【珍藏版】意犹未尽？6位领域专家时空多组学探讨经典语录放送

(滑动查看专家解读语录)

对于我们这个领域，代谢相关的研究、代谢疾病的研究、代谢组学肯定是一个非常重要的技术。当然在过去，其实大家说到代谢组学，这种认知都会比较单一。就是以质谱的非靶标检测，其中也包括特定针对血清里面的代谢物检测等，一说到代谢组学，大家就会想到是这种方式。其实过去传统的代谢组学与空间代谢组学相比它也有很多局限性。

对于代谢物来说，代谢产物的化学组成非常复杂，对于它的注释远不如基因或者蛋白清晰。因为基因已经非常清晰，已经有很好数据库。代谢物和代谢组学目前在数据库或者数据结构方面还需要更多探究，但代谢物是更加接近功能或者更具有功能效应的物质，而且它的变化也很快。所以我们对随着不同时间点的变化和它在特定的一个组织器官里面的一个效应研究对我们理解它在疾病当中作用是非常重要的。

所以解决这些问题我觉得空间代谢组学其实是非常重要的一个方式，因为我自己在鹿明生物做过空间代谢组学，我也拿到了相关的数据。我觉得有几个非常重要的方面：

第一，虽然这个技术还是在一个发展当中，我认为它还没有达到一个成熟的阶段，需要不断的进步和提升。但是我们已经看到随着分辨率的提高，看到不同的组织、细胞区域的代谢物分布的特征，并且它随着节律的变化或者应激变化会引起不同代谢物的空间变化，这样我们可以看到下游的功能性代谢物变化。

如果结合单细胞组学或者空间代谢组学，实际上它是对空间转录组或者单细胞的很好的注释，比如说过去可能我们对某一些细胞或者看到某一些细胞里面的某些基因的表达是很特异的特征，或者他的这个 tf activity 是一个很特异的特征，但是我们可能并不清楚这种活性意味着什么？或者他有什么功能？那么如果加上空间代谢组可能是对这种功能的一个补充的理解，可能不能理解全部，但是至少我们能够注释一部分。那这种已经让我们对数据的认识起到很好的帮助。当然我觉得在未来，实际上相应的一些统计方法或者算法也有很大提升的空间，尤其是针对这种跨组学数据的结合整合。比如说过去对于这个定位层面、RNA层面或蛋白层面，我们会有一些跨组学数据的统计方法。

那么代谢组学尤其是空间代谢组学怎么样去和空间其他的数据去结合？可能我们也会有一些很好的去整合的算法，把代谢组用更好的算法整合起来，这样的一个整合数据会给我们提供更多的发现，尤其是对于我们代谢病人研究来说。

(滑动查看专家解读语录)

我觉得你提的这个问题也很好，因为其实单细胞转录组很火，现在大家发了很多paper，很多东西也都向临床去尝试转化，自然很多在想把其他的单细胞技术整合在一起不是更好。但其实我们发现很多单细胞多组学技术，他发展的阶段是不一样的，没有办法非常好的匹配。从我的角度上来说，我觉得可能是这方面的因素。特别是单细胞多组学技术

串联打通，从中心法则，DNA-RNA-蛋白到最终的代谢物，我们都能从单个细胞上全都能看到，这肯定是最好。

但是其实现在目前从性价比上来说，只有单细胞转录组的成本和收益是我们科研工作者甚至于做临床转化的人来说是能接受的。单细胞基因组首先从方法学，它可能对单减基因，突变准确度就会很差。只能做个 cnv，但如果是只做 cnv 其实对我们做研究来说，我觉得不够。如果可以这样子，那使用转录组的一些算法去替代，是个不错的选择。从技术发展来说，DNA技术现在达不到，而且即便是技术能达到，成本有点高。我测一个人基因组，一个 g 现在也要几十块钱，我去外面去测，如果我每一个细胞都想测，不要说测十成二十成，我哪怕测一成，我同时测一万个细胞，那这个成本根本就是天文数字。我们做科研的角度来说，我们一个样本拿到的数据其实连统计学分析都做不了，更不要说分组了，每个组还是生物学重复的。

这个是DNA层面，但是蛋白层面现在也存在着这个问题，但是蛋白相对来说更好一些。很多空间蛋白组这种分析的方法，它成数也是逐渐的在提高，从以前的三色四色五色九色，到现在的四十色，甚至于现在有一些新的数据，一百色也可以做到啊！

