2010年，我們做轉(zhuǎn)錄組測序，是把組織當(dāng)成勻漿來對待的。2020年，單細(xì)胞測序讓我們看到細(xì)胞的多樣性。2025年，AI橫掃生物醫(yī)學(xué)，從蛋白質(zhì)結(jié)構(gòu)到單細(xì)胞表征，大模型無處不在。2026年的今天，空間轉(zhuǎn)錄組讓我們不僅能看見單個(gè)細(xì)胞，還能看見它們在組織里的定位信息和互作關(guān)系。細(xì)胞不是孤立的存在。它的身份，由它的鄰居定義；它的功能，由它的位置決定。2026年，或?qū)⒊蔀榭臻g組學(xué)全面爆發(fā)的一年。

按分辨率和通量兩個(gè)維度，空間組技術(shù)大致分成三大流派。1. 基于測序的技術(shù)，如10x Visium、Visium HD、Slide-seq。該技術(shù)核心邏輯是在載玻片上預(yù)先布置帶空間條形碼的捕獲探針，組織切片貼上去后，mRNA從組織擴(kuò)散到探針上被捕獲，通過測序反推每個(gè)位置的基因表達(dá)。優(yōu)點(diǎn)是通量高，覆蓋全轉(zhuǎn)錄組；缺點(diǎn)是分辨率受限于spot大?。ń?jīng)典Visium是55μm，含1-10個(gè)細(xì)胞；Visium HD已縮小到2μm，逼近單細(xì)胞）。適用場景如腫瘤組織結(jié)構(gòu)解析、組織區(qū)域差異分析、 biomarker discovery。

2. 基于原位成像的技術(shù)，如MERFISH、seqFISH+、Xenium、CosMx。這類技術(shù)不走測序路線，而是直接在組織切片上對RNA分子進(jìn)行多重成像。每個(gè)分子被點(diǎn)亮的位置，就是它在細(xì)胞中的真實(shí)坐標(biāo)。優(yōu)點(diǎn)是真正的亞細(xì)胞分辨率，可以精確到單個(gè)mRNA分子；缺點(diǎn)是通量低，Xenium可檢測約500個(gè)基因，MERFISH可擴(kuò)展至1000+，但無法做到全轉(zhuǎn)錄組覆蓋。適用場景包括細(xì)胞-細(xì)胞直接互作研究、神經(jīng)環(huán)路解析、精細(xì)空間圖譜構(gòu)建。

3. 基于激光顯微切割的技術(shù)，如LCM-seq、GeoMx DSP。通過激光切割或區(qū)域收集的方式獲取特定區(qū)域的細(xì)胞，再進(jìn)行測序。GeoMx DSP結(jié)合抗體或RNA探針，實(shí)現(xiàn)特定細(xì)胞類型的空間表達(dá)譜獲取。優(yōu)點(diǎn)是可針對特定感興趣區(qū)域或特定細(xì)胞類型；缺點(diǎn)是通量低，依賴組織形態(tài)學(xué)先驗(yàn)知識(shí)。而基于數(shù)學(xué)推斷的虛擬技術(shù)，如CARD、Tangram、gimVI。這類方法本身不產(chǎn)生實(shí)驗(yàn)數(shù)據(jù)，只是通過算法將單細(xì)胞RNA數(shù)據(jù)映射到空間轉(zhuǎn)錄組數(shù)據(jù)，實(shí)現(xiàn)單細(xì)胞分辨率的空間表達(dá)推斷。優(yōu)點(diǎn)是成本低，可以充分利用已有海量單細(xì)胞數(shù)據(jù)；缺點(diǎn)是需要實(shí)驗(yàn)驗(yàn)證。沒有完美的技術(shù)，只有合適的技術(shù)。策略上做區(qū)域分析選Visium，做精細(xì)互作選Xenium，做探索性研究可以先用算法推斷再驗(yàn)證。

百奧智匯整理的空間組學(xué)思維導(dǎo)圖

拿到空間轉(zhuǎn)錄組數(shù)據(jù)后，我們該如何層層深入？其分析流程可分為四個(gè)步驟?？臻g聚類與區(qū)域注釋?？臻g轉(zhuǎn)錄組第一張圖，往往是組織切片上的空間聚類。這些cluster并不隨機(jī)，而是對應(yīng)組織學(xué)上解剖結(jié)構(gòu)：腫瘤區(qū)域、基質(zhì)區(qū)域、免疫浸潤區(qū)、壞死區(qū)等。關(guān)鍵分析：空間可變基因（SVG）識(shí)別——哪些基因的表達(dá)隨空間位置變化？經(jīng)典的SVG方法包括SpatialDE、SPARK、MERINGUE等。這些基因往往是區(qū)域特化的功能標(biāo)志。

細(xì)胞組成與空間分布。有了空間坐標(biāo)，我們就可以問：每個(gè)位置（spot）里有什么細(xì)胞？這需要整合單細(xì)胞數(shù)據(jù)做空間解卷積。主流方法有RCTD、CARD、SpatialDWLS、cell2location等。解卷積之后，我們得到每個(gè)spot的細(xì)胞類型組成。這時(shí)可以做兩件事：a.細(xì)胞類型共定位分析：哪些細(xì)胞傾向于待在一起？比如在腫瘤中，M2型巨噬細(xì)胞常常和Treg細(xì)胞“抱團(tuán)”。b.空間梯度分析：從腫瘤核心到邊緣，免疫細(xì)胞的比例如何變化？

