空间转录组技术原理：Visium 芯片结构、探针捕获机制、测序流程与数据生成
各位好，我是老周。今天咱们聊聊 Visium 的核心技术原理。很多人觉得空间转录组就是个黑盒子，组织放上去，数据就出来了。其实不是，背后的原理很简单，但每个细节都决定成败。我个人习惯在讲流程前，先把物理原理搞清楚——你只有知道芯片长什么样、探针怎么抓 mRNA，才能理解为什么某个数据长得奇怪。
Visium 芯片到底长什么样？
先看芯片结构。Visium 芯片不是普通的玻璃片，它是一个经过精密设计的捕获平台。说白了，它是一块 6.5mm × 6.5mm 的方形区域，上面有 4 个捕获区域（capture area）。每个捕获区域约 5mm × 5mm，中心放组织切片。
每个捕获区域内部，密密麻麻排布着 5000 个点样（spots）。每个点样直径 55 微米，中心间距 100 微米。你想想看，这相当于在玻片上做了 5000 个微型实验。每个点样都有一个唯一的空间条形码（spatial barcode），用来标记它在芯片上的位置。
关键数字： 1 个芯片 ≈ 4 个捕获区域 × 5000 spots = 20000 个空间捕获位点。每个 spot 理论上能抓上万条 mRNA 分子。
我记得第一次拿到 Visium 芯片数据时，看到 spot 之间的距离，第一反应是：这分辨率够吗？后来发现，55 微米直径的 spot，能覆盖大约 3-5 个细胞（取决于组织类型）。当然，纯上皮组织可能抓到 10 个以上。嗯，这里要注意分辨率限制——它是多细胞水平，不是单细胞分辨率。
| 参数 | 数值 | 说明 |
|---|---|---|
| 捕获区域尺寸 | 5mm × 5mm | 单次实验组织覆盖范围 |
| spots 数量/区域 | ~5000 | 空间捕获位点总数 |
| spot 直径 | 55 μm | 单个捕获点圆面积 |
| spot 间距 | 100 μm | 中心到中心的距离 |
| 每芯片区域数 | 4 | 可同时处理 4 张切片 |
探针捕获机制——空间条形码怎么工作的？
每个 spot 表面，附着着数百万条捕获探针。探针的结构非常精妙，一共分三段：
- 空间条形码 (Spatial Barcode)： 长度为 16bp。同一个 spot 的所有探针，都共享同一个条形码序列。不同 spot 的条形码互不相同。这就是“空间身份 ID”。
- 唯一分子标识符 (UMI)： 长度为 10-12bp。每个探针都有不同的 UMI 序列。UMI 用来去除 PCR 重复，做精确定量。
- poly-T 序列： 长度 30bp 的 T 重复序列。它的作用——捕获 mRNA 的 poly-A 尾巴。
为什么会设计成三段？我个人理解，这解决了两个核心问题：一来区分空间位置，二来区分分子来源。空间条形码告诉你是哪个 spot，UMI 告诉你是哪个原始分子。
技术要点： poly-T 捕获偏倚是天然存在的。如果你的基因表达量高、poly-A 尾巴长，更容易被捕获。反之，低表达基因或 poly-A 短的基因，捕获效率会下降。这是建库中的固有误差。
捕获机制其实很简单：组织切片贴在芯片上，组织中的 mRNA 被释放，通过 poly-A 尾巴与探针上的 poly-T 杂交。然后逆转录，形成 cDNA。空间条形码和 UMI 一并被转录到 cDNA 上。这样，每一条 cDNA 都带上了它的空间身份和分子身份。
避坑指南： 我曾经遇到过一个问题：组织切片贴片时，如果组织与芯片之间出现气泡或贴片不平整，会导致局部区域没有数据。那不是技术问题，是操作问题。贴片前，仔细检查芯片表面的液滴，排除气泡。
测序流程：从组织切片到 fastq 文件
测序流程，说白了就是把空间位置信息加进来，然后和常规转录组测序混在一起。
- 组织处理与切片： 冷冻或 FFPE 组织，切成 10 μm 厚切片，精确贴到 Visium 芯片上。
- 固定与染色： 组织切片被固定，进行组织学染色（H&E 或免疫荧光）。这一步在普通光镜下观察组织形态。
- 透化： 加入透化试剂，让组织释放 mRNA。透化时间需要预先优化——透化太短，mRNA 出不来；透化太长，mRNA 扩散到相邻 spot。
- 逆转录与 cDNA 合成： 释放的 mRNA 与 spot 上的 poly-T 探针杂交，原位逆转录。空间条形码和 UMI 被复制到 cDNA 上。
- 文库构建： 切下 cDNA，加上测序接头和样本索引。这一步与普通 RNA-seq 文库类似。
- 测序： 使用 Illumina 平台进行双端测序。读长配置通常为：Read 1 28bp（读取空间条形码 + UMI），Read 2 90bp（读取 cDNA 序列）。
为什么会设计两种不同的读数呢？Read 1 读的是身份信息——这个片段来自哪个 spot、是哪个分子。Read 2 读的是内容信息——这个片段到底是对应哪个基因。两者配对后，才能知道某个基因在某个空间位置上有多少表达量。
我记得有一批数据，Read 1 的质量值总是不达标。排查后发现是测序引物配错了。嗯，小失误，但整个批次 rerun 了。所以，空间转录组的文库构建环节，参数检查一定要做两遍。
数据生成：从 fastq 到表达矩阵
测序完成后，你会拿到一对 fastq 文件（双端）。第一条约 28bp，包含空间条形码和 UMI；第二条约 90bp，包含 cDNA 序列。
数据处理的流程大致如下：
1. 读取 fastq 文件
2. 解析 Read 1 的 16bp 空间条形码
3. 解析 Read 1 的 12bp UMI
4. 将 Read 2 比对到参考基因组
5. 生成基因表达矩阵 (gene × spot)
6. 将空间条形码与芯片坐标对应
7. 输出空间表达数据 (包括组织学图像坐标)空间条形码的解析会查表（barcode whitelist）——只有出现在芯片上的条形码才有效。我在项目中遇到过，如果条形码匹配率低于 60%，通常是文库污染或测序错误。这时候需要回溯质检步骤。
最终生成的数据结构包含三个核心文件：
- expression matrix (h5 或 mtx)： 基因 × spot 的表达计数
- spot 坐标文件： 每个 spot 在捕获区域中的 X/Y 坐标
- 组织学图像： H&E 或免疫荧光图，用于与空间坐标对齐
数据量参考： 一个捕获区域的测序深度通常为 100-200M 条 reads。经过 UMI 去重后，每个 spot 平均能检测到 1000-2000 个基因，总 UMI 计数中位数约为 2000-5000。
你可以把这些数据想象成一张地图：X/Y 轴是空间坐标，每个 spot 是一个有名字的小区（基因表达谱）。下一步的聚类分析，就是在这些小区之间寻找相似的邻居。
讲到这里,你应该对 Visium 的工作流程有了全貌。芯片上有空间条形码，探针通过 poly-T 抓取 mRNA，逆转录后建库测序，最终解析出每个 spot 的基因表达谱。我个人的经验是，理解了这个流程，后续的分析就不会凭空想象，每一步都有明确的物理意义。