高分辨率空间转录组测序及分析：揭示生命空间密码
空间转录组技术正以前所未有的分辨率革新我们对复杂生物系统的理解。它不仅解码细胞的分子状态，更精准定位其空间坐标，将生物学研究从“细胞类型列表”推向“组织结构图谱”的新维度。高分辨率技术的突破，使得在单细胞乃至亚细胞水平解析组织的空间异质性成为可能。
一、核心技术原理与方法
高分辨率空间转录组测序的核心在于精确捕获空间位置信息的同时获取高质量转录组数据。主要技术路线包括：
-
基于微阵列定位的高通量捕获：
- 原理： 使用预先固定了带有空间条形码和寡核苷酸探针（含poly-dT或基因特异性探针）的载玻片。新鲜冷冻组织切片贴附其上，组织透化后释放的mRNA被临近探针捕获。
- 高分辨率实现：
- 微点阵密度提升： 显著增加单位面积内的捕获点数量，缩小点阵尺寸（从最初的100µm降至5-10µm甚至更低），直接在载玻片上实现接近单细胞分辨率的捕获。
- 细胞分割与解卷积： 结合高分辨率组织学图像（H&E/荧光）进行细胞核/细胞膜分割，将每个捕获点（可能包含多个细胞）的转录组数据利用计算方法（基于点阵坐标和细胞形态）分配到单个细胞，实现虚拟的“单细胞分辨率”。
- 优势： 通量高，兼容性强，可分析较大组织区域。
- 挑战： 分辨率受限于物理点阵密度和解卷积算法的准确性；对细胞密度高、形态复杂的区域挑战较大。
-
基于原位测序的方法：
- 原理： 直接在组织切片上原位进行逆转录、cDNA扩增和测序文库构建，并通过显微成像读取带有空间位置信息的条形码序列。
- 高分辨率实现：
- 原位条形码生成与成像： 通过滚环扩增等技术在组织原位产生包含空间坐标信息的DNA纳米球或扩增子，然后使用高分辨率显微镜（荧光/测序）进行成像和序列读取。
- 单分子检测： 结合高效的逆转录和信号放大策略，实现对单个mRNA分子的检测和定位（分辨率可达~1µm）。
- 优势： 理论上可达到亚细胞分辨率，能检测低丰度转录本。
- 挑战： 实验流程更复杂、耗时，通量相对较低，数据分析（图像处理、拼接）计算量大，对组织自发荧光敏感。
-
基于原位杂交成像的方法：
- 原理： 使用大量（数十至数百）带有荧光标记的核酸探针，通过多轮杂交、成像、淬灭循环实现对大量目标基因的成像定位。
- 高分辨率实现：
- 多重循环成像： 利用有限的荧光通道，通过多轮杂交-成像-淬灭循环，理论上可检测的基因数量无限扩展。
- 单分子荧光成像： 采用灵敏的成像系统和点积分的信号放大方法（如杂交链式反应），实现单分子mRNA的可视化和精确定位（分辨率<1µm）。
- 优势： 单分子分辨率，能直接可视化mRNA的空间分布，可与蛋白质共定位分析结合。
- 挑战： 检测通量（基因数量）受限于成像轮次和时间，探针设计和验证复杂，对组织保存要求高。
二、实验流程关键步骤
-
样本制备：
- 组织获取与处理： 新鲜组织快速取材，进行最佳切割温度包埋或直接冷冻，保存在特定条件下。避免样本降解是后续获取高质量数据的关键。
- 切片： 使用恒温冷冻切片机将组织切成特定厚度（通常5-20µm）的薄片。切片质量直接影响空间定位准确性和后续实验成功率。
- 固定与透化： 切片后进行温和固定以保持形态，并进行透化处理使核酸探针或试剂能有效渗透组织，释放mRNA。此步骤需精细优化以达到形态保持与mRNA可及性的平衡。
-
空间条形码捕获/原位反应：
- 微阵列法： 将切片贴附于专用的载玻片上，进行透化使mRNA释放并与载玻片上特定位置的条形码探针结合。
- 原位法/成像法： 在切片上直接进行逆转录、cDNA扩增（通常带有空间条形码）或多轮探针杂交、成像循环。此步骤严格遵循特定操作流程，对温度、时间、试剂浓度控制要求极高。
-
文库构建与测序：
- 微阵列法/部分原位法： 在空间条形码捕获后进行原位或离体的cDNA第二链合成、扩增，构建包含空间条形码的测序文库。
- 测序： 主要使用高通量测序技术完成文库测序。
- 成像法： 通过高分辨率显微镜采集荧光信号图像序列。
-
组织学成像： 在空间捕获/反应之前或之后，对同一组织切片进行高分辨率的H&E染色和/或荧光成像（如细胞核/特定标志物染色），用于后续的空间对齐、细胞分割和形态学分析。
三、数据分析核心流程
海量且高维的空间转录组数据需要强大的生物信息学流程进行解析：
-
原始数据处理：
- 测序数据比对与定量： 将测序读段比对到参考基因组，提取空间条形码和UMI信息，生成基因-空间点（或细胞）-UMI计数矩阵（微阵列/原位测序法）。
- 图像处理与分析： 对多轮原位杂交成像数据进行图像配准、背景扣除、点识别（点积分成像）和基因解码，生成基因-坐标矩阵（成像法）。