那其实蛋白层面我可以当做一个验证的方法，单细胞转录组得到这些结果，对感兴趣的基因设计特定的panal。我可以从空间蛋白组学组，回过去对这个结果进行验证。但是如果我是想从头用单细胞蛋白组学去做研究，基本上不可能。咱们现在这个蛋白组学的技术设备的灵敏度也达不到我们现在需求。得到结果相对来说，它信息量有损失。

其实空间代谢组也是存在这样的问题，其实我们是希望通过一种技术能把我们在这个层面想得到的所有信息都得到，之后我们去分析。对于肿瘤样本的异质性导致的重现性也会有各种各样的问题。我感觉可能还需要技术一定的发展。

这个领域其实还是取决于技术的一种驱动，还有技术发展越快，成本自然而然这就下来了。我相信包括现在空间转录组，如果现在用的都跟单细胞转录组一样，那现在也不是这个价格，我们也可以借用这个技术做更好的研究，得到更好的发现。

(滑动查看专家解读语录)

好的，刚才我们确实聊了聊这个空间代谢组学的优势，这个优势可能跟传统、经典的液质联用的代谢组学问题相比，它只是解决了这个空间功能实现。但是说要到性能层面，是有很多的需要去突破和进一步发展的方向。

我结合我自己实际情况或者是这些年的研究情况来看，我觉得可能有几个方向需要去进一步的发展：

第一个就是灵敏度和空间分辨率、高通量这个是永恒的话题。其实也是陈老师刚才讲到的性价比的问题。就是我们怎么样通过技术的进步和发展去提供更多的信息？降低分析成本（时间、样本等成本）。我们通过性能进步提升，去提高这个空间代谢组学的成本和性价比。

另外一个是信息解读的问题：我们可以检测到很多的化合物，那现在比如说我们能检测到一千多个化合物，那我们能鉴定或者是能准确鉴定的化合物的数量大概占到多少。能够给他解释生物学功能的又有多少？其实还是有很大的挑战和难度。这块我觉得肯定也是需要更多的人一起来在代谢物的鉴定策略、信息库和数据库(实体库、样本库、代谢物功能信息库)等等。

这块其实还是需要很多人一起来做,我想可能仅仅是说1~2个课题组和一家鹿明的公司来做也是很有限的。这两年我们跟鹿明合作也有了很大的推动，我们原来可能是把这个0做到1，现在鹿明是能够从1做到10，然后下一步从10在到100。放大的这种效应，肯定还是需要更多人来做。然后把这个技术往前进步，成本给他降下来。这是我觉得第二个需要发展的问题。

第三就是空间多组学的问题：怎么样去把空间转录、单细胞等去做一些关联分析？我们目前来看，还是有一些方式或者策略去做。因为我们其实做空间转录也好、做空间代谢也好，它其实需要的样本量并不大，我们有一张冰冻切片或者两张冰冻切片，我们就可以了。那如果拿到一个组织，我们做一个10微米的这种冰冻切片，然后利用他相邻切片的相似性或者这个空间结构上的连续性，我们是可以去做一些关联分析的。因为我们组学的数据量很大，然后信息很丰富，再加每一个像素点是把它当做一个样本去处理，但是这种基于信息的这种数据挖掘的算法以及分析的策略，可能是需要去发展的。那我想可能下一步在这些方面，应该会有一个很长足的进步和发展。

(滑动查看专家解读语录)

吕老师提的这个问题是很中肯，也是很实际的一个问题，实际上我们国自然基金刚结束，我还看到很多青年和资深的科学家，都会用到这种前沿的技术，包括单细胞测序、空间转录组等各种组学用于肿瘤方面的异质性研究以及药物靶点机制研究。

但是我想说的一点就是我们获得资助的人实际上并没有用到很先进技术，而且有些人用到比较前沿的技术，也不一定会受到资助。这个关键点在什么地方？实际上刚才在回答第一个问题的时候也提到了，我们的技术永远是为了回答科学问题服务的，如果我们的科学问题提出来是非常的需要创新性、吸引性。但是我们用到这个技术不能回答的话，实际上技术没有多大的先进性。所以从这个意义上来讲，我们在设计科研课题的时候，用到一些先进的技术，这样体现出你的这个技术、方法的创新性和时效性，但是一定是为了回答领域里面存在关键的科学问题，如果是仅仅为了技术用于对策，那么它就体现不出这个意义了，也体现不出我们申请基金的价值。

