细胞在组织和器官内的空间位置对其发挥特定功能极为重要。近年来快速发展的空间转录组（Spatial Transcriptomics）技术能够同时测量生物组织切片空间位点的基因表达和空间位置信息，为研究人员破译组织的空间结构，理解周围环境对细胞基因表达的影响提供了条件。张世华课题组于近期分别发布了适应于不同空间转录组技术、不同生物组织的生物组织空间亚结构识别工具-STAGATE（详见BioArt报道：Nat Commun｜张世华课题组开发空间转录组生物组织亚结构解析新工具-STAGATE）和基于深度学习显著图的空间域特异可变基因识别方法-STAMarker（https://doi.org/10.1093/nar/gkad801）；并与合作者绘制了地中海涡虫再生过程中的三维空间转录组图谱-STAPR，系统鉴定了多个再生关键调控因子（https://www.nature.com/articles/s41467-023-39016-0）。

随着空间转录组测序数据的持续积累，整合分析不同条件下产生的数据可以提供单个数据无法获取的生物学见解。然而，这些不同来源的数据之间会存在不可避免的批次效应。消除批次效应且保留不同批次之间真实存在的生物学差异，是实现数据整合的主要挑战。尽管目前的单细胞转录组数据整合方法也可以用于多切片整合，但由于没有考虑空间信息，聚类结果容易受技术噪声影响，缺乏清晰的空间边界，且容易过度离散。

2023年10月12日，中国科学院数学与系统科学研究院张世华课题组（博士后周翔、董康宁为共同第一作者）在Nature Computational Science发表了题为Integrating spatial transcriptomics data across different conditions, technologies, and developmental stages的研究论文，针对来自不同技术、不同发育时间点、不同疾病条件的生物组织多切片空间转录组数据建立了整合分析新工具-STAligner。