空间组学深度报告：从基础到前沿应用

2023-11-25 20:07:03, 景辉 SCIEX

前言

空间组学，作为生命科学领域的一颗冉冉升起的新星，正逐渐改变我们对生命复杂性的认识。它不仅仅是一项技术或一组方法，而是一个全新的视角，一个能够在空间维度上理解生物过程的突破口。与传统的组学研究不同，空间组学不仅关注生物体内的分子组成（如基因、蛋白质和代谢物），更重要的是它揭示了这些分子在细胞甚至组织级别上的空间分布与动态变化。在此视角下，生物学研究得以更为精确地解读细胞间的交流、组织的结构与功能，以及疾病的发生机制。

生物学研究往往依赖于将细胞和组织研磨成均一的样本进行分析。虽然这种方法能提供丰富的分子信息，但它无法告诉我们这些分子在生物体内的具体位置。而空间信息对于理解生物过程至关重要。举例而言，癌症的发展不仅涉及到突变的累积，还与肿瘤微环境中各种细胞类型的相互作用有关。因此，单一的分子水平数据远远不足以揭示癌症或其他复杂疾病的全貌，而空间组学的出现为解决这一难题提供了可能。

空间组学的历史发展

（图片来源：可画）

空间组学并非一夜之间出现的概念，而是基于数十年科技进步的积累。最初，科学家们依赖于光学显微镜来观察细胞和组织的结构。虽然这些初期方法能够提供有关细胞形态和组织结构的基本信息，但对于理解更为复杂的生物过程显然不够。

随着分子生物学的发展，科学家开始寻求方法在细胞和组织中定位特定的分子。早期的尝试包括免疫组织化学和原位杂交技术。免疫组织化学利用抗体特异性结合到特定的蛋白质，结合荧光或酶标记，使研究者能够在组织切片中直观地观察到蛋白质的分布。原位杂交技术则是通过设计互补的核酸探针来检测特定的RNA分子。这些方法虽然有效，但它们的分辨率有限，且难以同时检测多种分子。

20世纪90年代，随着荧光原位杂交（FISH）技术的出现，科学家得以在单细胞水平上检测特定的RNA分子。FISH技术通过将荧光标记的探针与目标RNA序列结合，使得研究者能够在细胞内直观地看到基因表达的空间分布。此外，共聚焦显微镜的发明和应用，使得科学家能够在三维空间中更加精确地观察细胞和组织。

进入21世纪，随着高通量测序技术的出现和成熟，研究者开始寻求将这种技术应用于空间分辨率的生物学问题。最初，这些尝试主要集中在增强现有技术的分辨率和通量上。例如，通过改进FISH技术，研究者可以同时检测多个RNA分子，实现对单细胞水平上多基因表达的空间分布的研究。然而，真正推动空间组学快速发展的是一系列高通量空间多组学分析技术的出现。这些技术能够将传统的组学方法与空间分辨率相结合，从而提供前所未有的生物分子空间图谱。例如，空间转录组学技术，它通过将高通量测序技术与细胞或组织的空间信息相结合，使得科学家可以在单细胞水平上，同时分析成千上万个基因的表达并确定其空间位置。

随着这些技术的发展，空间组学开始迅速从单一的技术方法转变为多学科交叉的研究领域。它结合了分子生物学、细胞生物学、组织学、数据科学和计算生物学等领域的知识，使得研究者能够从更全面、更深入的角度理解生命现象。

当前主要技术及原理

2.1 空间转录组学

（图片来源：可画）

空间转录组学的核心目标是将基因表达数据与其在组织中的空间位置联系起来。空间转录组学在生物医学领域有着广泛的应用。在肿瘤学研究中，这一技术帮助科学家理解肿瘤内部的异质性和肿瘤微环境的复杂性。在发育生物学中，研究者利用空间转录组学来揭示在不同组织和发育阶段中基因表达的变化。此外，这项技术还在神经科学、免疫学等领域展现出巨大潜力。这一领域的技术方法可以大致分为两类：

1. 基于原位杂交的技术：

如FISH（荧光原位杂交）及其衍生技术如MERFISH、seqFISH。这些技术通过设计特定RNA序列的荧光探针，实现对特定基因的原位检测。MERFISH等方法通过复杂的编码策略，实现了对成百上千个基因同时检测的能力。

