三维在更新计划里	Discussion 的三维局限段

FAQ

Q1：它是因果推断工具吗？
不是。原文 Discussion 明确写它提供的是区域与表型之间的相关性而非因果，并把这个局限归为同类资源共有。把它当作因果证据会把结论放大一级。

Q2：可以用它替代 eQTL 或 TWAS 吗？
不能。它不做变异到表达的剂量建模，既没有效应量也没有共定位结果。它能给的是「表达谱最像性状关联基因的区域」，与 eQTL 的统计对象不同，二者互补。

Q3：需要注册或申请数据吗？
不需要。全文声称网站对所有用户免费开放、无需注册与登录，测得的结果包也在 Zenodo 上公开直链。

Q4：能拿到原始表达矩阵吗？
结果包只有下游统计表，没有 h5ad 或原始计数矩阵。要拿原始数据需回溯 SPASCER、SpatialRef、stSNV、STOmicsDB 四个上游库，或按切片 ID 去 GEO 找。

Q5：为什么小鼠切片这么多？
作者引用小鼠与人类组织层面基因表达相关性超过八成作为理由，同时开源的空间数据里小鼠占比本来就高。作者已把「鼠源为主」列为局限，说明未来会优先补人源。

Q6：同一张切片在不同性状下结论会变吗？
会。配对是按组织类型机械匹配的，一张脑切片会配到多个精神与神经类性状，每个配对单独跑一遍 scDRS，显著区域可能完全不同。用之前一定要看清 GWAS_ID。

Q7：网站有没有可编程接口？
有，但不公开。前端调用的是 /api/dash/ApiBrowse、ApiStatistics、HomeChart、ApiResults 等端点，参数结构需从返回数据反推。接口随版本可能变动，做长期流程要留降级方案。

Q8：区域表里的 MC p 值为什么有下界？
因为背景分布由 1000 次随机抽样构造，最小可能的 p 值约为 0.001。区域只有几个 spot 时，这个下界就成了分辨率上限，显著性判断的可靠性下降。

Q9：能不能用它找药物重定位线索？
可以当作假设生成。共表达基因与 DGIdb 靶点的交集给出了靶点-药物映射，论文里乳腺案例就是用这条路把 FOS 连到紫杉醇。但这只是线索，不是疗效证据。

Q10：结果包有多大，准备多少磁盘？
九个包合计约 3.4 GB，其中区域级 GO 包单个就超过 1 GB，解压后体积会显著放大。建议先只下区域统计与共表达基因两个包，其余按需取。

Q11：数据会不会更新，怎么跟踪？
论文说明会持续整合新数据，但当前没有公开的版本号或更新日志。跟踪方式是定期查看 Zenodo 记录是否出现新版本，以及网站首页统计图的总量是否变化。

Q12：引用时应该引论文还是网站？
引论文。论文有固定的卷期页码与 DOI，网站内容会随更新变化。引用具体区域结论时，额外给出 Sample_ID、GWAS_ID 与区域名三元组，方便别人定位。

术语表

术语	英文	本文中的含义
空间转录组	spatial transcriptomics	在保留组织坐标的前提下测基因表达的技术
spot	spot	低分辨率平台上固定的检测点，一个点含多个细胞
bin	bin	高分辨率平台上人为划分的方格
空间区域	spatial region	切片上被划为一类的若干 spot 或 bin，本库的统计单位
切片	slice	一张有坐标的表达矩阵，对应一个样本
配对	slice-trait pair	一张切片与一个 GWAS 性状的组合，是检索的行单位
MAGMA	Multi-marker Analysis of GenoMic Annotation	把 SNP 层面统计折叠成基因层面 z 分数的工具
scDRS	single-cell disease relevance score	用性状关联基因的加权表达给单个单位打分的方法
疾病分数	disease score	scDRS 给每个 spot 打的分数，反映该点表达谱与性状基因的相似度
共表达基因	co-expressed gene	表达量与疾病分数正相关的基因
反卷积	deconvolution	从 spot 表达推断细胞类型比例的方法
细胞通讯	cell-cell communication	配体受体结合介导的有向信号
蒙特卡洛 p 值	Monte Carlo p-value	通过随机重采样构造零分布得到的 p 值
BH 校正	Benjamini-Hochberg	控制错误发现率的多重检验校正方法
聚类注释	cluster annotation	用算法把 spot 分成若干组的区域标签
表型大类	phenotype category	18 个 GWAS 性状分类，如精神类、免疫类
性状关联基因	trait-associated gene	MAGMA 排序后取的前 1000 个基因
前 5% 分位	top 5% quantile	区域聚合时使用的 spot 分数分位数
靶点交叠	target overlap	共表达基因与已知药物靶点的交集
立体重建	3D reconstruction	把多张切片对齐成三维结构，本库未做
欧洲人群偏倚	European ancestry bias	GWAS 源头以欧洲队列为主带来的代表性缺口
生存周期	maintenance	一个数据库能持续存在的理由，看输入增长与流程复用

