内容分享--Atera相对xenium在分析上的提升

作者，Evil Genius

今天我们来梳理一下Atera。

目前 Atera 已经公开的官方规格是：>18,000 genes、whole-transcriptome、single-cell sensitivity、单次最多4张slide、每周最多约1,600 mm²组织分析。

Xenium 更像“把你已经知道的重要基因，在单细胞空间中看得非常清楚”；Atera 更像“先把整个转录组在单细胞空间中测出来，再去发现你原来不知道的细胞状态、亚型、通路和克隆”。

这会直接改变后续的分析内容。

1. 最大的变化：从“Panel驱动”变成“发现驱动”

这是 Atera 最重要的提升。

Xenium 即使使用较大的 Panel，本质上还是：

选择几百～几千个基因 → 原位检测 → 根据这些基因解释细胞。

所以你实际上是在：

“验证我已经知道的生物学问题。”

例如你做肿瘤：

• EPCAM
• KRT8
• KRT18
• VIM
• COL1A1
• COL3A1
• CD3D
• CD8A
• CD68
• CD163
• FOXP3
• PDCD1
• CXCL9
• CXCL10

可以非常准确地把：

肿瘤细胞—T细胞—巨噬细胞—CAF

定位出来。

但是，如果一个新的肿瘤亚群恰好依赖 Panel 里面没有的基因，可能根本发现不了。

Atera WTA 则直接覆盖约 18,000个蛋白编码基因，同时还可以叠加最多约1,000个自定义靶标。

所以分析逻辑变成：

全转录组 → 无偏发现 → 再定义细胞亚型/状态 → 再做空间机制。

这个变化非常大。

2. 细胞亚型分析会明显增强

Atera的优势是：

单细胞级定位 + 全转录组。

因此可以从单细胞表达矩阵直接进行：

Cell clustering → cell type → cell subtype → cell state

例如一个CD8 T细胞：

Xenium：

CD3D + CD3E + CD8A + CD8B + PDCD1 + LAG3 + HAVCR2

可以判断：

exhausted CD8 T

但是Atera可以进一步看到更多基因，从而可能区分：

• naive CD8
• effector CD8
• cytotoxic CD8
• exhausted CD8
• progenitor exhausted CD8
• tissue-resident CD8
• IFN-response CD8

而且不是完全依赖预先设计的marker。

所以Atera真正增强的是“未知亚型发现能力”。

近期一项独立的 Atera vs Xenium 对比研究已经报告，Atera可以进行更细粒度的 cell-state annotation，并解析稀有细胞群；这些结果还用多重IF进行了验证。

3. “细胞状态”分析会比Xenium更有潜力

这是未来Atera特别重要的一点。

以前空间分析经常是：

cell type

以后会越来越变成：

cell state

例如肿瘤细胞：

Tumor cell

↓

• proliferative
• hypoxic
• EMT
• IFN-response
• stress
• stem-like
• metabolic
• drug-resistant

这时候需要大量基因才能准确区分。

因此Atera的全转录组特性，会让：

Cell state mapping

Metaprogram

NMF

module score

pathway activity

regulon

trajectory/state transition

这些分析更加有意义。

4. 通路分析会从“验证”走向“发现”

Xenium最大的限制之一是：

如果通路里面的重要基因没有设计进Panel，通路分析就会缺失。

例如研究：

TGF-β

可能需要：

TGFB1 TGFBR1 TGFBR2 SMAD2 SMAD3 SMAD4 SMAD7 SERPINE1 CTGF COL1A1 COL3A1 ...

如果Panel只覆盖其中一部分：

pathway score可能不完整。

Atera可以直接在全转录组范围内计算：

• Hallmark
• KEGG
• Reactome
• GO
• PROGENy
• GSVA
• AUCell
• pathway activity

所以：

Xenium：

想验证TGF-β是否存在。

Atera：

先做全转录组分析，然后发现这个空间区域可能存在TGF-β、EMT、hypoxia、IFN和ECM等多个程序。

这就是从：

hypothesis-driven

向

discovery-driven

转变。

5. Cell-cell communication会提升一个层次

这一点对做空间转录组尤其重要。

Xenium已经可以做：

CellChat / CellPhoneDB / NicheNet / LIANA

但是仍然存在一个核心限制：

ligand和receptor是否在Panel里面？

如果不在，就无法分析。

Atera因为全转录组，可以更完整地构建：

Ligand → receptor → downstream target

例如：

CAF ↓ TGFB1 ↓ TGFBR2 ↓ SMAD2/3 ↓ EMT

或者：

Tumor ↓ CXCL9/CXCL10 ↓ CXCR3 ↓ CD8 T cell recruitment

甚至可以进一步结合：

ligand-receptor + target genes + spatial distance + cell state

所以未来Atera的cell-cell communication会更加接近：

“空间机制推断”

