空间转录组学有望为阿尔茨海默病、癌症等疾病开启全新的治疗方案。

空间转录组学是生物学研究的一项重大进展，它提供了一种强大的技术，用于检查完整组织内基因表达与空间组织之间的复杂关系。通过揭示细胞成分的空间排列及其转录状态，该方法使人们能够更深入地了解复杂生物系统中的细胞组成和活动。

空间转录组学包含多种方法，其共同目标是将转录组数据对应到组织内 RNA 分子的原始位置。这一技术进步为复杂组织内细胞的组织结构、功能和相互作用提供了前所未有的见解。由于其在发育生物学、神经科学和癌症研究等众多生物和医学领域具有巨大的应用潜力，空间转录组学被《自然-方法》（Nature Methods）评为 2020 年度“年度方法”。

生物医学领域存在其他转录组学方法，但研究人员近期在空间转录组学方面取得了令人振奋的进展。我们查阅了全球最大的人工标引科学信息库——CAS 内容合集^TM，以深入了解过去十年空间转录组学的研究格局。我们发现，自十年前开始，与空间转录组学相关的出版物数量出现了巨大的增长（约 150 倍，见图 1）。期刊论文在文献中占据主导地位，而专利出版物相对较少，这表明该领域在商业化方面仍有巨大的发展空间。

转录组学科学正在发生怎样的变化？这对各类疾病的新治疗方法意味着什么？让我们探讨空间转录组学的工作原理及其研究方向。

什么是空间转录组学？

目前主要有三种转录组学类型：大块（bulk）转录组学、单细胞转录组学和空间转录组学（见图 2）。大块转录组学分析细胞混合物中的基因表达，提供全局视图，但缺乏单细胞水平的分辨率。单细胞转录组学解析单个细胞中的基因表达，从而深入了解细胞异质性和稀有细胞群，但会丢失空间背景信息。

空间转录组学保留了组织内基因表达的位置信息，揭示了细胞相互作用和组织结构，但需要注意的是，该技术需要复杂的计算分析。总之，这些方法提供了基因调控的互补视角，每种方法都适用于不同的研究课题。

最早的空间转录组学技术之一是 FISH（荧光原位杂交），它能直接观察完整细胞和组织内的 RNA 分子。其工作原理是设计与目标 RNA 序列互补的短链荧光标记 DNA 或 RNA 探针。这些探针与样本中的目标 RNA 杂交，并通过荧光显微镜检测荧光信号的位置。

诸如单分子 FISH (smFISH) 等技术提高了灵敏度，能够检测并定量分析作为衍射受限斑点的单个 RNA 转录本。由于荧光团的光谱重叠，FISH 的早期应用只能观察少量特征明确的 mRNA 的空间分布。这些早期技术也非常耗时且劳动强度大，特别是在分析大组织切片或多个靶点时。 鉴于这些局限性，研究人员开发了效率更高的现代方法。

技术进步提升了分辨率和分析能力

空间转录组学技术可分为四类：显微切割法、原位杂交法 (ISH)、原位测序法 (ISS) 和原位捕获法 (ISC)（见图 3）。技术的选择通常取决于具体的研究目标，例如对高分辨率、广泛基因覆盖范围或靶向分析的需求。正如我们在 CAS 内容合集的出版物数量中所见，该领域在过去十年中经历了快速的技术演进。这些进展使研究人员能够深入洞察疾病机制并开发潜在的治疗策略。

激光捕获显微切割方法

激光捕获显微切割（LMD）提供了一种物理手段，可在显微镜观察下直接从组织切片中分离特定的细胞群或感兴趣区域。在对目标区域进行显微切割后，从这些分离的细胞或组织碎片中提取 RNA，随后使用传统的批量 RNA 测序（RNA-seq）进行分析。该方法将基因表达谱与显微切割定义的特定空间位置联系起来。

虽然 LMD 侧重于空间分离而非 原位 分析，但其与先进 RNA-seq 技术的结合显著增强了其在空间转录组学中的应用价值。在少量细胞的 RNA 提取、扩增方法和测序深度方面的改进，使得对显微切割样本进行更全面的转录组分析成为可能。较新的 LMD 仪器 提供了更高的精度和自动化程度，使流程更加高效。这些对于理解组织样本内的分子异质性、识别驱动疾病的特定细胞群以及指导靶向治疗具有至关重要的作用。

ISH 方法

ISH 涵盖了多种技术，这些技术使用标记探针在保持空间背景的前提下检测细胞或组织内的特定核酸序列（DNA 和 RNA）。与 FISH 类似，ISH 依赖于标记探针与目标序列的杂交。然而，ISH 除了荧光检测外，还可以采用多种检测方法，包括酶标或放射性标记，这些标记可通过显微镜或放射自显影进行观察。