- 质量控制： 过滤低质量点/细胞（低基因数/UMI数、高线粒体基因比例）、低表达基因、潜在双细胞/多重细胞捕获点。评估批次效应。
-
空间坐标整合与组织学对齐：
- 将基因表达数据与其对应的空间坐标信息精确整合。
- 利用组织学图像（H&E/荧光）进行精细的空间对齐，可能涉及图像配准和坐标变换。这对于关联分子表型与组织结构至关重要。
-
细胞分割与注释（微阵列/部分原位法）：
- 基于组织学图像分割： 利用细胞核/膜染色图像，采用机器学习算法（如Cellpose, DeepCell, StarDist）或传统图像处理方法进行单个细胞的识别和分割。
- 细胞解卷积： 对于每个物理捕获点覆盖多个细胞的情况，使用计算模型（如SPOTlight, RCTD, cell2location, Tangram）将混合的转录组信号分解，分配到分割出的单个细胞或细胞类型上。
- 细胞类型注释： 基于解卷积后的单细胞水平表达谱或空间点级别的表达谱，利用已知的细胞类型标记基因数据库或参考单细胞图谱，通过聚类和差异表达分析对细胞/空间点进行类型注释。
-
空间表达模式分析：
- 基因空间可视化： 在组织空间坐标上绘制单个或多个基因的表达热图或点图。
- 空间可变基因鉴定： 使用统计方法（如SpatialDE, SPARK, trendsceek）识别表达模式在空间上呈现显著梯度、区域化或斑点状特征的基因。
- 空间域识别： 基于基因表达的空间相似性，利用聚类算法（如BayesSpace, SpaGCN, stLearn）将组织划分为具有不同分子特征的连续区域（空间域），揭示功能单元。
-
细胞空间相互作用与通讯分析：
- 邻域分析： 分析不同细胞类型在空间上的共定位或排斥关系（如细胞类型A是否更倾向于出现在细胞类型B的邻近位置）。
- 配体-受体共表达： 鉴定在空间上邻近的细胞对中显著共表达的配体-受体对，推断潜在的细胞间通讯事件（如CellPhoneDB, CellChat, SpaTalk工具）。高分辨率数据能更精准地定位相互作用的细胞对。
- 生态位分析： 定义由特定核心细胞类型及其周围特定微环境细胞组成的空间功能单元，研究其组成、功能和调控机制。
-
多组学整合分析：
- 空间表观/蛋白组整合： 将空间转录组数据与同一组织切片或相邻切片的空间表观组学或空间蛋白质组学数据进行共配准和联合分析，探索基因表达调控的多层次机制。
- 单细胞转录组整合： 利用高分辨率空间数据作为“骨架”，整合来自同类型组织的单细胞RNA测序数据，提升细胞注释精度和研究稀有细胞类型。
四、应用领域与展望
高分辨率空间转录组学正深刻改变多个生命科学和医学研究领域：
- 发育生物学： 精细描绘胚胎发育过程中细胞命运决定、模式形成和形态发生的时空动态图谱。
- 神经科学： 解析复杂脑区精细的细胞类型组成、神经回路连接、功能分区及神经退行性疾病中的病变空间传播路径。
- 肿瘤学： 深入剖析肿瘤微环境的空间异质性，鉴定免疫排斥区、免疫浸润区、侵袭前沿区等特定功能区域；研究不同肿瘤细胞克隆的空间分布与互作；揭示耐药性和免疫治疗应答/耐药的空间决定因素。
- 疾病病理学： 理解炎症性疾病（如肠炎、关节炎）、纤维化疾病、心血管疾病等病变组织内免疫细胞浸润、基质重塑和细胞功能障碍的空间特征。
- 感染性疾病： 研究病原体在宿主组织内的空间分布、位点及宿主免疫反应的局部空间特征。
- 再生医学： 评估组织工程产品和再生过程中细胞定位、分化和功能整合的空间准确性。
展望与挑战：
- 分辨率极限追求： 持续向亚细胞、单分子分辨率迈进，实现细胞器水平的空间转录组分析。
- 全基因组覆盖与灵敏度提升： 提高基因检测通量（检测更多基因）和灵敏度（检测低丰度转录本），减少技术噪音。
- 活体与动态分析： 发展适配活体或更接近生理状态样本的新方法，研究动态过程。
- 多组学时空整合： 实现同一细胞在同一时间点的转录组、表观组、蛋白组、代谢组等多维信息的原位同步捕获与分析。
- 超大组织与三维重构： 克服技术限制，实现完整器官甚至小型模式生物全体的高分辨率空间转录组分析及三维建模。
- 标准化与计算挑战： 推动实验流程标准化、数据格式统一，开发更高效、准确、用户友好的分析算法和可视化工具，以处理爆炸式增长的数据量和复杂度。
- 临床应用转化： 探索其在精准病理诊断、预后预测、治疗靶点发现和疗效监测中的临床应用价值。
高分辨率空间转录组学作为生命科学领域的新一代“显微镜”，正在以前所未有的精度绘制生命过程的分子空间蓝图。随着技术的不断创新和应用的深入拓展，它必将带来更多颠覆性的科学发现，极大地推动我们对生命复杂性的理解以及疾病的精准诊疗能力。