附录 A：核心数字核对表

项	值	来源	来源层级
切片总数	1196	论文 Results 与网站统计接口	官方页面 + 论文
人源切片	404	论文 Methods	论文
鼠源切片	792	论文 Methods 与网站统计接口	官方页面 + 论文
spot/bin 总量	11,007,655	论文 Results	论文
组织数	39	论文 Results 与网站统计接口	官方页面 + 论文
空间技术数	5	论文 Methods	论文
GWAS 性状数	812	论文 Methods 与网站统计接口	官方页面 + 论文
表型大类数	18	论文 Methods	论文
配对数	见速览表	论文 Results	论文
人源配对	见速览表	论文 Results	论文
鼠源配对	见速览表	论文 Results	论文
显著区域数	见速览表	论文 Results	论文
共表达人类基因	15,022	论文 Results	论文
药物靶点数	3,216	论文 Results	论文
药物数	11,986	论文 Results	论文
区域统计包体积	6,000,478 字节	Zenodo API	官方 API
区域级 GO 包体积	1,294,387,880 字节	Zenodo API	官方 API
结果包文件数	10	Zenodo API	官方 API
许可	CC BY 4.0	Zenodo 元数据	官方 API
单区域显著切片占比	65.9%	论文 Discussion	论文

附录 B：数字的来源分层

层级	定义	本篇引用的数字	可信度
官方页面	网站统计接口或页面元素直接给出	物种切片数、组织数、性状数、技术数	高，但接口可能不随版本更新
论文摘要与正文	论文 Methods、Results、Discussion 中的明示数字	配对数、区域数、基因数、靶点数、占比	高，有同行评议
Zenodo 元数据	文件清单与体积	包体积、文件数、许可	高，但只反映打包时状态
未核实	从样例文件推出的量，如单文件行数	单个 CSV 的行数分布	中，样本有限不代表全库

分层原则很简单：凡是能被网站或论文直接读到的，标在高层；凡是需要抽样才能得到的，一律标为未核实，不写进规模数字。

附录 C：完整参考文献

1. Hu X, Wang A, Yu H, Kim P, Zhou X. Spatial2GWAS: a database for linking spatial transcriptomic regions with GWAS traits. Nucleic Acids Research, 2026, 54(D1): D1309–D1320. doi:10.1093/nar/gkaf1047
2. Zhang MJ, Hou K, Dey KK, et al. Polygenic enrichment distinguishes disease associations of individual cells in single-cell RNA-seq data. Nature Genetics, 2022, 54: 1572–1580. doi:10.1038/s41588-022-01167-z
3. de Leeuw CA, Mooij JM, Heskes T, et al. MAGMA: generalized gene-set analysis of GWAS data. PLoS Computational Biology, 2015, 11: e1004219. doi:10.1371/journal.pcbi.1004219
4. Yin M, Feng C, Yu Z, et al. Sc2GWAS: a comprehensive platform linking single cell and GWAS traits of human. Nucleic Acids Research, 2025, 53: D1151–D1161. doi:10.1093/nar/gkae1008
5. Cui T, Li YY, Li BL, et al. SpatialRef: a reference of spatial omics with known spot annotation. Nucleic Acids Research, 2025, 53: D1215–D1223. doi:10.1093/nar/gkae892
6. Fan Z, Luo Y, Lu H, et al. SPASCER: spatial transcriptomics annotation at single-cell resolution. Nucleic Acids Research, 2023, 51: D1138–D1149. doi:10.1093/nar/gkac889
7. Yang C, Liu Y, Wang X, et al. stSNV: a comprehensive resource of SNVs in spatial transcriptome. Nucleic Acids Research, 2025, 53: D1224–D1234. doi:10.1093/nar/gkae945
8. Li F, Song X, Fan W, et al. SPathDB: a comprehensive database of spatial pathway activity atlas. Nucleic Acids Research, 2025, 53: D1205–D1214. doi:10.1093/nar/gkae1041
9. Xu Z, Wang W, Yang T, et al. STOmicsDB: a comprehensive database for spatial transcriptomics data sharing, analysis and visualization. Nucleic Acids Research, 2024, 52: D1053–D1061. doi:10.1093/nar/gkad933
10. Singhal V, Chou N, Lee J, et al. BANKSY unifies cell typing and tissue domain segmentation for scalable spatial omics data analysis. Nature Genetics, 2024, 56: 431–441. doi:10.1038/s41588-024-01664-3
11. Cang Z, Zhao Y, Almet AA, et al. Screening cell–cell communication in spatial transcriptomics via collective optimal transport. Nature Methods, 2023, 20: 218–228. doi:10.1038/s41592-022-01728-4
12. Cannon M, Stevenson J, Stahl K, et al. DGIdb 5.0: rebuilding the drug-gene interaction database. Nucleic Acids Research, 2024, 52: D1227–D1235. doi:10.1093/nar/gkad1040
13. Song L, Chen W, Hou J, et al. Spatially resolved mapping of cells associated with human complex traits. Nature, 2025, 641: 932–941. doi:10.1038/s41586-025-08757-x
14. Wu SZ, Al-Eryani G, Roden DL, et al. A single-cell and spatially resolved atlas of human breast cancers. Nature Genetics, 2021, 53: 1334–1347. doi:10.1038/s41588-021-00911-1
15. Miyoshi E, Morabito S, Henningfield CM, et al. Spatial and single-nucleus transcriptomic analysis of genetic and sporadic forms of Alzheimer’s disease. Nature Genetics, 2024, 56: 2704–2717. doi:10.1038/s41588-024-01961-x

