在生物信息学领域，RCTD（Robust Cell Type Decomposition） 是空间转录组数据分析的经典工具，核心功能是通过单细胞RNA测序（scRNA-seq）参考数据，解析空间转录组中每个spot的细胞类型组成。它解决了空间转录组技术中因分辨率限制导致的“混合像素”问题，能精准识别单个spot中多种细胞类型的混合比例，并校正不同测序平台间的技术差异。

RCTD的核心模式与技术适配

RCTD提供三种工作模式，覆盖不同空间转录组技术的分辨率需求：

Doublet mode：每个spot最多分配1-2种细胞类型，适用于高分辨率技术（如Stereo-seq、HD），需注意bin大小设置。

Full mode：允许任意数量细胞类型混合，推荐用于低分辨率技术（如10x Visium）。

Multi mode：Doublet mode的扩展，支持发现2种以上细胞类型，可作为Full mode的替代选项。

这种灵活性使其成为跨平台分析的首选工具，例如在小鼠大脑Slide-seq数据中，RCTD成功复现了已知细胞类型的空间定位模式，并能检测到细微的转录组差异以映射细胞亚型。

技术优势与应用场景

平台效应校正：通过规范化程序消除scRNA-seq参考与空间转录组数据间的技术差异，避免系统误差主导生物信号。

空间基因表达分析：在分解细胞类型后，可进一步计算细胞类型特异性的基因表达，揭示空间环境对基因表达的影响。例如，在肿瘤微环境研究中，RCTD能帮助识别特定细胞类型在不同空间位置的基因表达变化。

兼容性与扩展性：支持10x Visium、Stereo-seq等主流技术，并可与细胞聚类等下游分析结合，形成完整的空间解析流程。

典型应用案例

在小鼠大脑的Visium数据中，RCTD通过Full mode解析低分辨率spot的细胞类型组成，准确识别出皮层神经元、星形胶质细胞等多种细胞类型的空间分布。而在Stereo-seq的高分辨率数据中，Doublet mode则能更精确地捕捉相邻细胞的共定位关系