波士顿大学推出新软件包，简化空间组学分析过程。

过去几年，空间组学技术爆发：空间转录组、原位蛋白质组、空间代谢组、周期性免疫组化……技术花样繁多，数据量和分辨率都在飙升。问题也随之显现：这些不同来源、不同尺度的数据像散落在桌面上的拼图，缺少一种既能放大细节，又能把碎片拼成全景的「工作台」。

考虑到工作者的实际需要，美国波士顿大学（Boston University）与西奈山伊坎医学院（Icahn School of Medicine at Mount Sinai）等介绍了一套模块化软件包 Giotto Suite，它提供可扩展的端到端解决方案，用于多尺度和多组学数据分析、集成和可视化。

他们的研究成果以「Giotto Suite: a multiscale and technology-agnostic spatial multiomics analysis ecosystem」为题，于 2025 年 10 月 1 日发布在《Nature Methods》。

论文链接：https://www.nature.com/articles/s41592-025-02817-w

一个「技术无关」的数据框架与模块化包组

现有的空间组学软件通常偏向某一类技术或某一层级分辨率，比如说专门处理 spot-based 的序列化空间转录组，或专门做图像分割/可视化的工具。诸如此类工具在面对研究者的整合需求（RNA、蛋白、形态学特征以及注释信息跨尺度）时，就显得有些麻烦。

这些麻烦不仅体现在需要在不同工具间频繁转换数据格式、手动对齐坐标或编写大量 glue 代码，更头疼的地方在于，工具生态碎片化也阻碍了社区共享与复用。

图 1：Giotto Suite 生态系统和核心数据框架。

Giotto Suite 的目标正是变「工具林」成「生态圈」，减少重复造轮子，让下游分析更顺手、更可复现。

先来看看其设计的三条关键思路。

1.技术无关的数据框架—— 它把空间数据用统一的数据结构表示（例如 giottoPoints、giottoPolygon、giottoLargeImage），能同时承载点状（transcripts）、矢量（注释区域）和栅格（组织切片图像）等多种空间单元，保留原始信息并支持多尺度聚合。这个框架的核心让不同技术生成的数据可以在同一「语言」下互通。

2.模块化、可扩展的 R 包生态—— Giotto Suite 不是一个单体程序，而是一组 R 包和接口，强调可插拔、与 Bioconductor 等生态互操作，同时提供交互式可视化与高性能计算支持，方便开发者在其上构建自定义流水线与方法。

3.多模态与多尺度的耦合分析能力—— 它不仅能做单细胞级的分子分析，还能把细胞级信息汇聚到组织结构（region/zone）或栅格层次，支持从亚细胞到组织的跨尺度问题建模与可视化。

总体思路就是，先用一个强壮的、技术无关的数据底座把信息屋架搭好，然后在上面放各种分析、可视化与扩展组件。对用户而言，等于把「数据转换+格式对齐」的时间换成「真正做生物学问题」的时间。

开箱即用

为了展示 Giotto Suite 的能力并突出其空间技术无关性，与它灵活且可拓展的实现方式，它的研究团队展示了在以下由一些最新空间技术生成的特定数据集上的各种应用。

多尺度与泛用框架

Giotto Suite 的核心框架可以促进任何级别的联合数据表示和分析，譬如说 MERFISH FFPE 人类乳腺癌数据集的一个子集。MERFISH、编码原位杂交、免疫组化图像及质谱成像等不同技术的数据被接入统一框架，并完成了跨层级的联合分析（把转录水平和蛋白分布映射到相同组织结构中）。

图 2：多尺度分析。

除了通常将每个细胞视为基本单元的常见分析管道外，Giotto Suite 的框架还允许用户进行亚细胞分析。详细点说，根据任何预定义的空间单元查询单个转录本位置，并用于识别在亚细胞器上空间富集的基因或基因集，或检测优先在细胞边界内或外部发现的转录本。

多模态数据分析

Giotto Suite 为新型技术提供了重要补充，其中一点体现在支持多模态数据分析和集成，以获得更全面的细胞状态表征方面。这通过添加核心框架促进的特定功能而实现。

图 3：使用 Giotto Suite 框架进行多组学数据分析。

拓展性与交互性

Giotto Suite 能够轻松包含来自数百万个细胞的时空和表达信息，即使是高性能计算基础设施也常常难以用传统方法处理这些数据集。这其中实现了优化的并行编码、延迟磁盘计算和数据投影策略等几个互补工具，用以缓解可拓展分析的挑战。

图 4：可扩展的数据分析、平铺方法和应用。

在 Giotto Suite，用户可以在细胞级别钻取，也能把注意力拉远看组织分区或立体切片堆栈的模式，工具链支持交互式探索，适合科学家与临床同事共同讨论切片/图谱。

研究团队重做了 Giotto 的 S4 类设计、增加单元测试与持续集成，强调向外部开发者开放接口，使社区能在它上面贡献新方法或插件（利于长期生态建设）。

工程化落地

把技术与数据「放在一个桌面上」带来的好处很多，不单单是更快速地将基因表达模式与蛋白分布、细胞形态联系起来，面向 FAIR 原则的框架使得数据与分析流程更易共享与审查。可复现的实验与开放 API 等设计使得 Giotto Suit 更像是一个平台而非产品，便于形成社区插件与方法互补。

空间多组学是未来生物医学与基础生物学的重要方向，但它需要的不仅是更高分辨率的技术，而是一套能把不同尺度与模态连通起来的工程与软件哲学。Giotto Suite 正是沿着这条路线做出的工程化落地。

对整个领域来说，这比多出一个分析方法更重要——它可能决定未来几年空间生物学研究能否真正从「各自为战」走向「协同进化」。