空间组学前沿：新兴技术、分析创新与临床应用

作者，Evil Genius

王博士是基因组医学系的终身副教授，领导计算生物学实验室。她在计算生物学、癌症基因组学和免疫信息学领域具有深厚专长。其研究团队专注于肿瘤生态系统的深度解析，包括肿瘤细胞与肿瘤微环境（TME）在肿瘤发生、发展、转移及治疗响应与耐药过程中的细胞与分子异质性、表型可塑性、动态变化及其相互作用。团队整合前沿的单细胞与空间多组学技术、细胞成像，并开发和创新应用先进的生物信息学工具与计算框架，以推动新发现。

王博士实验室的研究重点包括：

• 癌前病变向浸润性癌的转变：系统描绘肿瘤发生发展的细胞与分子轨迹，旨在构建分类器和风险预测模型，优化患者分层，并识别可用于干预策略的潜在靶点。
• 局部肿瘤向转移的演化机制：探究转移的细胞与分子基础，阐明癌细胞与TME的共演化过程，以及癌细胞与原发灶和转移灶中免疫/基质细胞之间的适应性互作。
• 抗肿瘤治疗的动态响应与耐药机制：识别决定治疗反应的癌细胞内在因素和微环境因素，开发可靠的生物标志物和预测模型用于治疗前预判，并发现可用于联合疗法的新靶点。

王博士建立了具有重要影响力的科研体系，采用协作式团队模式攻克癌症难题。她是美国国立卫生研究院/国家癌症研究所（NIH/NCI）资助的一项R01项目的首席研究员（PI），并作为共同PI参与一项U01项目；同时担任两项由德克萨斯州癌症预防与研究协会（CPRIT）资助的个人研究者奖（IIRA）的PI或共同PI。她曾荣获Emil Frei III转化研究卓越奖、David M. Livingston合作奖和Sabin学者奖。

目前，她担任Break Through Cancer（BTC）支持的胰腺癌与卵巢癌项目的数据科学负责人、BTC数据科学TeamLab联合负责人，以及NIH/NCI U24项目数据分析与可视化单元的负责人。此外，她还共同领导MD安德森癌症中心“高危多发性骨髓瘤登月计划”，并担任MD安德森胃肠道SPORE项目的生物统计与生物信息学核心联合主任。

王博士科研成果卓著，已发表120余篇论文，其中约40篇以第一/共同第一、通讯或资深作者身份发表于《Nature》（2014, 2020, 2024）、《Nature Medicine》（2020, 2021, 2023）、《Cancer Cell》（2022, 2023a/b）、《Cancer Discovery》（2021, 2022a/b）、《Nature Genetics》（2015）、《Gastroenterology》（2024）、《Nature Communications》（5篇）、《Science Translational Medicine》（2019）、《Lancet Oncology》（2022）、《Neuro-Oncology》（2024）、《Gut》（2019, 2020）、《Clinical Cancer Research》（2019）、《Cell Systems》（2023a/b）、《Blood Cancer Discovery》（2022）和《Leukemia》（2014a/b）等顶级期刊。

作为领域内公认的杰出研究者，她多次受邀担任NIH/NCI基金评审专家，并在AACR年会、SITC年会、ENAR春季会议等国际重要学术会议上担任分会主席或联合主席。她目前还担任《Cancer Discovery》期刊的科学编辑，并积极与国内外专家合作，利用数据科学的力量深入理解、早期检测和有效治疗癌症。

今天我们来分享一下她的文章

空转的商业化平台，空转、空间蛋白组、空间代谢组。

一、空间转录组学

当前主流技术分为成像驱动型与测序驱动型两大类：

成像型（如 Xenium、CosMx）通过循环荧光解码（cyclic decoding）或原位测序（in situ sequencing），实现数百至近两万个基因的高分辨率原位检测，支持定制化靶向面板（含微生物、TCR/BCR、SNV等），并配备专用分析工具（Xenium Explorer、AtoMx）。

测序型包括：

组织贴片捕获法（如 Visium、Stereo-seq）：通过带空间条形码的芯片捕获全转录组RNA，分辨率从55 μm（Visium）提升至500 nm（Stereo-seq），但难以精确对应单细胞边界；

原位条形码法（如 Slide-tag、Trekker）：将条形码直接标记到细胞或核上，结合sc/snRNA-seq实现单细胞精度的空间转录组，但存在捕获效率不均和形态信息缺失等问题。