这些方法的优点是具有较高的空间分辨率，能够在细胞乃至亚细胞水平上定位基因表达。但其局限在于同时能够检测的基因数量有限，且技术操作相对复杂。

2. 基于测序的技术：

这些技术通常将组织切片置于载有成千上万唯一DNA条码的芯片上，或是通过带有条码的混合基因杂交探针进行基因杂交捕获。这些条码能够标记不同的RNA分子，之后通过纯化回收这些杂交探针，利用高通量测序来读出不同区域的基因表达信息和空间条码信息，即可分析出空间的基因表达信息。

这类技术能够提供全基因组范围内的表达信息，但其空间分辨率通常低于基于原位杂交的方法。

空间转录组学仍面临诸如分辨率、成本、数据处理复杂性等挑战。未来的发展方向可能包括提高分辨率、降低成本、开发更为高效的数据分析工具，并将空间转录组学与其他组学技术结合，从而展示综合且完整的调节网络。

2.2 空间蛋白质组学

（图片来源：可画）

空间蛋白质组学的目标是在维持组织空间结构的同时，分析蛋白质的表达和修饰。空间蛋白质组学在理解蛋白质在不同生物学过程中的空间变化方面具有重要意义。在肿瘤生物学中，通过分析肿瘤和正常组织中的蛋白质分布，可以揭示肿瘤的分子特征和微环境的复杂性。在神经科学中，该技术有助于理解大脑中的蛋白质分布和功能区域。该领域的主要技术包括：

1. 质谱成像（如MALDI-IMS）：

通过将激光脉冲聚焦于组织切片上特定的位置，释放并分析该区域的分子。MALDI-IMS等技术能够提供组织中蛋白质、脂质等分子的空间分布图。

这种技术的优点在于能够无靶向地检测成千上万种分子，但分辨率和敏感度有待提高。

2. 多重荧光原位杂交：

通过特定的抗体靶向特定蛋白或蛋白修饰，从而进行成像检测。例如，通过荧光标记的抗体检测特定蛋白的表达和定位。

这类技术能够提供较高的空间分辨率，但蛋白质的检测种类往往有限。

空间蛋白质组学面临的挑战包括检测敏感度、分辨率、数据分析的复杂性等。未来的发展可能集中在提高检测灵敏度、扩大可检测蛋白质的范围、以及开发更为强大的数据分析方法。此外，结合空间转录组学和空间代谢组学的数据，可以有效反映转录组的翻译过程以及承接下游代谢过程的调控，以此解析蛋白产物的表达与功能。

2.3 空间代谢组学

（图片来源：可画）

空间代谢组学旨在揭示组织内代谢物的空间分布和动态变化。空间代谢组学在解析代谢过程的空间异质性方面扮演着关键角色。在癌症研究中，这种技术可以揭示肿瘤和正常组织之间的代谢差异，有助于理解肿瘤的代谢重编程。在神经科学中，空间代谢组学有助于揭示大脑功能区域中的代谢活动差异。此外，它也在药物代谢、炎症反应等研究领域发挥着重要作用。它的主要技术方法包括：

1. 质谱成像（如MALDI-IMS）：

与在空间蛋白质组学中的应用类似，质谱成像可以用于检测组织切片中代谢物的分布。通过分析不同质荷比的分子，可以生成代谢物的空间分布图。

该技术的优势在于其无靶向性，可以探测广泛的代谢物。然而，它也面临着灵敏度和分辨率的挑战。

2. 光谱成像技术：

如拉曼光谱和红外光谱等，这些技术通过分析样本对特定波长光的吸收或散射可以推断出组织中特定化学成分的分布。

光谱成像技术通常具有较高的空间分辨率，但可能受限于特定代谢物的探测灵敏度。

空间代谢组学面临的挑战包括样品制备的复杂性、代谢物探测的灵敏度和特异性等。未来的发展方向可能包括提高质谱成像的分辨率和敏感度，开发更为精准的光谱成像技术，以及增强数据处理和分析的能力。同时，将代谢组学与转录组学、蛋白质组学等数据结合，对于代谢调节机制的研究提供更广阔的方向。

