Tracing cellular dynamic changes across conditions, time, and space is crucial for understanding the molecular mechanisms underlying complex biological systems. However, integrating multi-sample data in a unified and flexible way to explore cellular heterogeneity remains a major challenge. Here, we present Stereopy, a flexible and versatile framework for modeling and dissecting comparative and spatiotemporal patterns in multi-sample spatial transcriptomics with interactive data visualization. To optimize this flexible framework, we have developed three key components: a multi-sample tailored data container, a scope controller, and an analysis transformer. Furthermore, Stereopy showcases three transformative applications supported by pivotal algorithms. Firstly, the multi-sample cell community detection (CCD) algorithm introduces an innovative capability to detect specific cell communities and identify genes responsible for pathological changes in comparable datasets. Secondly, the spatially resolved temporal gene pattern inference (TGPI) algorithm represents a notable advancement in detecting important spatiotemporal gene patterns while concurrently considering spatial and temporal features, which enhances the identification of important genes, domains and regulatory factors closely associated with temporal datasets. Finally, the 3D niche-based regulation inference tool, named NicheReg3D, reconstructs the 3D cell niches to enable the inference of cell-gene interaction network within the spatial texture, thus bridging intercellular communications and intracellular regulations to unravel the intricate regulatory mechanisms that govern cellular behavior. Overall, Stereopy serves as both a bioinformatics toolbox and an extensible framework that provides researchers with enhanced data interpretation abilities and new perspectives for mining multi-sample spatial transcriptomics data.

Three-dimensional Spatial Transcriptomics has revolutionized our understanding of tissue regionalization, organogenesis, and development. However, to reconstruct single sections back to their in situ three-dimensional morphology, existing approaches either neglect experiment-induced section distortions, or fail to account for structural consistency during reconstruction. This leads to significant discrepancies between reconstruction results and the actual in vivo locations of cells, imposing unreliable spatial profiles to downstream analysis. To address these challenges, we propose ST-GEARS (Spatial Transcriptomics GEospatial profile recovery system through AnchoRS), which solves optimized "anchors" between in situ closest spots utilizing expressional and structural similarity across sections and recovers in vivo spatial information under the guidance of anchors. By employing innovative Distributive Constraints into the Optimization scheme, it retrieves more precise anchors compared to existing methods. Taking these anchors as reference points, ST-GEARS first rigidly aligns sections, then introduces and infers Elastic Fields to counteract distortions. ST-GEARS denoises the fields using context information by Gaussian Denoising. Utilizing the denoised fields, it eliminates distortions and eventually recovers original spatial profile through innovative and mathematically proved Bi-sectional Fields Application. Studying ST-GEARS on both bi-sectional registration and complete tissue reconstruction across sectional distances and sequencing platforms, we observed its outstanding performance in spatial information recovery across tissue, cell, and gene levels compared to current approaches. Through this recovery, ST-GEARS provides a precise and well-explainable bridge between in vitro analysis and 3D in vivo situations, powerfully fueling the potential of biological discoveries.

Confocal frequency-domain fluorescence lifetime and Förster resonance energy transfer (FRET) microscopy of Chinese hamster ovary (CHO-K1) cells expressing the vinculin tension sensor (VinTS) is used to compare vinculin tension in three-dimensional (3D) multicellular aggregates and 2D cellular monolayers. In both 2D and 3D cultures, the FRET efficiency of VinTS is 5-6% lower than that of VinTL (p < 0.05), a tail-less control which cannot bind actin or paxillin. The difference between VinTS and VinTL FRET efficiency can be mitigated by treatment with the Rho-associated kinase inhibitor Y-27632, demonstrating that VinTS is under tension in both 2D and 3D cultures. However, there is an overall decrease in FRET efficiency of both VinTS and VinTL in the 3D multicellular aggregates compared with the 2D monolayers. Expression of VinTS in 2D and 3D cultures exhibits puncta consistent with cellular adhesions. While paxillin is present at the sites of VinTS expression in the 2D monolayers, it is generally absent from VinTS puncta in the 3D aggregates. The results suggest that VinTS experiences a modified environment in 3D aggregates compared with 2D monolayers and provide a basis for further investigation of molecular tension sensors in 3D tissue models.

Confocal frequency-domain FLIM-FRET microscopy of Vinculin-TS demonstrates that vinculin is under tension at adhesion sites within multicellular aggregates. The measurements suggest that Vinculin-TS experiences a modified environment in 3D compared with 2D cultures.