二、空间蛋白质组学

优势在于保留组织形态、提供经典蛋白标志物（如CD31、PNAd）用于精准细胞分型，但受限于抗体特异性、交叉反应及荧光通道数量。

商业平台如 PhenoCycler-Fusion（60-plex）、CosMx（68-plex）、Xenium（~20-plex 蛋白+RNA联检）、IMC（金属同位素标记，40+ markers）、COMET（快速、免标记抗体，~40-plex）等，采用不同策略（寡核苷酸编码抗体、迭代染色、质谱检测）实现多重复合检测。

未来需加强抗体验证、标准化panel设计及更高通量复用能力。

三、空间代谢组学

通过质谱成像（MSI）技术直接在组织切片上绘制小分子（代谢物、脂质、糖类等）分布：

MALDI-IMS 是主流方法，分辨率10–50 μm，支持靶向与非靶向分析；

DESI 样本处理简单，适合临床快速应用；

SIMS 可达亚微米级分辨率，但覆盖分子种类有限；

新平台如 timsTOF fleX MALDI-2 结合离子淌度分离，显著提升灵敏度与代谢物覆盖广度。

四、下一代创新方向

1. 同一切片多组学整合

多个平台已实现RNA+蛋白、RNA+代谢物、甚至基因组+转录组在同一组织切片上的联合检测（如 Spatial CITE-seq、DBiT-seq、Patho-DBiT、Xenium/CosMx/G4X 的多模态联用），极大提升样本利用效率，尤其适用于珍贵临床样本。

2. 三维（3D）空间组学

串行切片重建法：对连续切片进行分子图谱采集后3D重建，已用于描绘肿瘤克隆结构、分子梯度等；

无损体积成像法：结合组织透明化（如3D CyCIF、OTLS光片显微镜）或无标记相位成像（如全息断层成像 holotomography），可在完整组织中实现高分辨3D分子与结构可视化；

PaintScape 等平台甚至能直接绘制单细胞水平的3D基因组构象。

大型计划如 HTAN Phase 2 正推动人类肿瘤3D图谱构建，亟需建立标准化3D数据格式与分析工具链。

肿瘤空间分析中的突破性进展

关键技术突破

1. 细胞分割（Cell Segmentation）

基础但关键：准确划分细胞边界是后续分析的前提。

方法演进：

单通道（如 StarDist）依赖核染色 + 虚拟扩展；

双通道（如 Cellpose、DeepCell）结合核+胞质信号，提升精度；

新兴工具 Segger 利用转录本空间分布反向优化细胞边界，显著改善 RNA-to-cell 分配。

2. 数据预处理与去噪

解决 RNA 扩散、邻近污染等问题：

SpotClean、BayesTME（基于空间核模型校正斑点污染）；

SPLIT（利用 snRNA-seq 先验信息去卷积）；

SpaNorm、SpatialPCA：在保留真实空间异质性的同时去除技术噪声。

3. 分辨率增强与细胞重建

超分辨重建：

TESLA、iSTAR 将低分辨斑点拆分为虚拟亚单元或像素级表达；

Bin2cell、SMURF 从高分辨 bin 数据（如 Visium HD）重构完整单细胞转录组。

多模态融合：结合 H&E/荧光图像与空间转录组，利用基础模型（如 UNI、KRONOS）提取组织学特征，提升生物学解释力。

4. 细胞表型鉴定与去卷积

单细胞平台（如 Xenium/CosMx）：基因覆盖有限 → 采用迁移学习（Spatial-ID、STANN）或微环境上下文（BANKSY）提升分型准确性。

斑点平台（如 Visium）：通过参考 scRNA-seq 进行去卷积（cell2location、Tangram、SPOTlight 等）；无参考方法（ScType、Celloscope）依赖已知基因标志物。