而不是简单：

“配体受体共表达”。

6. Spatial niche分析会明显增强

以前Xenium：

单细胞 → cell type → neighborhood → niche

已经非常成熟。

Atera则可以进一步：

cell type + cell state + transcriptome + spatial neighborhood

例如：

Tumor niche

Tumor

• exhausted CD8
• TAM
• CAF
• TGFβ-high
• hypoxia-high

↓

immune-excluded niche

另一个区域：

Tumor

• CXCL9-high CAF
• cytotoxic CD8
• NK
• IFN-high

↓

immune-active niche

也就是说：

Atera不仅能够定义“谁和谁在一起”，还能定义“这些细胞处于什么状态”。

这就是：

spatial domain vs molecular niche

特别重要。

7. Atera最大的“隐藏升级”：单细胞CNV

这是最近已经有实际研究展示的能力。

2026年8月发表的Atera/Xenium独立比较研究中，研究者利用Atera的全转录组数据进行了单细胞分辨率的CNV推断，进一步重建DCIS的克隆演化，并用连续切片的WGS进行了验证。然后把免疫微环境映射到不同肿瘤克隆上。

这个能力非常关键。

因为可以开始做：

DNA mutation / CNV

↓

tumor clone

↓

空间位置

↓

tumor cell state

↓

immune microenvironment

↓

clonal evolution

最终形成：

肿瘤基因组 → 肿瘤克隆 → 空间生态位 → 免疫选择

这是传统Xenium Panel非常难完整完成的。

8. 甚至可以做“空间克隆演化”

比如：

Clone A

→ EGFR amplification

→ proliferative

→ tumor core

→ macrophage-rich

而：

Clone B

→ TP53 alteration

→ EMT-high

→ invasive edge

→ CAF/TGFβ niche

那么研究的问题就从：

“肿瘤里面有哪些细胞？”

升级为：

“不同肿瘤克隆为什么出现在不同空间区域？它们如何塑造不同的微环境？”

这已经是非常高级的空间肿瘤研究了。

9. 大队列研究能力也是一个巨大提升

这一点不是单纯“分析算法”提升，而是直接改变科研设计。

10x目前给出的Atera规格是：

800个1 cm² whole-transcriptome samples/year

并且每次最多4张slide，整个系统可以达到约1,600 mm²组织/周的全转录组分析能力。

所以以前：

10个病人 × Xenium

可能已经是很大的项目。

以后Atera可以更现实地做：

50–100+患者 ↓ 每个患者多个ROI/切片 ↓ 全转录组单细胞空间

这样就可以真正进入：

spatial cohort

而不仅仅是：

spatial case study

10. 对做科研来说，Atera最重要的不是“替代Xenium”

不建议简单理解成：

Atera = 新版Xenium，所以Xenium没用了。

目前公开数据仍显示，Xenium在特定targeted panel上的灵敏度仍可能更高；早期独立分析也观察到了这一点。

更合理的理解是：

Xenium

高灵敏度 + targeted + 精细验证

适合：

已经知道研究问题 → 设计Panel → 高质量验证

例如：

PD-L1 / HER2 / EGFR / immune checkpoint / specific pathway

Atera

single-cell + whole transcriptome + discovery

适合：

不知道答案 → 全转录组发现 → 建立细胞亚型 → 建立niche → 找机制

最终可以把两者的分析能力理解成这样

Xenium

细胞
 ↓
Cell type
 ↓
Cell subtype
 ↓
Spatial neighborhood
 ↓
Cell-cell communication
 ↓
Niche
 ↓
验证已知机制

而Atera更接近：

Atera

18,000+ genes
       ↓
Single-cell transcriptome
       ↓
Cell type
       ↓
Cell subtype
       ↓
Cell state
       ↓
Metaprogram
       ↓
Pathway
       ↓
Regulon / TF
       ↓
Ligand-Receptor
       ↓
Spatial neighborhood
       ↓
Molecular niche
       ↓
CNV / tumor clone
       ↓
Clonal evolution
       ↓
Immune adaptation
       ↓
Disease mechanism

所以真正的升级不是“Xenium能做的Atera都能做一遍”，而是Atera把空间单细胞分析从“细胞定位工具”进一步推向了“全转录组空间发现平台”。

尤其对 Xenium → cell subtype → niche → cell-cell communication → 空间机制 这条路线，Atera最大的价值就是在前端增加了一个非常重要的层次：

Cell type → Cell subtype → Cell state → Molecular program

然后再往下接：

Spatial niche → Cell communication → Clone → Disease mechanism

这会使整个分析链条明显比传统Xenium Panel更加完整。

生活很好，有你更好。