(滑动查看专家解读语录)

对，这个确实是这样的，第一还是跟这个领域有关系，现在确实出现很多的新技术，这些新技术要不要用？那我的观点肯定是要用，但是不能滥用。所以说，现在导致在申请基金项目时候，就像刚才主持人讲的，很多评审的专家，包括基金委的专家，对这些滥用新技术很反感。有些课题确实用不到这些东西，但是为了追求高大上，追求技术层面的创新，而在用。所以，刚才主持人提了很好的问题，就是我们妇产科领域包括产科、妇科，那么目前做单细胞转录组非常多，但在空间组学的方面还是比较少，主要还是对空间组学技术还不是特别了解，其实有两个很好的例子也算抛砖引玉，如果在做的有这个领域的，不管是同行、还是同学，可以考虑这两个点。

1.产科其实研究比较热的是母胎界面；在肿瘤方面有免疫逃疫，那在产科领域有免疫耐受。就是为什么生孩子，妈妈的个体不排斥，有些受精卵，种植到待孕的个体里边，反倒它的种植率更高，生存更好，这是什么原因？那其实就是一个母胎免疫界面，妈妈和胎儿的对话，所以我觉得这个用空间组学来研究这个问题非常好，因为它有一个空间的胎盘的细胞跟妈妈腹膜细胞的接触作用，包括周边的免疫微环境变化，这是一个点。

2.还有一个是产科的例子，其实妇科现在还面临比较多的问题是肿瘤：宫颈癌、内膜癌、卵巢癌，这是妇科领域三大肿瘤，那么宫颈癌可能大家了解的比较多，特别是 hpv 疫苗最近比较热，好多人打电话问了打四价还是打九价的疫苗？因为宫颈癌它的发病因就是 hpv 感染，那么 hpv 感染它有个特征，它感染的这个区域呢？在宫颈的临柱交界，那么临柱交界最近有个新的概念，就是说在女孩子一出生的时候，其实宫颈就有一个临柱交界的一个区域，那么随着生长慢慢往宫颈外口移动，变成一个新的宫颈交界区域，那么在宫颈交界的老区域和新区域，中间有一个区域，这个区域现在认为是 hpv比较容易感染的区域。那么如果想研究的话，你没有空间组学，根本就动不下手。即使把整个宫颈单细胞做分析，那根本就没有办法定位，到底这些细胞归在哪个位置？很难真正找到细胞和易感病毒的基因是哪些？我觉得这是一个很好的例子，就是产科和妇科，我就简单举这两个例子，希望对我们听众和观众有所帮助。

(滑动查看专家解读语录)

单细胞基因表达技术的确在肿瘤或者其他一些外周组织等比较容易获得的组织里，大家都看到发了很多文章，好像是感觉达到了顶峰，但是我自己从神经科学家的角度来说？单细胞测序技术在我们神经科学其实还是属于刚刚起步的阶段吧！还有很多的发展空间。举个例子，神经科学的学者研究一个问题包括我自己最近也在思考研究问题，我们人为什么是人？好像听起来是一个哲学问题，人跟动物相比，可能差别最大的就是大脑，我刚说过人的神经元的数量是八百六十亿元，但是研究小鼠的神经元的数量有多少？只有八千万个，相差了一千倍，也就是说用单细胞测序数据去测人或者测猴子的话，它得到的结果会跟我们平常用的大鼠、小鼠会相差很大。

但是为什么就是没有像其他肿瘤研究这么方便？关键就是人的大脑组织是很难获得，尤其是我们中国一般死者要入土为安，不像国外，有可能说去世以后愿意把大脑组织捐献出来，所以在传统观念上的问题我们的样本很难获得；

另外一个问题就是说大脑组织很难消化，因为神经细胞它凸起很长，比如坐骨神经的凸起可以达到一米，超过一米神经细胞消化就很难，不消化就不容易获得，这是另外一个问题。通过这些来看单细胞测序技术在神经科学中的应用远远没有达到高峰。