5. 亚细胞空间分析

利用 mRNA 在细胞内的定位模式（如极性、熵、核距）揭示功能状态：

TopACT（拓扑数据分析）、CellSP、PHOTON 等识别亚细胞共定位模块，发现隐藏的细胞功能异质性。

6. 细胞间通讯推断

空间限制下的配体-受体互作分析：

Giotto、CellChat-spatial、COMMOT（基于最优传输建模信号流）、NCEMs（图神经网络建模微环境影响）等；

NicheNet、SpaTalk 进一步链接信号输入与靶细胞转录响应，实现“功能因果”推断。

7. 空间细胞生态位识别

定义“多细胞社区”（niche/neighborhood）：

基于邻近关系（Delaunay、距离阈值）构建空间图；

UTAG、CellCharter、scNiche、NicheCompass 等整合表达、图像、通路先验知识，识别功能协同的细胞群落。

8. 癌细胞状态的空间轨迹映射

将伪时间轨迹嵌入空间坐标：

Spateo（2D/3D RNA velocity）、stLearn（PSTS 模型）、TopoVelo 等实现肿瘤进化、EMT、干性等过程的时空动态重建。

9. 空间基因组变异与克隆结构

从空间转录组推断 CNV/SNV：

SpatialInferCNV、stSNV 等工具实现克隆区域可视化与系统发育重建；

需注意：仍需 DNA 测序验证以确保准确性。

10. 3D 重建与图像配准

串行切片法：CODA、Mo et al. 的 Visium 3D 重建流程；

无损成像法：CyCIF + 光片显微镜实现细胞器级 3D 建模；

关键在于高精度跨切片配准（co-registration）。

新兴范式：基础模型（Foundation Models, FMs）

多模态空间数据整合

同平台整合：类似批次校正，但需保留空间结构 → PASTE（最优传输）、STAligner（图学习）。

跨平台整合：

SpaMosaic（图神经网络 + 对比学习）；

MISO（多模态空间图融合）；

SpaMTP（代谢组+转录组联合分析）。

未来方向：构建跨队列、跨平台、跨癌种的统一空间癌症图谱，依赖大规模训练的基础模型实现泛化整合。

解析肿瘤微环境复杂性

肿瘤微环境（TME）是一个高度异质、动态演化的生态系统，包含免疫细胞、基质细胞、细胞外基质（ECM）等成分，其空间组织方式直接决定免疫逃逸、治疗响应与肿瘤进展。空间组学技术因其能保留原位结构、避免解离偏差、捕获稀有/脆弱细胞，并具备高通量优势，已成为揭示TME功能单元（即“功能性生态位”）的关键工具。