使用显色检测（例如使用产生有色沉淀的酶）的传统 ISH 数十年来一直是发育生物学和组织学中的基础技术，能够以细胞分辨率观察基因表达模式。放射性 ISH 对低丰度转录本具有更高的灵敏度。FISH 可视为 ISH 的一种基于荧光的子集。

ISH 的演进主要集中在提高灵敏度、多重检测能力和分辨率上。近期的多重 FISH 技术，如 MERFISH、seqFISH 及其他变体，通过采用组合标记和多轮杂交与成像，能够同时检测同一样本中数百至数千种 mRNA。

ISS 方法

这些方法通常涉及在组织切片内将 RNA 转化为互补 DNA（cDNA），随后进行 原位 扩增和 测序，并采用多种编码策略。序列信息通过迭代的杂交、连接或酶促反应，结合高分辨率成像进行解码。所得数据提供了大量 RNA 转录本的身份及其在亚细胞分辨率下的空间位置。

ISS 技术的例子包括 单细胞总 RNA 微型化测序（STORM-seq）、荧光原位测序（FISSEQ）以及挂锁探针测序方法。这些技术可以实现高多重检测，从而在原生空间背景下同时检测单个细胞内的数千种 RNA 物种。

ISC 方法

ISC 方法涉及将带有空间条形码的寡核苷酸置于组织切片上，以捕获从细胞中释放的 mRNA。空间信息被编码在捕获探针的唯一条形码中。在 mRNA 捕获和逆转录后，所得 cDNA 被汇集并使用标准二代测序技术进行测序。通过解码与每个 cDNA 分子相关的空间条形码，可以将基因表达谱映射回其在组织上的原始位置。

 表 1：不同空间转录组学技术的比较 

由卡罗林斯卡学院开发的原始空间转录组学技术是原位捕获（ISC）方法的一个典型代表，该技术后来被商业化为 10x Genomics Visium 平台。它利用空间条形码微阵列来捕获 mRNA。随后的创新包括Slide-seq，该技术使用沉积在载玻片上的 DNA 条形码微珠。 

早期的 ISC 方法空间分辨率相对较低，受限于捕获点或微珠的尺寸。在提高空间条形码密度、缩小捕获区域以及提升 mRNA 捕获和 cDNA 合成效率方面，已取得了显著进展。诸如高分辨率空间转录组学（HDST）和Slide-seqV2等技术已大幅提高了分辨率，在某些情况下已接近单细胞水平。 

ISC 方法为全转录组空间分析提供了一种可扩展且相对经济高效的途径，使其在基础研究、药物开发以及潜在的临床诊断等大规模研究中极具吸引力。在空间背景下分析整个转录组的能力，为理解组织结构和功能提供了全面的视角。 

空间转录组学助力我们深入理解疾病生物学与药物发现

了解基因表达的空间背景，为揭示疾病机制提供了关键见解。它同时也影响着药物的发现与开发。目前空间转录组学的四个重点领域是癌症、神经科学、发育生物学和传染病。 

癌症

癌症研究中最重大的挑战之一，在于理解并应对肿瘤异质性以及肿瘤与其周围微环境（TME）之间复杂的相互作用。TME 是一个复杂且持续演变的实体，通常包含免疫细胞、基质细胞、血管和细胞外基质。得益于空间转录组学的进步，我们现在能更好地理解免疫微环境的关键作用，并揭示了癌细胞逃避宿主免疫系统的多种机制。 

目前学术界已广泛认可，TME 不仅仅是一个中性实体，更是癌症进展的积极促进者。它直接或间接地调节着癌症的生长、转移、耐药性或对各种治疗的敏感性。由于空间转录组学技术能够保留空间背景，它们成为研究肿瘤-TME 以及肿瘤-免疫细胞相互作用的绝佳工具，并为我们理解肿瘤生物学提供了全新的视角。 

近期已有许多值得关注的研究。例如，在胶质母细胞瘤中，研究表明（位于间充质样肿瘤区域的）释放 IL-10 的髓系细胞会驱动 T 细胞耗竭，从而导致免疫抑制性 TME。在口腔鳞状细胞癌中，研究人员识别并表征了独特的、保守的肿瘤核心与边缘结构，这些结构可预测患者的生存率及对靶向治疗的反应。空间转录组学也被广泛应用于乳腺癌研究，以探讨肿瘤异质性和 TME 驱动的药物反应。 

神经科学

大脑卓越的功能复杂性源于多样化的神经元和胶质细胞群之间精确的空间排列与连接。空间转录组学有能力在细胞水平上剖析这种组织结构，并就神经回路如何形成及发挥功能、不同脑区如何特化，以及这种精细架构的破坏如何导致各种神经系统疾病的发生和/或进展，提供深刻见解。 