附录 D：任务代码

一段把「配对表 → 区域表 → 稳定区域筛选」串起来的完整脚本。它只依赖区域统计包，可以直接跑。

#-- 输入：已解压的 Filename_scdrs_significant_group_table 目录
#-- 输出：每个区域在多少个配对上显著，以及其 spot 数
import glob
import pandas as pd

BASE = "Filename_scdrs_significant_group_table"
records = []

for path in sorted(glob.glob(f"{BASE}/*.csv")):
    df = pd.read_csv(path)
    if df.empty:
        continue
    df["source"] = path.split("/")[-1]
    records.append(df)

table = pd.concat(records, ignore_index=True)
table["is_sig"] = table["P-value adjust"] < 0.05
summary = (table.groupby("Spatial region")
                .agg(n_pairs=("source", "nunique"),
                     n_sig=("is_sig", "sum"),
                     median_spots=("Spot number", "median"))
                .sort_values("n_sig", ascending=False))
summary["sig_ratio"] = summary["n_sig"] / summary["n_pairs"]
print(summary.head(20).round(3).to_string())
summary.to_csv("region_stability_summary.csv")

这段脚本的用途是把「某区域在多少配对里显著」变成可排序的指标。sig_ratio 接近 1 的区域倾向于背景效应，sig_ratio 中等且 spot 数足够的区域更值得追。

附录 E：如果只记五件事

第一，它把 GWAS 信号按组织区域定位，是「GWAS 位点、eQTL 基因、空间区域」三层链条里第三层的现成实现。

第二，统计单位是切片-性状配对与区域，不是变异，也不是细胞。见 §4.3 的案例。

第三，相关性不是因果，原文明确声明，任何解读都要停在这一层。

第四，取数走两条路：网站看图、Zenodo 拿表，前者适合初筛后者适合批量。

第五，用之前先按物种与技术过滤，血统不明的跨物种与跨平台混比是最常见的用法错误。

编辑说明

本篇 slug 为 spatial2gwas，候选名与实体一一对应，无改名或替代。核验时间 2026 年 10 月 27 日。核验方式：Europe PMC 精确检索关键字 spatial2gwas、spatial transcriptomics GWAS integration、spatial eQTL；GitHub 仓库检索 spatial2gwas（零命中）；Zenodo API 查询记录 16880800；访问网站首页与三个统计端点。

未覆盖的内容：全量结果包未逐行统计，只解压并查看了区域统计包的首部若干行以确认表结构；九个包里只完整读取了体积最小的一个；网站的 Detail 页依赖 JS 渲染，未在浏览器中逐一访问，其字段由 Browse 表返回结构推断；论文补充材料中的切片清单与性状清单未逐条核对。

候选名与实体的对应关系已写在 §8.1。若后续出现同名的新资源，需在本页基础上重新核验。

---

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：

• geneasso — 共享标签：基因组学与多组学 / GWAS / 药物-靶点相互作用
• herb-2 — 共享标签：基因组学与多组学 / 转录组 / 药物-靶点相互作用
• gtex-legacy — 共享标签：基因组学与多组学 / GWAS / 转录组
• gtex — 共享标签：基因组学与多组学 / GWAS / 转录组
• discp-atlas — 共享标签：基因组学与多组学 / GWAS / 转录组
• plasma-metabolome-wgs — 共享标签：基因组学与多组学 / GWAS / 药物-靶点相互作用
• 1000-genomes — 共享标签：基因组学与多组学 / GWAS
• geo — 共享标签：基因组学与多组学 / 转录组
• fantom5 — 共享标签：基因组学与多组学 / 转录组
• tabula-sapiens — 共享标签：基因组学与多组学 / 转录组

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。