九大关键功能性生态位及其意义

1. 三级淋巴结构（TLSs）

功能：局部B细胞活化、浆细胞分化、抗体产生 → 抗肿瘤免疫。

临床关联：与免疫检查点抑制剂（ICI）响应、生存期延长正相关。

机制亮点：

浆细胞沿CXCL12⁺成纤维细胞迁移至肿瘤床；

IgG沉积诱导肿瘤细胞凋亡（肾癌）；

TLS内CXCL13⁺ CAFs促进B细胞黏附与抗体分泌（鼻咽癌）；

CCL21⁺/APOD⁺成纤维亚群招募T/B细胞（乳腺癌）。

挑战：TLS成熟受阻（如色氨酸代谢物抑制）、缺乏纵向研究。

2. 血管周生态位（Perivascular Niches）

结构：内层为DC-T细胞簇（抗原提呈），外层为巨噬细胞/Treg（免疫抑制）。

调控：CCL19/21-CCR7、CXCL12-CXCR4等趋化因子梯度引导细胞定位。

病理重塑：

胶质母细胞瘤复发时出现胶原富集、免疫抑制性巨噬细胞聚集；

肝癌中VEGFA⁺巨噬细胞通过VEGFA-CD34互作构建免疫调节微环境。

3. 干细胞样CD8⁺ T细胞生态位

特征：TCF1⁺CD28⁺PD-1⁺TIM-3⁻，具自我更新与分化潜能。

维持机制：与cDCs通过CXCL9/IL-15/CCL19-21互作，依赖共刺激信号。

治疗意义：

存在与否预测ICI疗效；

FLT3L或CD40激动剂可扩增该生态位 → 潜在联合治疗策略。

4. CAF相关生态位

CAF异质性：分为基质型（促屏障）、炎症型（分泌CXCL12/TGF-β/IL-6）、抗原型（支持免疫）。

新发现：Liu等通过邻域细胞组成定义4种保守CAF组织模式（s1–s4），揭示其通过微环境互作塑造免疫格局。

治疗潜力：靶向特定CAF亚群可逆转免疫抑制。

5. 肿瘤侵袭前沿（Invasive Front）

特点：

免疫抑制（TAMs、Treg、中性粒细胞富集）；

肿瘤细胞呈干性、缺氧、耐药表型；

免疫检查点上调、抗原呈递下调、迁移能力增强。

预后：与转移、免疫治疗抵抗密切相关。

6. 免疫排斥生态位（Immune-Excluded Niches）

表现：T细胞滞留于肿瘤边缘/间质，无法浸润实质。

驱动因素：

CAF介导的致密ECM物理屏障；

CXCL12-CXCR4轴误导T细胞；

TGF-β信号、CD47-THBS1抑制通路。

干预策略：TGF-β阻断可恢复T细胞浸润，增敏ICI。

7. 缺氧生态位（Hypoxic Niches）

后果：

诱导肿瘤干性与化疗抵抗；

富集SPP1⁺ TAMs + CAFs → 协同免疫排斥（肝癌）；

重编程中性粒细胞为促瘤表型。

空间结构：胶质母细胞瘤中形成围绕缺氧区的分层组织。

8. 神经-免疫界面（Neuroimmune Interface）

新认知：神经通过神经递质、轴突-胶质信号调控局部免疫。

实例：

胶质瘤中髓鞘损伤激活TREM2⁺ TAMs；

胰腺癌中未侵犯神经旁见TLS，而被侵犯神经周围聚集NLRP3⁺ TAMs与myCAFs。

前景：3D空间多组学有望揭示神经-免疫互作的治疗靶点。

9. 微生物定植生态位（Microbiota-Residing Niches）

技术突破：HiPR-FISH、par-seqFISH、空间宏转录组实现原位菌群可视化。

功能影响：

细菌富集区常呈免疫抑制（如结肠癌）；

Fusobacterium关联肿瘤细胞静息与耐药；

Akkermansia muciniphila通过调节谷氨酸代谢发挥抗瘤作用；

胰腺癌中高菌群多样性与“免疫热”区域T细胞浸润正相关。

平台进展：Xenium/CosMx已整合微生物探针，推动菌群-宿主互作研究。

空间组学已系统揭示TME中九大功能性生态位的细胞组成、分子机制与临床意义。这些生态位不仅是肿瘤免疫逃逸和治疗抵抗的结构基础，更蕴含丰富的预测性生物标志物（如TLS、干细胞样T细胞）和新型治疗靶点（如TGF-β、CAF亚群、神经-免疫轴、瘤内菌群）。未来需结合纵向采样、跨癌种整合、3D建模与AI驱动分析，将空间生态位图谱转化为精准干预策略，推动“空间导向”的肿瘤免疫治疗新时代。

一、其他具有临床意义但研究不足的空间生态位

除前述九大TME生态位外，以下五类空间组织化微环境也具有重要临床价值，但目前仍缺乏系统刻画：

淋巴生态位（Lymphatic niches）

调控免疫细胞迁移与活化，并可能影响肿瘤干细胞特性。

细胞毒性免疫生态位（Cytotoxic immune niches）

效应免疫细胞（如CD8⁺ T细胞、NK细胞）在此聚集杀伤肿瘤，但也可能因微环境压力发生功能耗竭或表型重编程。

衰老细胞生态位（Senescent cell niches）

富集由衰老或治疗诱导的衰老细胞，通过分泌SASP（衰老相关分泌表型）因子促进肿瘤进展。

转移前生态位（Pre-metastatic niches）

在远端器官预先形成支持循环肿瘤细胞定植的“土壤”，是转移启动的关键环节。

代谢特化生态位（Metabolically specialized niches）

包括：

代谢共生区（如乳酸穿梭）；

脂肪细胞富集区（为肿瘤供能）；

酸中毒微区（低pH促进侵袭与免疫抑制）。

这些区域通过代谢重编程支撑肿瘤生长与耐药。

关键工具：空间多组学技术可原位解析这些生态位的组成、功能及治疗潜力。

二、从单细胞到肿瘤生态系统：迈向更高阶的组织视角

当前多数空间研究仍聚焦于单个细胞类型的位置与丰度，但肿瘤生物学的核心规律往往体现在更高层级的组织结构中：

肿瘤并非细胞的简单集合，而是由功能性生态位 → 多细胞社区（communities） → 整体肿瘤生态系统逐级构建而成。

真正具有临床意义的特征包括：

不同细胞如何空间排布；

哪些细胞反复共定位（如TLS紧邻血管）；

信号流向与互作网络；

治疗如何重塑或破坏这些空间关系。

未来方向：需要“拉远镜头”的分析框架

开发能建模多细胞组织动态的新方法：

生态位分类器（niche classifiers）

多细胞社区识别（community detection）

基于图论的拓扑与信号流模型（graph-based models）

引入因果推断与扰动感知建模，预测干预（如靶向CAF）如何在全生态系统中产生级联效应。

临床转化潜力：生态系统级生物标志物

比单一细胞指标更具预测力的新型标志物可能包括：

特定生态位-社区组合的丰度（如“TLS+血管周”复合体）；

功能区域间的空间邻接性（如FAP⁺ CAF形成的屏障紧贴CD8⁺ T细胞排斥区）；

代谢梯度与免疫分布的共定位（如乳酸富集区与TAM聚集重叠）。

空间组学的临床与转化应用

生活很好，有你更好