单细胞转录组测序技术能够揭示给定器官内的细胞亚群的转录组信息,鉴定组织内细胞群体的异质性。在实验的过程中,该技术需要对组织进行酶解获得单细胞悬浮液,这个过程会失去细胞的空间位置信息。空间转录组技术可以利用组织切片和分子标签技术实现对组织转录本的原位捕获,获得捕获位置的空间位置和基因表达信息,但难以达到单细胞级别的分辨率。因此,对单细胞转录组测序和空间转录组测序数据进行联合分析,能够探索单细胞在空间上的位置信息,获取高分辨率的组织空间表达图谱,加深特定细胞亚群在发育、再生和疾病中相互作用的理解。本文基于改进的半监督主题模型Space AX＿Cor Ex和最优传输理论,结合单细胞转录组数据和空间转录组数据,挖掘空间转录组数据中每个捕获位置中的细胞组成,以达到还原单细胞空间位置和提高空间转录组图谱分辨率的目的。新提出的模型能够更加精准的揭示细胞相互作用和组织理解,为研究组织整个发育进程提供新的思路。本文的主要工作如下:第一,基于半监督主题模型Anchor＿Cor Ex进行改进,提出了整合单细胞和空间转录组数据的反卷积模型Space AX＿Cor Ex。本文基于半监督主题模型和最优传输理论,引入带标签的单细胞RNA-seq数据来辅助分析空间转录组数据,能够减少单细胞和空间转录组不同批次和平台数据融合带来的实验误差;第二,利用模拟数据直观比较Space AX＿Cor Ex预测结果和真实结果的差异,并与当前常用的Seurat,Spatial Dwls,Spotlight,Stereoscope和Stride五种模型进行比较,进一步证实Space AX＿Cor Ex在空间转录组预测任务中取得不错的结果;第三,对人类胚胎心脏的不同发育时期的真实数据进行分析,比较胚胎心脏发育期间细胞类型组成的时空变化,绘制单细胞分辨率的空间转录组数据图谱。综上所述,本文的研究为融合分析单细胞转录组数据和空间转录组数据提供了一个新的框架,针对获得空间转录组数据中捕获位置（spots）的细胞组成和提高空间转录组图谱分辨率进行了有意义的探索和尝试。在模拟数据和人类胚胎心脏数据上的实验结果表明,基于主题模型的单细胞和空间转录组数据融合算法获得了较小的均方根误差和JS散度,为后续的研究提供了新的思路。