2.4 综合应用

综合应用空间转录组学、空间蛋白质组学和空间代谢组学可以构建一个多维度的生物信息图谱，提供从基因表达到功能性蛋白质，再到细胞代谢层面的全面视角。这种综合性的分析不仅能够反映不同生物学层面之间的相互影响，还能提供更为深入的生物学过程和对疾病机制的理解。

不同组学维度之间的相互影响可以概括为如下途径：

1. 基因表达与蛋白质功能：特定基因的转录活动导致相应蛋白质的合成。例如，肿瘤细胞中可能上调促进生长的基因，从而产生更多的生长因子或信号蛋白。

2. 蛋白质功能与代谢活动：蛋白质如信号分子或酶，直接参与调控细胞代谢。例如，信号传导通路中的激酶可以激活或抑制特定的代谢途径，如通过PI3K/Akt通路激活糖酵解。

3. 代谢活动与生物学过程：细胞的代谢状态直接影响其生物学行为。例如，能量代谢的增强可能促进细胞的增殖和生长，而代谢物的累积或缺乏可能导致细胞凋亡或退行性变化。

通过这样的方式，可以更清楚地看到空间组学如何在不同层面上展现生物学过程的复杂性和动态性，以及这些层面之间是如何相互影响和相互作用的。

应用案例分析

3.1 疾病诊断

（图片来源：可画）

空间组学技术在疾病诊断方面表现出巨大的潜力，这一技术的应用不仅限于癌症，还涉及了神经退行性疾病、心血管疾病、感染性疾病等多个领域。

在癌症诊断领域，空间组学可以揭示肿瘤组织内细胞的异质性，提供关于肿瘤微环境的详尽信息，这对于癌症的早期诊断和分期至关重要。例如，通过空间转录组学，可以识别出肿瘤内的不同细胞群体，包括癌细胞、免疫细胞和间充质细胞，从而为患者提供个性化的治疗方案。此外，空间蛋白质组学和代谢组学也可以用于识别特定的生物标志物，这些标志物可能是癌症的早期指标或者是预后因素。

在神经退行性疾病方面，如阿尔茨海默症、帕金森症等，空间组学技术可以帮助科学家更好地了解这些疾病的发病机理。通过对大脑组织中不同区域的分子特征进行分析，研究人员可以探索与这些疾病相关的基因表达模式和代谢途径的变化，从而有望发现新的治疗靶点。

3.2 药物开发

（图片来源：可画）

在药物开发领域，空间组学的应用同样多样而深远。这项技术不仅可以用于药物的作用机制研究，还可以用于药物毒性和副作用的评估。

例如在抗肿瘤药物开发中，空间组学可以帮助研究人员更深入地理解药物是如何影响肿瘤细胞和肿瘤微环境的。通过对药物处理后的肿瘤组织进行空间转录组学分析，可以评估药物对肿瘤细胞和周围免疫细胞的影响，这对于评估药物的疗效和免疫反应至关重要。此外，空间代谢组学也可以用于探索药物如何影响肿瘤细胞的代谢状态，从而揭示潜在的抗药性机制。

在心血管疾病方面，空间组学可以帮助科学家更好地了解药物如何影响心脏组织的分子状态。通过对心脏组织的不同区域进行详细分析，研究人员可以发现药物如何影响心肌细胞的基因表达和代谢过程，这对于开发新的心血管药物具有重要意义。

空间组学作为一门新兴的交叉学科，在生物医学研究和临床应用中展现出广泛的应用前景。整合运用空间组学技术将为精准医疗提供更多的启发，并有助于从生物过程与疾病机理的探索过程中挖掘有用的靶标信息，赋能新药开发与精准诊断技术。

技术挑战与解决方案

尽管空间组学为研究者带来了新的研究视角，然而在空间组学的发展路径上，研究者们面临着一系列复杂的技术挑战，这些挑战不仅影响了实验的准确性，也对数据分析和应用产生了深远的影响。

4.1 技术挑战的深入分析

1. 数据处理与分析的挑战

在空间组学中，数据处理与分析是一项极具挑战性的任务。首先，空间组学数据的量级和复杂度都非常高，这不仅包括基因、蛋白质和代谢物的信息，还包括它们在组织或细胞中的空间定位信息。这些数据通常呈现高维性，且数据之间存在着复杂的相互关联。因此，传统的生物信息学方法在处理这类数据时往往力不从心。尤其对于空间转录组而言，数据的分析过程往往需要一系列解码的步骤，而这些过程难以实现标准化；同时，即使通过空间条形码的方式简化或者绕过图像分析的过程，但是条形码所映射的位置并不一定是对应单一细胞。因此，空间组学研究需要结合多种实验技术结果进行相互验证。

