空间转录组学标志着生物学研究的重大进步，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。通过揭示细胞组分的空间排列及其转录状态，该方法使我们能够更深入地了解复杂生物系统中的细胞组成和活性。
空间转录组学 包含多种方法，其共同目标是将转录组学数据分配到组织内 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、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学和医学领域具有改善潜力，空间转录组学被《自然-方法》杂志评为“年度方法”。
生物医学领域中还存在其他 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 CAS Content CollectionTMTM（这是全球最大的由人工收录的科学信息库），以更好地了解过去十年空间转录组学的研究布局。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）。期刊出版物在文献中占据主导地位，远超专利出版物，这表明商业化方面仍存在巨大的机会。
转录组学科学正在发生怎样的变化？这对各类疾病的新型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 三种主要的转录组学类型：批量转录组学、单细胞转录组学和空间转录组学（见图 2）。批量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，能够深入了解细胞异质性和稀有细胞群，但会丢失空间背景。
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，但必须指出的是，该技术需要复杂的计算分析。这些方法共同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问题。
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。 这些探针进行杂交 与样本中的目标 RNA 结合，并利用荧光显微镜检测荧光信号的位置。
诸如以下技术： 单分子荧光原位杂交 (smFISH) 提高了灵敏度，能够将单个 RNA 转录本检测并定量为衍射受限斑点。由于荧光团的光谱重叠，FISH 的初步应用仅能可视化少量特征明确的 mRNA 的空间分布。这些早期技术也十分耗时且劳动强度大，尤其是在分析大组织切片或多个目标时。 由于这些局限性，研究人员开发了效率更高的现代方法。
技术进步提高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 杂交方法 (ISH)、 原位 测序方法 (ISS) 以及 原位 捕获方法 (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 Content CollectionTM 中的出版物数量所见，该领域在过去十年中经历了快速的技术演变。这些进步使研究人员能够确定疾病机制的关键见解，并制定潜在的治疗策略。
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。一旦完成所需区域的显微切割，便可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。这种方法将基因表达谱与显微切割所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，但它与先进 RNA-seq 技术的整合显著增强了其在空间转录组学中的效用。RNA 提取（针对少量细胞）、扩增方法以及测序深度的改进，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，使该过程更加高效。这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潜在地指导靶向治疗至关重要。
ISH 方法
ISH 涵盖了多种技术 ，这些技术使用标记探针在保留空间背景的同时，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 可以采用除荧光之外的多种检测方法，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。
几十年来，使用显色检测（例如使用产生有色沉淀物的酶）的传统 ISH 一直是发育生物学和组织学中的一项基础技术，能够实现细胞分辨率下的基因表达模式可视化。放射性 ISH 对低丰度转录本具有更高的灵敏度。FISH 可视为 ISH 中基于荧光的一个子集。
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以及其他变体，通过采用组合标记以及连续多轮的杂交和成像，能够同时检测同一样本中成百上千种 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。随后通过迭代的杂交、连接或酶促反应，结合高分辨率成像对序列信息进行解码。所得数据可在亚细胞分辨率下提供大量 RNA 转录本的身份及其空间位置。
ISS 技术的示例包括 单细胞总 RNA 微型化测序 (STORM-seq)、 荧光原位测序 (FISSEQ) 以及 挂锁 探针测序法。这些技术能够实现高多重检测，从而在单个细胞的原生空间背景下同时检测数千种 RNA。
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上独特的条形码中。在 mRNA 捕获和逆转录后，将所得 cDNA 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 (ST) 技术的比较
最初的 空间转录组学技术由卡罗林斯卡学院开发，是 ISC 方法的一个典型范例，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，它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，受到捕获点或微珠尺寸的限制。在提高空间条形码密度、缩小捕获区域以及改善 mRNA 捕获和 cDNA 合成效率方面，已经取得了重大进展。诸如 高清晰度空间转录组学 (HDST) 和 Slide-seqV2 等技术极大地提高了分辨率，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。
