目前细胞组学技术日益多样化，所获取的多模态信息如何整合并用于新的生物学功能分析研究，是领域的一大难点。在这个报告中将分享两个工作。第一个是将空间组学技术与单细胞组学技术进行融合的Zmap方法，目前类似的方法包括反卷积和映射等，这些方法不能将实际的单个细胞恢复其对应的空间坐标，即不能完成单细胞分辨率的空间定位重建，或者存在计算消耗大的局限性。通过结合最优传输思想和多重概率累积，我们提出“区域组合约束”的方法，并结合自适应梯度下降算法实现了计算效率的优化，可以对目前多种空间组技术与单细胞技术的数据进行快速精确整合。这种精准整合允许我们运用空间信息发现与空间高度关联的细胞异质性。另一个工作是关于单细胞转录组与单细胞染色质开放组（ATAC）数据之间的模态整合，我们通过这种整合分析，在KMT2D突变的诱导多能干细胞（iPS）类脑分化模型中，鉴定到Kabuki综合征的起始机制——Roof plate细胞中Wnt3a增强子无法正确开放，由此导致一系列神经嵴谱系和神经背腹侧决定的发育异常。我们最近的工作通过大模型方法，能有效整合单细胞RNAseq和ATACseq的模态，实现比单模态大模型更高性能的细胞表征和跨模态预测。