此外，空间组学数据的异质性也是一个不容忽视的问题。不同实验技术产生的数据可能具有不同的分辨率和质量，如何在保持数据完整性的同时，有效整合这些数据，是一个亟待解决的问题。

2. 样本制备的挑战

样本制备过程是空间组学实验中的关键步骤，任何细微的差错都可能导致实验结果的偏差。例如，组织切片的厚度、染色过程、甚至是组织样本的储存条件，都会影响最终的实验结果。例如，通过杂交成像的方式进行空间转录组的研究，产生的荧光信号可能会不足，这个时候需要调整切片厚度在10-20μm；而基于测序的方式进行检测，则可以对厚度更高的切片进行分析。此外，不同类型的样本（如肿瘤组织、血液或植物组织）需要不同的处理方法，这增加了实验的复杂性。

3. 整合不同类型的空间数据的挑战

空间组学涵盖了空间转录组学、蛋白质组学和代谢组学等多个领域，每个领域都有其独特的实验方法和数据类型。如何在保留每种数据独特性的同时，实现数据之间的有效整合，是一个技术上的难题。这不仅涉及到数据处理方法的选择，也涉及到跨学科知识的融合。

4.2 解决方案的探索

面对上述挑战，科学界已经开始探索并实施一系列解决方案。

1. 通过大数据、云计算和AI人工智能辅助数据处理与分析

针对数据处理与分析的挑战，软件和算法的开发成为了重要的解决方向。研究人员正在开发更加强大和易用的软件工具，这些工具不仅能处理大量的数据，还能兼顾数据的高维性和复杂性。此外，云计算和大数据技术的引入为处理空间组学数据提供了强大的后盾。通过将数据存储和计算过程迁移到云平台，研究人员能够获得更加灵活和强大的计算资源。通过人工智能技术的开发，训练图像分析的AI解决方案可以有效的提高图像分析的效率和精准性，这对于前期的样本制备和后续的实验数据分析是有力的辅助。

2. 自动化技术提供标准化样本制备

为了应对样本制备中的挑战，标准化流程的建立显得尤为关键。通过制定一系列标准化的操作流程，可以大大降低由于操作不当引起的实验误差。此外，自动化设备在样本制备中的应用也是一个有效的解决方案。自动化设备不仅可以提高制备过程的效率，还能减少人为操作导致的误差。

3. 整合不同类型的空间实验数据的解决方案

为了解决不同类型空间数据整合的问题，开发专门的数据整合平台成为了关键。这些平台能够提供一系列工具和算法，帮助研究人员有效地融合来自不同实验的数据。同时，统计和计算方法的创新也是解决这一问题的关键。先进的统计方法能够帮助研究人员处理不同数据间的差异，实现更加准确和有意义的数据整合。

鼓励多学科合作也是解决这一挑战的有效途径，不同领域的专家能够从各自的专长出发，共同探索更加高效和准确的数据整合方法。

未来展望

随着技术的不断发展和应用的不断拓宽，空间组学的前景日益光明。未来的空间组学将在多个层面上展现其潜力，对医学、生物学乃至整个科学界产生深远的影响。

在技术层面，针对当前空间组学的困难与挑战，我们预测未来的设备技术将迎来几个关键的发展趋势：

1. 分辨率的提高：随着技术的进步，例如通过杂交信号放大以及成像技术的分辨率提高，空间组学的分辨率将进一步提升。当前市面上的技术已经可以达到单细胞甚至亚细胞级别，为我们提供更加精确的空间信息。

2. 多模态分析：未来的空间组学将越来越多地融合多种组学数据，如结合基因组学、转录组学和蛋白质组学等多种数据，提供更加全面的生物信息。

3. 自动化和高通量：自动化技术和高通量制样和分析将成为空间组学的标准配置，大大提高实验效率和数据产出。

4. 数据处理和分析的优化：随着算法和计算能力的提升，数据处理和分析将变得更加高效和准确，能够处理更加复杂的数据集。

另外，空间组学的应用领域将不断扩大，包括目前受关注的精准医疗和药物开发领域，空间组学能够提供疾病组织的详细分子图谱，为精准诊断和个性化治疗提供支持；通过分析药物在组织中的空间分布和作用，空间组学有助于药物的筛选和优化。除此以外，在疾病机理研究以及环境农业科学方面，空间组学也能提供支持。空间组学能够揭示疾病发生和发展的分子机制，促进对复杂疾病的理解；在环境和农业科学领域，空间组学可以用来研究环境因素对生物体的影响，以及作物病害的机制等。