細(xì)胞互作網(wǎng)絡(luò)分析。這是空間轉(zhuǎn)錄組最有魅力的部分。單細(xì)胞層面的細(xì)胞互作分析（如CellPhoneDB、NicheNet）是基于配體-受體表達(dá)的相關(guān)性，但缺乏空間驗(yàn)證。有了空間信息，我們可以分析配體表達(dá)的細(xì)胞和受體表達(dá)的細(xì)胞，在空間上是否鄰近？細(xì)胞間的距離是否影響互作強(qiáng)度？有沒有形成多細(xì)胞的通訊樞紐？空間互作分析的進(jìn)階方法，Giotto可構(gòu)建細(xì)胞鄰域網(wǎng)絡(luò)，計(jì)算配體-受體對在空間上的共現(xiàn)顯著性；SpaTalk結(jié)合距離信息和配體-受體數(shù)據(jù)庫，推斷空間受限的細(xì)胞通訊；MISTy從細(xì)胞自身、近鄰、區(qū)域三個(gè)層次建模互作關(guān)系。

空間功能單元識(shí)別。當(dāng)我們把細(xì)胞類型、互作關(guān)系、功能狀態(tài)綜合起來，往往會(huì)發(fā)現(xiàn)組織中存在一些重復(fù)出現(xiàn)的空間功能單元，如腫瘤中的三級淋巴結(jié)構(gòu)（TLS）、肝小葉的代謝分區(qū)、大腦皮層的層狀結(jié)構(gòu)。識(shí)別這些結(jié)構(gòu)需要無偏的算法，BANKSY結(jié)合基因表達(dá)和空間鄰域信息進(jìn)行聚類；STAGATE利用圖注意力網(wǎng)絡(luò)學(xué)習(xí)空間域；SpaGCN整合空間坐標(biāo)、基因表達(dá)和組織學(xué)圖像?？臻g功能單元才是真正承載組織功能的基本模塊。理解了這些單元的組織邏輯，就理解了器官的工作原理。

過去我們講冷腫瘤和熱腫瘤，只是基于CD8+ T 細(xì)胞的總體豐度。在空間轉(zhuǎn)錄組場景下，免疫排斥型是 T 細(xì)胞被擋在腫瘤邊緣的纖維包膜外；免疫沙漠型是整個(gè)腫瘤區(qū)域幾乎看不到免疫細(xì)胞；三級淋巴結(jié)構(gòu)中 B 細(xì)胞、T 細(xì)胞、DC形成有序的結(jié)構(gòu)，往往預(yù)示著免疫治療響應(yīng)良好。

傳統(tǒng)病理學(xué)分型基于組織形態(tài)學(xué)，比如腫瘤的分級、分期?？臻g轉(zhuǎn)錄組讓我們可以在分子層面重新定義疾病亞型，不是只看腫瘤細(xì)胞本身，而是看腫瘤微環(huán)境的組織結(jié)構(gòu)。在胰腺導(dǎo)管腺癌中，空間轉(zhuǎn)錄組識(shí)別出了反應(yīng)性基質(zhì)和抑制性基質(zhì)兩種不同的基質(zhì)類型，它們與患者的預(yù)后存在顯著關(guān)聯(lián)。

盡管空間轉(zhuǎn)錄組發(fā)展迅猛，但仍面臨幾個(gè)核心挑戰(zhàn)。目前還沒有技術(shù)能同時(shí)做到單細(xì)胞分辨率+全轉(zhuǎn)錄組覆蓋+大組織范圍。這是物理限制，短期內(nèi)可能難以突破。解決方案可能是高低搭配，先用Visium HD做全轉(zhuǎn)錄組掃描（高通量低分辨率），再用Xenium做高分辨率靶向驗(yàn)證（低通量）。

空間轉(zhuǎn)錄組不僅產(chǎn)生基因表達(dá)數(shù)據(jù)，還產(chǎn)生組織染色圖像。如何將組織學(xué)形態(tài)（細(xì)胞核形態(tài)、組織結(jié)構(gòu)）與分子表達(dá)深度整合？深度學(xué)習(xí)在這里大有可為，比如用HE圖像預(yù)測空間表達(dá)模式?？臻g轉(zhuǎn)錄組是瞬時(shí)快照，但生物學(xué)是動(dòng)態(tài)過程。如何從多個(gè)快照反推細(xì)胞遷移軌跡和分子擴(kuò)散？

空間軌跡推斷（如spatial pseudotime）是一個(gè)活躍的研究方向?？臻g轉(zhuǎn)錄組只是開始，還有空間蛋白組（CODEX、CyCIF等可以同時(shí)檢測40+種蛋白的空間分布），空間代謝組（質(zhì)譜成像技術(shù)正在走向單細(xì)胞分辨率）和空間基因組（原位測序已經(jīng)可以檢測基因突變的空間異質(zhì)性）。多模態(tài)空間數(shù)據(jù)的整合分析，將是下一個(gè)技術(shù)高地。