大脑具有极其复杂的分子特性，其庞大的细胞多样性、精密的连接网络以及动态的可塑性，长期以来使得传统批量组织分析方法难以获取可用于治疗开发的有效见解。过去十年间，单细胞与单细胞核技术（如单细胞RNA测序、单细胞核RNA测序、单细胞ATAC测序、CITE测序）的快速成熟，以及空间转录组学和空间多组学平台（Visium、MERFISH、Xenium、Stereo-seq、GeoMx、Slide-seq）的兴起，使我们能够以空前的分子和细胞分辨率解析大脑结构。这些技术结合蛋白质组学、表观基因组学、代谢组学和连接组学，正在重塑我们对神经发育、神经可塑性、胶质细胞与血管系统、神经退行性疾病及神经精神障碍等过程的理解。
尽管取得显著进展，关键挑战依然存在。多模态和多尺度多组学数据集的整合在计算和生物学层面仍具挑战性，突破这些瓶颈对于弥合分子特征与机制或治疗见解之间的鸿沟至关重要。当前，这些方法产生的海量数据已远超我们从中提取有效见解的能力，方法学异质性、队列间可重复性有限，以及难以将分子状态与体内功能结果关联等问题进一步加剧了这一差距。特别是在人脑样本和疾病模型中，大脑复杂性达到峰值，主动整合细胞身份、空间背景与整合性解读，成为下一代神经科学研究的核心目标。
本研究专题旨在汇集利用单细胞、空间及整合多组学方法推进脑健康与疾病认知的原创研究、综述、方法学与观点文章。我们特别欢迎结合多组学层面、开发新型计算框架或开源数据整合工具、将分子发现转化为机制或临床见解的研究，以及构建细胞状态与功能预测模型或生成高信息量数据集的成果。具体研究方向包括但不限于：
• 发育中、成年及衰老大脑的单细胞与单细胞核图谱
• 脑区、神经回路及疾病微环境的空间转录组与空间多组学分析
• 神经发育与神经精神障碍（自闭症、精神分裂症、抑郁症、双相情感障碍）的多组学解析
• 神经退行性疾病（阿尔茨海默病、帕金森病、亨廷顿病、肌萎缩侧索硬化症、额颞叶痴呆）的多组学特征
• 神经元、胶质细胞及血管细胞的细胞类型特异性表观基因组与蛋白质组景观
• 神经-免疫、神经-内分泌及神经-血管互作的空间多组学研究
• 脑类器官、iPSC衍生模型及人源化系统的多组学应用
• 用于多模态数据整合、轨迹推断与预测建模的计算、统计及机器学习框架，包括基础模型与虚拟细胞模型及其所需数据生成策略
• 多组学发现向生物标志物、治疗靶点与精准神经科学的转化
• 高通量单细胞扰动筛选（Perturb-seq）用于脑部多组学发现的功能验证
专题编辑卡洛斯·阿尔贝托·加利西亚（Carlos Alberto Galicia）在Permanence Bio公司持有股份并担任职务，其他编辑声明与本研究专题无利益冲突。
本专题接受多种文章类型投稿，包括原创研究、方法学报告及综述等。经外部编辑严格同行评审后被接受的论文需支付出版费用，由作者、机构或资助方承担。所有投稿须符合期刊及栏目范围，Frontiers保留在同行评审任何阶段将范围外稿件转至更合适栏目的权利。
关键词：单细胞组学、空间转录组学、多组学整合、神经退行性疾病、神经精神障碍、计算神经科学
【全文结束】