2025-09-06
引言：當基因表達遇上空間位置
在單細胞RNA測序中，我們能夠解析單個細胞的基因表達譜，但卻丟失了一個關鍵信息——細胞在組織中的空間位置。而空間轉錄組技術（Spatial Transcriptomics, ST）的出現，讓科學家們第一次能夠同時獲取基因表達數據和細胞的空間坐標，從而揭示組織微環境中的分子互作機制。
然而，海量的空間轉錄組數據如何解讀？如何從看似雜亂的點云數據中挖掘出有意義的生物學發現？今天，我們就來揭開空間轉錄組數據的解讀密碼，帶你從空間轉錄組數據走向科學突破！
從空轉數據到可視化——如何看懂空間轉錄組？
1、數據質控與歸一化
對于空間轉錄組而言，因為每個spot內含有多個細胞類型，因而數據分析更加關注組織在空間上不同的差異表達。通常對于空間轉錄組而言需要對所有組織覆蓋的spot進行下游數據分析，不同的細胞中檢測到的RNA序列數目差異巨大，即便是相同類型的細胞也是如此。因此，需要高效得預處理和歸一化手段來消除這些技術差異。使用R語言seurat 包中的 SCTransform() 函數進行單細胞空轉測序數據的質量控制與歸一化處理。它相比于NormalizeData() 函數，可以更有效地消除技術影響，并保留更精細的生物學差異。
圖1 空間spot的UMI空間分布結果圖
2、空間基因表達可視化
空間轉錄組最直觀的展現方式，就是將基因表達映射回組織切片。例如： Spatial Feature Plot：顯示特定基因在組織中的分布。
圖2 基因的Spatial Feature Plot
3、聚類空間映射（Spatial Cluster Plot）
將聚類結果投射到空間位置，觀察不同細胞群的空間分布模式。
圖3 亞群的聚類空間映射圖
高級分析——從數據到生物學發現
1、空間細胞密度分布（Spatial DEGs）
比較不同空間區域的細胞密度分析，例如：
腫瘤核心 vs. 腫瘤邊緣：哪些細胞在侵襲前沿特異性富集？ 炎癥區 vs. 正常區：哪些免疫細胞在病灶處富集？
圖4 空間密度分布圖（doi.org/10.1101/2021.10.21.465135）
2、細胞互作與微環境解析
利用配體-受體分析（CellPhoneDB、Cellchat），推斷不同細胞群之間的空間通訊。例如：
腫瘤-免疫互作：癌細胞如何通過PD-L1抑制T細胞？
神經元-膠質細胞互作：阿爾茨海默病中，小膠質細胞如何影響神經元退化？
圖5 細胞通訊分析結果圖（oi: 10.1038/s41467-023-43120-6）
3、空間軌跡分析（Spatial Trajectory）
結合擬時序分析（如Monocle），研究細胞狀態在空間上的動態變化，例如：
干細胞演化：干細胞如何切片區域梯度分化？
腫瘤進化：克隆亞群如何在空間上擴張？
圖6 上圖：stLearn: 空間軌跡，箭頭指向為細胞群分化方向。下圖：stLearn: 分化相關基因，紅色代表上調，藍色代表下調。橫坐標代表相關性值（10.1016/j.cmet.2022.11.009）。
4、多組學整合（Multi-omics Integration）
將空間轉錄組與其他數據（如單細胞測序）結合，例如：
單細胞 + 空間轉錄組：推斷spot內的細胞組成（如SPOTlight）
圖7 通過spotlight將單細胞數據反卷積空間轉錄組（doi: 10.1093/nar/gkab043）
案例分享——空間轉錄組的突破性發現
案例1：癌癥異質性與免疫逃逸
2024年8月，斯坦福大學Livnat Jerby研究團隊聯合Brooke E. Howitt?研究團隊在nature immunology發表題為“Mapping spatial organization and genetic cell-state regulators to target immune evasion in ovarian cancer”的研究論文，聯合單細胞空間轉錄組學，數據驅動的實驗設計和高內涵CRISPR篩選，系統性地揭示了HGSC腫瘤免疫的分子和細胞調控因子，以及影響該過程的遺傳和藥物干預因素。為功能性繪制和探索復雜生物組織中多細胞互作的分子圖譜提供了藍圖，揭示了HGSC中免疫逃逸的空間、分子與遺傳特征，為激活靶向免疫應答開辟了新途徑。
圖8 HGSC的單細胞空間轉錄組圖譜
案例2：大腦發育的空間圖譜
2023年12月，中國科學院動物研究所焦建偉研究組、廣州國家實驗室董驥研究組、北京大學杜鵬研究組和北京大學靳蕾研究組合作在CELL雜志在線發表了題為“Spatiotemporal transcriptome atlas reveals the regional specification of the developing human brain”的文章。該研究將單細胞測序（scRNA-seq）和空間轉錄組技術（scStereo-seq）相結合，首次解析了迄今為止跨時間點最廣（GW6-GW23）、面積最大(最大4cm x 3cm)的人腦多區域時空發育轉錄組圖譜。鑒定并呈現了發育早期具有特定空間分布特點的異質性放射狀膠質細胞亞型，揭示了這些異質性放射狀膠質細胞有助于隨后不同腦區神經元的特化，同時發現膠質細胞和神經元互作也會促進神經元的區域特化。
圖9 腦時空發育圖譜分析實驗流程圖
結語：你的研究是否需要空間維度？
如果你的科學問題涉及：
? 組織結構的異質性（如腫瘤微環境）
? 細胞的空間互作（如免疫細胞-癌細胞交流）
? 發育或疾病的動態過程（如胚胎發育、器官再生）
那么，空間轉錄組可能就是你的下一個突破口！
