空间转录组结合单细胞图谱，映射依据怎样写进论文？

空间转录组图上标出“成纤维细胞”“巨噬细胞”等颜色，读者可能以为这些细胞都是在切片上直接被识别出来的。实际上，若数据来自多细胞混合的捕获点，作者可能用单细胞参考图谱推断每个位置的细胞组成。投稿时先标明哪些是实测计数，哪些是参考图谱推断，再说明选图谱与验证的理由。

首先交代参考数据的身份：物种、器官、疾病状态、供体数、测序平台、建库批次、版本与可用的细胞类型标签。健康组织图谱拿来解释病变组织时，疾病特异状态可能没有对应类别；不同发育阶段或处理条件也会改变表达。图谱大并不等于适配；同组织的小图谱也可能更贴近样本。若图谱来自另一物种或另一部位，方法段要说明跨物种基因对应和适用边界。

再核对两套数据真正共享了哪些基因。空间平台只测一组探针时，参考图谱里再多的基因也不能直接参与该平台的映射。应记录基因命名版本、交集数、被过滤的基因、归一化和批次处理步骤。若某类细胞赖以区分的标志基因不在交集中，结果可能更像“与相近类型的表达模式相符”，而不是精确判定该亚型。图注应说明图中颜色是模型分数、相对丰度、概率还是硬分类，不能混用。

选择方法时也要写清输出含义。Tangram原始研究学习单细胞参考与空间数据的对应关系，可预测参考细胞类型的空间分布；cell2location使用单细胞参考得到的类型表达特征，分解混合点位的计数并估计各类型的空间丰度。两种方法都依赖参考集和模型设定，却不等于每个捕获点真的观察到一枚已命名的单细胞。若论文使用了某个模型，列出软件版本、输入矩阵、细胞标签粒度、主要参数和输出阈值，不用别的方法名称替代自己的操作。

验证不能只看映射彩图是否符合预期。挑选没有参与构建参考标签或拟合的标志信息，核对其空间分布；与病理形态、免疫染色或其他独立检测比较时，写明是在同一切片还是邻近切片。若某个类型只在边缘出现，应检查那里的低质量点位、组织缺失与批次差异。还可以换一个合理的参考图谱或把相近细胞亚型合并，观察主要空间结论是否稳定。若结论对参考选择高度敏感，就报告这种依赖，而不是只展示最好看的结果。

例如，肿瘤切片中某些点位被标成“活化成纤维细胞”。如果参考集只含正常组织的细胞类型，模型可能把病变状态归到最接近的正常类。作者应查看贡献最大的共享基因与模型不确定度，并用独立标志验证；无法区分时可上收为较宽泛的“成纤维细胞相关信号”。这样既保留空间趋势，也避免把算法标签写成病理确诊。

交稿前抽查一块被模型判为高丰度的区域，沿着空间原始计数、基因交集、参考标签和输出分数逐项追溯。方法段与图注统一“预测”“估计”或“映射”用语；只有独立实验证据充分时，才进一步作细胞定位结论。参考图谱的来源与盲区，应和映射结果一起交代。