Abstract Recent developments of sequencing-based spatial transcriptomics (sST) have catalyzed important advancements by facilitating transcriptome-scale spatial gene expression measurement. Despite this progress, efforts to comprehensively benchmark different platforms are currently lacking. The extant variability across technologies and datasets poses challenges in formulating standardized evaluation metrics. In this study, we established a collection of reference tissues and regions characterized by well-defined histological architectures, and used them to generate data to compare 11 sST methods. We highlighted molecular diffusion as a variable parameter across different methods and tissues, significantly affecting the effective resolutions. Furthermore, we observed that spatial transcriptomic data demonstrate unique attributes beyond merely adding a spatial axis to single-cell data, including an enhanced ability to capture patterned rare cell states along with specific markers, albeit being influenced by multiple factors including sequencing depth and resolution. Our study assists biologists in sST platform selection, and helps foster a consensus on evaluation standards and establish a framework for future benchmarking efforts that can be used as a gold standard for the development and benchmarking of computational tools for spatial transcriptomic analysis.

Recent advancements of sequencing-based spatial transcriptomics (sST) have catalyzed significant advancements by facilitating transcriptome-scale spatial gene expression measurement. Despite this progress, efforts to comprehensively benchmark different platforms are currently lacking. The extant variability across technologies and datasets poses challenges in formulating standardized evaluation metrics. In this study, we established a collection of reference tissues and regions characterized by well-defined histological architectures, and used them to generate data to compare six sST methods. We highlighted molecular diffusion as a variable parameter across different methods and tissues, significantly impacting the effective resolutions. Furthermore, we observed that spatial transcriptomic data demonstrate unique attributes beyond merely adding a spatial axis to single-cell data, including an enhanced ability to capture patterned rare cell states along with specific markers, albeit being influenced by multiple factors including sequencing depth and resolution. Our study assists biologists in sST platform selection, and helps foster a consensus on evaluation standards and establish a framework for future benchmarking efforts that can be used as a gold standard for the development and benchmarking of computational tools for spatial transcriptomic analysis.

Summary Proper placentation is essential for embryonic growth and viability, yet the spatial organization and interactions of placental cell types remain incompletely understood. Here, we present a spatiotemporal transcriptomic atlas of the mouse placenta (STAMP) from embryonic days 9.5 to 18.5 at single-cell resolution. This atlas delineates major placental cell types and developmental trajectories. We observed labyrinth region expansion through branching morphogenesis, with trophoblast progenitor cells declining and terminally differentiated trophoblast cells increasing from E12.5 onward, and glycogen cells (GCs) transitioned from the junctional zone (JZ) to the maternal decidua. Furthermore, we found two novel GC subclusters with distinct spatial distributions and molecular features. Analysis of defective placentas revealed an increased number of GCs and altered macrophage distribution in the labyrinth layer. Transmission electron microscopy and glycogen content examination confirmed sluggish glycogen breakdown, while macrophage accumulation correlated with tissue remodeling and immune responses. Our spatial transcriptomic analysis elucidates mechanisms underlying placental abnormalities and embryonic lethality. This atlas enhances understanding of mouse placental development, aids in identifying developmental defects and pathogenic causes in dysfunctional placentas, and provides valuable insights for optimizing in vitro embryo culture conditions.