空间转录组学现已被用于破译淀粉样斑块病理（阿尔茨海默病的一个标志）中的关键机制和分子参与者。在小鼠模型中，科学家们识别出了参与疾病早期与晚期阶段的基因共表达网络（分别为髓鞘和少突胶质细胞基因 [OLIGs] 以及斑块诱导基因 [PIGs]）。在另一项研究中，研究人员确定了区域基因表达谱与阿尔茨海默病患者对淀粉样蛋白-β 和 tau 病理的区域选择性易感性之间的关联。 

空间转录组学还帮助我们发现了可能增强淀粉样蛋白-β 靶向免疫疗法的潜在分子靶点。研究人员正在研究接受主动或被动免疫治疗的患者中，涉及清除淀粉样蛋白-β 斑块的神经免疫机制（与 TREM2-APOE 轴相关的基因上调）。此外，一种新型计算框架——“利用过参数化图神经网络整合空间转录组数据与染色质成像数据（STACI）”——已被用于识别潜在的阿尔茨海默病新生物标志物。 

除阿尔茨海默病研究外，空间转录组学还为肌萎缩侧索硬化症（ALS）中的若干风险基因和通路失调提供了全新的见解。 

发育生物学

多项研究凸显了空间转录组学在发育生物学中的强大作用。通过应用 Stereo-seq 方法 构建小鼠器官发生时空转录组图谱（MOSTA），研究人员深入揭示了背侧中脑等发育组织中空间细胞异质性和细胞命运决定的分子基础。在另一项 研究中，空间转录组学被用于分析人类心脏发育过程中的时空基因表达模式，并绘制了人类胚胎心脏的细胞类型分布及空间组织结构。  

此外，一项研究 生成了具有空间信息的小鼠全脑转录组图谱，涵盖了单细胞分辨率下的 308 个细胞簇，涉及超过 400 万个细胞。这为研究小鼠大脑的发育、功能及基因调控提供了宝贵的资源。

传染性疾病

Spatial transcriptomics is transforming the study of infectious diseases by providing the ability to analyze the intricate interactions between host and pathogen within the spatial context of infected tissues. This methodology has been successfully employed to study bacterial infections such as Mycobacterium tuberculosis, Pseudomonas aeruginosa, and Echinococcus multilocularis. It is also used in research into viral infections, such as SARS-COV-2 and HIV. Researchers have directly identified certain co-localization patterns of host and pathogen transcripts and discovered host factors that modulate immune response.  

空间转录组学的挑战与机遇

尽管空间转录组学方法提供了卓越的洞察力，但它们也面临着一定的挑战。 大多数空间转录组学方法产生的数据规模庞大、结构复杂，且由于 RNA 捕获效率低、PCR 扩增偏好或测序错误，有时会存在噪声。这通常需要复杂的 算法来进行图像处理、空间映射以及与单细胞 RNA 测序数据的整合。组织固定、切片和染色过程可能会引入影响 RNA 完整性和空间分辨率的伪影。因此，必须优化处理技术以最大限度地减少这些问题。

空间转录组学所需的试剂、测序和计算基础设施成本高昂，限制了这些创新技术的普及。此外，这些方法涉及复杂的实验流程，需要研究人员具备分子生物学、生物信息学和显微镜技术方面的专业知识。跨学科技能对于准确的分析和解读至关重要。此外，不同实验室之间的空间转录组学方案差异很大，使得跨研究比较结果变得困难。

尽管存在这些挑战，但 空间转录组学领域仍在快速发展，目前的努力重点在于提高空间分辨率、灵敏度和通量。另一种可能性是与其它组学数据整合，即所谓的 空间多组学，它通过在空间框架内结合基因组学、蛋白质组学、表观基因组学和代谢组学，有望更全面地理解生物学和病理学过程。

持续的进步正在改进数据分析方法并 降低噪声，从而更好地理解空间转录组数据。与许多其它生物医学领域一样，人工智能有望通过提高数据分析的效率和深度来彻底改变空间转录组学。近期的一些例子包括：Path2space，这是一种深度学习模型，旨在直接从乳腺癌活检的组织病理学切片中预测空间基因表达，并预测患者对化疗和曲妥珠单抗的反应；以及 Spotiphy，这是一种基于机器学习的方法，旨在实现单细胞分辨率和全基因组覆盖。 体内空间转录组学方法尚处于早期阶段，但得益于持续的研究工作，很快将得以实现。  

展望未来，空间转录组学前景广阔。它有望推动基础研究取得更多突破性发现，并对转化医学产生日益深远的影响。