空间转录组学正在加深我们对疾病生物学和药物发现的理解
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。它也影响着药物的发现与开发。当今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一，一直是理解和解决肿瘤异质性，以及肿瘤与其周围微环境 (TME) 之间复杂的相互作用。TME 是一个复杂且不断演变的实体，通常包括免疫细胞、基质细胞、血管和细胞外基质。得益于空间转录组学的进步，人们现在能更好地理解免疫微环境的关键作用，从而揭示了癌细胞用于绕过宿主免疫系统的各种机制。
目前人们普遍认为，TME 是一个活跃的 促进因素 癌症进展的参与者，而不仅仅是一个中立的实体。它直接或间接地调节癌症的生长、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保留了空间背景，它们是研究肿瘤-TME（肿瘤微环境）以及肿瘤与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新的见解。
近期已有许多值得关注的研究。例如，在胶质母细胞瘤中， 释放 IL-10 的髓系细胞 （位于类间充质肿瘤区域）被证明会推动 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 独特且保守的肿瘤核心与边缘结构，这些结构可预测生存率和靶向治疗的反应。空间转录组学也广泛应用于 乳腺癌研究 ，以研究肿瘤异质性和 TME 驱动的药物反应。
神经科学
大脑卓越的功能复杂性源于不同神经元和神经胶质细胞群之间精确的空间排列和连接。空间转录组学有能力 在细胞水平上剖析这种组织结构 ，并提供关于神经回路如何形成并发挥功能、不同脑区如何特化，以及这种精细调节的结构被破坏如何导致各种神经系统疾病的发生和/或进展的见解。
空间转录组学目前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， 科学家们已经确定了基因共表达网络 ，这些网络分别参与了疾病的早期和晚期阶段（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，研究人员确定了阿尔茨海默病患者的区域基因表达谱与对淀粉样蛋白-β 和 tau 病理的选择性区域脆弱性之间的关联。
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。研究人员正在研究参与 清除淀粉样蛋白-β 斑块 的神经免疫机制（在接受主动或被动免疫的患者中，与 TREM2-APOE 轴相关的基因上调）。此外，一项 新型计算框架 “利用过参数化图自动编码器整合空间转录组数据与染色质成像数据 (STACI)”被用于识别潜在的阿尔茨海默病新生物标志物。
除了阿尔茨海默病研究外，空间转录组学还为以下方面提供了新见解： 风险基因 以及 肌萎缩侧索硬化症 (ALS) 中的通路失调。
发育生物学
多项研究强调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)，研究人员在背侧中脑等发育组织的空间细胞异质性和细胞命运决定的分子基础方面获得了宝贵的见解。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中的细胞类型分布和空间组织图谱。
另一项进展是，一个完整的小鼠大脑转录组图谱被 生成并包含空间信息 ，该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、功能和基因调控提供了宝贵的资源。
传染病
空间转录组学通过提供在感染组织的空间背景下分析宿主与病原体之间复杂相互作用的能力，正在改变传染病的研究方式。该方法已成功应用于研究细菌感染，例如 结核分枝杆菌， 铜绿假单胞菌， 以及 多房棘球绦虫。它也用于病毒感染研究，例如 SARS-COV-2 和 HIV。研究人员已直接识别出宿主和病原体转录本的某些共定位模式，并发现了调节免疫反应的宿主因子。
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见解，但它们也伴随着一定的挑战。 大多数空间转录组学 方法所产生的数据量巨大且复杂，有时由于 RNA 捕获效率低、PCR 扩增偏差或测序错误而存在噪声。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 测序的整合。组织固定、切片和染色可能会引入影响 RNA 完整性和空间分辨率的伪影。需要优化处理和操作技术，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可能非常昂贵，限制了这些创新的普及。此外， 这些方法涉及复杂的工作流程，需要具备分子生物学、生物信息学和显微镜技术专长的研究人员。跨学科技能对于准确的分析和解读至关重要。此外，空间转录组学方案在不同实验室之间差异很大，使得跨研究比较结果变得困难。
尽管面临这些挑战， 空间转录组学领域仍在快速发展，目前的研究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他组学数据进行整合，即 空间多组学，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，从而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，以便更好地理解空间转录组（ST）数据。与许多其他生物医学领域一样， 人工智能 将通过提高数据分析的效率和深度，彻底改变空间转录组学。近期的一些案例包括 Path2space，这是一种深度学习模型，旨在直接根据乳腺癌活检的组织病理学切片预测空间基因表达，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（In vivo） 空间转录组学方法仍处于早期阶段，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。
