时空组学作为近年来备受瞩目的技术，能够揭示细胞内基因表达的空间分布及变化，帮助研究人员更好地理解细胞和组织的功能及相互关系，被广泛应用于肿瘤研究、免疫研究、发育生物学、神经科学、病理研究等方向。

然而，过往研究中使用的生物学规则或计算技术的方法，由于仅关注基因表达水平而忽视了空间信息，传统的聚类和差异表达分析方法也无法充分考虑数据的复杂性和细胞间的相互作用。因此，亟需更加高效、精确、综合的方法以充分挖掘时空组学数据价值，提升时空组学数据分析能力。

为了应对上述挑战，华大生命科学研究院时空组学算法团队开发了多种时空组学分析算法工具。首批发表在GigaScience及GigaByte上的算法工具包括：高效、准确的空间转录组数据分析工作全流程（SAW）、提高信噪比和数据质量的工具（EAGS）、去批次效应工具（BatchEval）、提高细胞聚类准确性的工具（SGAE）、关联细胞膜/壁染色图像与空间基因表达图的工具（STCellbin），以及基于基因表达和空间坐标，可更好地对细胞进行聚类的变邻域搜索（VNS）方法。

全新的时空算法系列工具，可有效解决时空组学研究中的数据处理和预处理困难、细胞类型和空间位置的精确定位、噪音和批次效应的处理以及下游分析的问题，进一步提升研究人员对时空组学数据的分析能力，也使得分析结果更准确、更全面、更可靠，加速科研成果产出，推动时空组学领域各项研究进阶发展。

“这批时空算法工具已经通过了实验验证，具有广泛应用性。除了在华大高分辨率、大视场的Stereo-seq数据上可展现出优秀的性能，新工具还能兼容大部分目前常见的空间组学分析平台数据。”华大生命科学研究院院长徐讯表示。

“Stereo-seq纳米级分辨率和厘米级全景视场的优势带来了海量的数据，如何高效、精准的处理这些数据是一个不小的挑战。”华大生命科学研究院生物信息领域首席科学家黎宇翔表示，“全新开发的SAW囊括了空间定位、序列比对、表达矩阵运算等时空组学核心分析流程，通过算法的深度优化和企业级的软件工程，在保证分析精度的同时可以大幅提升时空组学数据的处理效率。”

目前，本次发布的时空算法工具的脚本已在GitHub上开源，并得到了广泛关注。

未来，开发团队在完善现有的工具功能、提升工具的利用效率及准确性的同时，也将持续探索新技术和新方法的应用，提高工具性能及应用范围。此外，开发团队也将加强各方合作，积极探索推动算法解决重大生物学问题。

更多时空组学算法工具将在后续依次发布，敬请期待。