IF36.1｜HuBMAP 3D人类参考图谱构建与应用

HuBMAP发布3D人类参考图谱，统一多尺度人体数据，助力疾病研究。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

人类生物分子图谱计划（HuBMAP）旨在构建健康成年人的三维参考图谱（HRA），涵盖从器官、组织到细胞和生物标志物的多尺度结构。此前已有多个器官特异性图谱，但缺乏统一的三维坐标框架（CCF）来整合多模态数据。HRA通过专家协作、本体论和知识图谱，提供标准术语、数据格式和工具，支持将新的实验数据映射到参考空间。

科学问题

卡在哪里： 现有图谱多针对单一器官，缺乏共享的三维坐标框架，难以整合不同尺度和模态的数据。此外，细胞类型和生物标志物的本体论覆盖不全，新数据映射流程不统一，限制了跨研究比较和疾病状态分析。

本文要回答： 构建一个覆盖全身的三维参考图谱，提供统一坐标框架、本体论和工具，使新实验数据能够被映射和比较，从而支持健康与疾病状态的差异分析。

技术路线

作者主要用了：ASCT+B表、3D参考对象、本体论、RUI注册、Azimuth注释、OMAP、HRApop。

作者首先通过专家协作构建ASCT+B表，定义解剖结构、细胞类型和生物标志物的层级关系，并链接到Uberon、CL等本体论。然后创建3D参考对象和2D功能组织单元（FTU）插图，建立空间参考框架。新数据通过RUI进行空间注册，或通过Azimuth等工具进行细胞类型注释，或使用OMAP进行空间蛋白组学映射。最后，通过HRApop等数据富集流程计算细胞类型群体，并开发多种用户界面和API供访问。

图 1　Fig. 1。图1展示了HRA的数字对象类型及其相互关系，包括ASCT+B表、3D参考对象、2D FTU插图、OMAP、Azimuth参考和HRApop等，以及它们如何通过本体论和交叉映射链接。

核心亮点

亮点 1｜HRA v2.0覆盖广泛

第六版HRA包含4,499个独特解剖结构、1,195种细胞类型和2,089个生物标志物，来自33个ASCT+B表和65个3D参考对象。这些数据链接到Uberon、CL等本体论，并扩展了125个解剖结构术语和141个细胞类型术语。

图 2　Fig. 2。图2说明了组织块如何通过RUI或millitome进行3D空间注册和语义注释，然后切割成切片进行多种分析（如sc/snRNA-seq、空间蛋白组学、H&E染色），并展示不同分析类型的空间对齐。

亮点 2｜统一数据映射流程

HRA提供三种主要映射方式：通过RUI进行空间注册，通过Azimuth等工具进行细胞类型注释，以及通过OMAP进行空间蛋白组学映射。HRApop整合了553个数据集，为40个解剖结构计算细胞类型群体。

图 3　Fig. 3。图3展示了在健康和疾病肺组织中，使用多重免疫荧光成像和VCCF可视化，比较实质细胞和免疫细胞相对于血管的距离分布，显示疾病状态下免疫细胞聚集和距离压缩。

亮点 3｜多尺度用户界面

开发了EUI、FTU Explorer、Vitessce、HRA Organ Gallery等工具，支持从全身到单细胞水平的探索。Azimuth已注释超过27,000个数据集，包含3.66亿个细胞。

亮点 4｜疾病应用示例

在肺和肠的示例中，展示了如何利用HRA进行细胞距离分析和FTU层级分析，揭示疾病状态下免疫细胞与血管的空间关系变化。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： ASCT+B表、3D参考对象、本体论、RUI注册、Azimuth注释、OMAP、HRApop
• 公开数据： 原文未给出公开组学登录号
• 代码： 原文未给出公开 GitHub/GitLab 仓库
• 谁该点开原文： 从事单细胞、空间组学或人体图谱构建的研究人员，以及需要整合多模态数据的生物信息学家。

带走一句

HRA为多尺度人体数据提供了统一参考框架，分析人员可将自己的数据映射到该框架，实现跨研究比较和疾病状态的空间分析。