细胞星图 HeCellAstra 是君录生物医药的单细胞多组学数据基座，整合全球公共单细胞数据 5 亿+ 细胞，覆盖 1,000+ 研究项目、50+ 疾病类型、30+ 物种来源，标准化处理后统一查询。数据对齐到同一套元信息字段，按物种、组织、疾病、数据模态四层组织；在分析平台 IntelliCytoPilot 中按研究目标加载当次子集。
公共单细胞数据不缺，缺的是可用的组织方式。
今天想用公共单细胞数据做一件事，通常要经历这些步骤：去 GEO 按关键词搜，翻到几十个数据集，逐个下载，逐个读方法段落，手工对齐细胞类型命名，处理批次，最后才能开始分析。一个数据集能花掉几天，几个数据集之间还未必可比。问题是每份数据都是独立的档案，没有共同的语言。
数据基座做的事情是把这层语言统一起来。它把不同研究、不同平台、不同组织来源的数据，对齐到同一套元信息框架里：来自哪个物种、什么组织、疾病还是对照、用什么模态测的。对齐之后，同一份数据可以被按生物学问题检索——「心脏组织里、心房颤动相关、处于某种状态的细胞有哪些」——而不只是按研究编号检索。
这带来三个直接变化。第一，找数据从翻档案变成提问题。第二，多个数据集可以放在同一个分析子集里比较，而不必先手工调和命名。第三，分析过程可留痕、可复算，换个人来做得到同样的结果。
一个规模数字，三个覆盖口径，彼此不重叠。
| 项 | 数值 | 口径 |
|---|---|---|
| 细胞总数 | 5 亿+，标准化处理后统一查询 | 整合后可查询规模 |
| 研究项目 | 1,000+ | 已纳入索引的项目数 |
| 疾病与物种 | 50+ 疾病类型、30+ 物种来源 | 覆盖的研究范围 |
来源是 GEO、CellxGene、scBaseCount 等公开单细胞数据仓库。我方做的是元信息对齐与统一索引，数据归属不变。
| 来源 | 说明 |
|---|---|
| 公共数据库 | 上述仓库的公开条目。每个条目保留其原始引用与使用声明。 |
公共库里的细胞级标签由各库以各自的流程产生，属库方的机器预测或提交者自报，不带置信度与方法版本字段。换一套参照系，标签的名称与粒度就会变。
按四层逐层收窄，任一层都可以是入口，也可以叠加。
按物种
人、小鼠、大鼠、猕猴。回答「这个物种里有哪些可用数据」，先把跨物种不可比的部分排除在外。
按组织
心房、心室、外周血、血浆。回答「这个组织里有哪些细胞群、比例如何」，把范围收到一个解剖位置。
按疾病与对照
心房颤动与窦性心律，病变与邻近正常。回答「疾病状态下哪一群细胞发生了变化」。
按数据模态
单细胞转录组、单细胞 ATAC、空间转录组、单细胞扰动数据。回答「这批数据是怎么读出来的，能不能与手上的数据放在一起分析」。
四层可以叠加，例如「人 ＋ 心房 ＋ 心房颤动 ＋ 空间转录组」，按这四层收到本次可用的子集。
检索与浏览不收费；动算力才计费。
在分析平台 IntelliCytoPilot 里，用户描述研究目标，平台从数据基座检索并加载当次需要的数据子集。接下来跑质控、聚类注释、差异表达、空间转录组分析，全过程留痕。
整合只在当次子集里在线发生，不做全库离线物化。由此有三条性质：一是不把不同研究、不同平台的数据揉进一个矩阵，可比性只在同一分析任务内成立；二是新数据入库后不需要重算整库；三是任何一次分析都能回到它当时用的那个子集，复算得回同样的结果。
例如把公开的心脏图谱调进当次子集：只取需要的组织、疾病与模态，跑完留下可复算的记录。
| 用法 | 说明 |
|---|---|
| 找参照系 | 自己的数据在别处注释完了，不确定对不对，把结果与公共图谱里的同类组织对照，看细胞群构成与标志基因是否对得上。 |
| 外部验证 | 自己那批样本得出一个结论后，拿独立来源的公共数据看同一现象是否再现。成立的，结论多一层支撑；不成立的，也值得回查样本与批次。这属于在同一批公开数据上再看一遍，不等于另做实验。 |
| 扩样本量 | 自己手上的样本数有限时，把公共数据里同组织、同疾病、同平台的样本并入同一套统计，提高统计功效；合并范围与批次处理方式写清。 |
| 假设生成 | 先在全景里看哪些细胞群、哪些状态在疾病与对照间差异最大，再决定把实验资源投到哪一处。这一步不产出结论，只产出候选。 |
四条用法都不需要把自己的原始数据搬进来：比对与合并发生在结果层。
区别在数据被整理成什么样。GEO 是原始研究档案库，一篇研究一个条目，提交者各用各的格式与命名；CellxGene 把表达矩阵做了统一。君录数据基座把两处的元信息对齐到同一套框架里，按物种、组织、疾病、数据模态重新组织。同一份公共数据，在这里按生物学问题就能检索到。
数据基座的浏览与检索不收费。收费发生在分析环节：在分析平台 IntelliCytoPilot 上跑质控、聚类注释、差异表达与空间分析时，按会员周期积分计费。
可以。数据基座把公共数据对齐到同一套元信息字段，可按物种、按组织、按疾病与对照、按数据模态分别限定，也可以叠加使用。例如先限定人，再限定心房组织，再限定心房颤动，最后限定空间转录组。
不建议直接当标准答案用。公共数据的细胞级标签由各库以各自的流程产生，换一个参照系，标签的名称与粒度就会变。君录提供的是可追溯的注释与可判断的证据链。
数据基座是底座，分析平台 IntelliCytoPilot 是入口。用户在平台里描述研究目标，平台从基座检索公共部分并加载当次需要的数据子集，再在分析环境里跑流程。两者互相调用，各自可独立使用：数据可以脱离分析单独检索浏览，分析也不必先有基座数据。