这项研究介绍了一种名为 ovrlpy 的新型计算工具，旨在解决空间转录组学（SRT）数据中常被忽略的垂直维度重叠问题。由于传统分析通常将 3D 组织切片投影为 2D 平面，这会导致来自不同深度的细胞信号混淆，产生空间双细胞伪影。ovrlpy 通过将组织虚拟划分为顶层和底层，并计算垂直信号完整性（VSI），能够有效识别细胞重叠、组织折叠及分割错误。该算法采用无监督学习模式，不依赖预设的细胞形状，适用于多种组织类型和成像平台。通过滤除低 VSI 的重叠信号，研究者可以显著提高细胞分型的准确性和空间分析的信噪比。这项工具为空间组学数据提供了必要的质量控制手段，确保了高分辨率组织结构解析的可靠性。

References:

• Tiesmeyer S, Müller-Bötticher N, Malt A, et al. Identifying 3D signal overlaps in spatial transcriptomics data with ovrlpy[J]. Nature Biotechnology, 2026: 1-5.