任仙文教授在报告中首先介绍了为何选择从事单细胞转录组测序的生物信息学分析，即用生物信息学的办法，通过数学建模，借助计算的工具从细胞层面去研究基因型与表现型之间的函数关系，专注研究生物信息学，致力于开发生物信息学方法以将单细胞测序所得的数据转化成理解生命现象所需的信息，从而更为深刻地理解生命与疾病。接着任教授着重讲解了其团队开发的一个单细胞分辨率的空间转录组反卷积算法 ——Rdeconve，该算法在各种空间转录组学平台和数据集上均优于其他算法，具有更高的准确性、分辨率、稳健性和速度，为整合单细胞与空转数据提供了新工具， Rdeconve的出现将推动 scRNA-seq和空间转录组技术在各个研究方向中的应用，将全转录组空间转录组学数据与匹配的单细胞 RNA测序数据一起进行综合分析，对生物学研究具有重要意义。