空间组学作为一门新兴的交叉科学，其未来的发展充满无限可能，将为科学研究和医疗实践带来革命性的改变。通过持续的技术创新和跨学科合作，我们有理由相信空间组学将在未来展现出更加辉煌的成就。

丹纳赫生命科学提供空间组学研究的丰富解决方案

当我们谈到现在的空间组学研究，首先会想到的是利用原位基因或质谱成像或者测序的高度整合方式。而更早的基于精准样品区域捕获分析的技术，则是源于1976年出现的激光捕获显微切割技术（LCM，Laser capture microdissection），直到现在，这个技术依然在空间组研究分析领域发挥作用。尽管在分析通量上LCM技术很难达到新生的空间分析技术的大数据级别，但是通过显微成像进行特异性的区域分析和精准的FFPE样本的区域收集，可以降低后续空间数据还原的复杂度，并且收集的样本后续可以进行二代测序或者质谱分析，因此也具有更好的灵活性。

丹纳赫生命科学旗下徕卡显微系统的激光显微切割系统LMD6/7，针对FFPE样本的富集和捕获单细胞测序建库拥有显著的优势。在这个基础上，搭配使用徕卡的Thunder 高分辨快速组织成像系统和Aivia AI图像分析软件可以实现自动化目标区域识别，提高组织回收效率。

Leica LMD 6/7 激光显微切割系统

丹纳赫生命科学旗下贝克曼库尔特生命科学提供FormaPure XL FFPE样本核酸提取试剂盒，很大程度上保证了从FFPE样本中获得产物的完整性、产量和纯度。搭配同品牌的Biomek i7自动化工作站，获得FFPE样本核酸提取后，目标区域捕获测序文库制备可由Biomek液体处理工作站自动化完成，减少手工操作时间，大大提高工作效率及结果的重复性和均一性。Biomek i7搭配AMPure XP产物纯化试剂、SPRIselect片段筛选试剂进行高通量的NGS反应体系纯化，可实现从核酸提取到捕获后PCR产物纯化的整个流程。

贝克曼库尔特生命科学的Biomek i7 自动化工作站

丹纳赫生命科学旗下IDT可提供xGen cfDNA & FFPE DNA文库制备v2 MC试剂盒和xGen broad range RNA 建库试剂盒，这两款试剂盒进一步优化了对降解样本和低频变异检测的流程，尤其适合基于FFPE样本的基因组/转录组表达谱分析。

另外，还可以使用IDT的 xGen Exom hyb panel 全外显子建库试剂盒全面捕获FFPE样本的外显子DNA文库片段。也可以根据客户检测需求，定制xGen杂交捕获探针，通过IDT独有的“目标感知”(capture-aware) 算法进行设计，特异地捕获用户感兴趣的目标基因与位点，实现更高性价比的NGS检测。

IDT xGen系列NGS建库试剂盒

正如前文所述，当前的空间组学分析技术局限于检测的分辨率或数据分析难度，仅通过一种技术进行检测的结果，其准确性有待质疑。对于空间转录组和蛋白组的结果，利用多色免疫组化（mIHC）进行结果验证是常见的方法。多色荧光免疫组化集合了免疫荧光、免疫组化和原位杂交的特点，以酪胺信号放大（TSA）为技术基础，在同一张切片上显色多个标靶，通过不同颜色来共定位蛋白质的表达。这种方法不受抗体种属的限制，具有空间定位以及定性定量分析的双重优势。尤其是在组织样本稀缺时，对每个样本收集尽可能多的数据是非常必要的。

徕卡显微系统提供Cell DIVE超多标组织成像分析系统，快速多标的荧光免疫组化助力FFPE样本蛋白组学的验证工作，精确、快速且灵敏度高，循环染色成像可实现一张切片超过60种蛋白的成像和分析。