Abstract Solid tumors are complex ecosystems, and heterogeneity is the major challenge for overcoming tumor relapse and metastasis. Uncovering the spatial heterogeneity of cell types and functional states in tumors is essential for developing effective treatment, especially in invasive fronts of tumor, the most active region for tumor cells infiltration and invasion. We firstly used SpaTial Enhanced REsolution Omics-sequencing (Stereo-seq) with a nanoscale resolution to characterize the tumor microenvironment of intrahepatic cholangiocarcinoma (ICC). Enrichment of distinctive immune cells, suppressive immune microenvironment and metabolic reprogramming of tumor cells were identified in the 500µm-wide zone centered bilaterally on the tumor boundary, namely invasive fronts of tumor. Furthermore, we found the damaged states of hepatocytes with overexpression of Serum Amyloid A (SAA) in invasive fronts, recruiting macrophages for facilitating further tumor invasion, and thus resulting in a worse prognosis. We also confirmed these findings in hepatocellular carcinoma and other liver metastatic cancers. Our work highlights the remarkable potential of high-resolution-spatially resolved transcriptomic approaches to provide meaningful biological insights for comprehensively dissecting the tumor ecosystem and guiding the development of novel therapeutic strategies for solid tumors.

Cells do not live in a vacuum, but in a milieu defined by cell–cell communication that can be measured via emerging high-resolution spatial transcriptomics approaches. However, analytical tools that fully leverage such data for kinetic modeling remain lacking. Here we present Spateo ( aristoteleo/spateo-release ), a general framework for quantitative spatiotemporal modeling of single-cell resolution spatial transcriptomics. Spateo delivers novel methods for digitizing spatial layers/columns to identify spatially-polar genes, and develops a comprehensive framework of cell-cell interaction to reveal spatial effects of niche factors and cell type-specific ligand-receptor interactions. Furthermore, Spateo reconstructs 3D models of whole embryos, and performs 3D morphometric analyses. Lastly, Spateo introduces the concept of “morphometric vector field” of cell migrations, and integrates spatial differential geometry to unveil regulatory programs underlying various organogenesis patterns of Drosophila. Thus, Spateo enables the study of the ecology of organs at a molecular level in 3D space, beyond isolated single cells.

Understanding mammalian development heavily relies on classical animal models like the house mouse (Mus musculus). Advanced spatial transcriptomics has enabled biologists to break new ground in studies of molecular dynamics and cellular patterning during embryonic development with spatiotemporal resolution. To construct a comprehensive developmental trajectory, current three-dimensional (3D) spatial transcriptomic profiling leverages mouse embryos from gastrulation (E5.5) to organogenesis (E13.5) in continuity. However, a crucial phase for early organogenesis between E9.5 and E11.5 was deficient. To unveil the mystery of this stage, we present the 3D transcriptomics of mouse embryos at E9.5 and E11.5, with a widely applicable reconstruction workflow that bypasses sophisticated bioinformatic calculations. As our 3D atlas is generated at single-cell resolution, we demonstrate how organogenetic processes can be interpreted at different levels of granularity, from local cellular interactions to whole embryonic regionalization. We release the open-access database MOSTA3D (Mouse Organogenesis Spatiotemporal Transcriptomic Atlas in Three-dimensional) and hope a broader community will contribute to extending this framework from conception to senility in the near future.

A comprehensive atlas of genes, cell types, and their spatial distribution across a whole mammalian brain is fundamental for understanding function of the brain. Here, using snRNA-seq and Stereo-seq techniques, we generated a mouse brain atlas with spatial information for 308 cell clusters with single-cell resolution involving over 6 million cells as well as for 29,655 genes. We have identified new astrocyte clusters, and demonstrated that distinct cell clusters exhibit preference for cortical subregions. In addition, we identified 155 genes exhibiting regional specificity in the brainstem, and 513 long non-coding RNA exhibited regional specificity in the adult brain. Parcellation of brain regions based on spatial transcriptomic information showed large overlap with that by traditional method. Furthermore, we have uncovered 411 transcription factor regulons with spatiotemporal specificity during development. Thus, our study has discovered genes and regulon with spatiotemporal specificity, and provided a high-resolution spatial transcriptomic atlas of the mouse brain.