第二节 SPOTlight 简介：开发背景、主要特点、应用场景

在我刚接触空间转录组那会儿，手头数据量不多，但问题却很棘手——每个捕获点的基因表达谱看起来都像是一锅乱炖，各种细胞的信号搅和在一起。你没法直接说清楚这个spot里到底是肿瘤细胞多，还是免疫细胞多。当时市面上能用的工具不多，要么是纯统计模型，要么是针对某种特定组织设计的，用起来总觉得隔着一层。

直到 2021 年，SPOTlight 论文发出来。我第一反应是：这名字起得明白。它就是要在空间转录组的「光斑」（spot）上打一束聚光灯，把混合的信号拆解清楚。说白了，这是一个专门为空间转录组设计的细胞类型解卷积工具。

1. 开发背景——这工具是被逼出来的

空间转录组技术，比如 10x Visium，能把你组织的每个位置都标上一个基因表达谱。但问题是，一个 spot 的直径大概 55 微米，通常能捕获 1 到 10 个细胞。你测到的是一个混合信号，不是单个细胞的。

我当时在处理一个肿瘤样本的数据，看到热图上某个区域炎症因子表达很高，但死活分不清是巨噬细胞发出的，还是肿瘤细胞自己分泌的。如果搞不清楚这个，下游的细胞通讯分析基本就是在猜。

传统单细胞解卷积方法有几个硬伤：

• 分辨率不匹配：很多方法是为 bulk 转录组设计的，分辨率太粗，放到空间数据上根本跑不动。
• 没有利用空间信息：空间转录组的核心优势就是位置信息，但纯数学模型完全忽略邻居关系。
• 参考数据质量依赖高：你给一个差的参考单细胞数据，解出来就是一团浆糊。

所以 SPOTlight 的开发者们就想：能不能找一个既尊重算法原理、又能利用好参考数据的方法？他们最后把目光放在了 非负最小二乘回归 上。这个选择我在后来的项目里验证过几次，确实稳。

痛点	传统方法表现	SPOTlight 改进方向
spot 内细胞混合	纯线性模型，抗噪差	非负最小二乘 + 二次正则化
参考数据噪声	直接使用，不稳定	先降维，再构建标记基因特征
缺少空间先验	完全忽略邻居	可选的空间邻域平滑
计算效率	非参数方法慢	基于 NMF + NNLS，可并行

2. 主要特点——我为什么一直用它

SPOTlight 有几个设计我觉得特别实在。

第一，核心算法：非负最小二乘回归。 这个算法说白了就是：我不管你每个细胞类型的表达有多高，反正不能是负的。这个约束太重要了。你想想，生物数据里不会出现「负的基因表达」，如果某个模型算出某个细胞类型占比是负数，那一定是模型错了。NNLS（Non-Negative Least Squares）天然保证输出的比例都是正的，而且加起来还能是 1，特别适合做细胞比例估计。

第二，基于 NMF 的特征提取。 SPOTlight 不是直接把所有基因扔进去。它先用非负矩阵分解，从参考单细胞数据里提取出「主题因子」。每个因子代表一组共表达的基因模块，比如「CD4 T 细胞活化模块」、「成纤维细胞基质重构模块」。这样降维之后，噪声被过滤掉了，计算量也下来了。

第三，它支持空间先验。 这点我特别喜欢。你可以告诉模型：「相邻的 spot 应该有相似的细胞组成」。这种平滑约束让最终的细胞分布图看起来自然很多，不会出现单个 spot 突然冒出一个孤立的细胞类型。

第四，输出格式友好。 SPOTlight 直接返回一个矩阵，行是 spot，列是细胞类型，数值就是比例。你拿来画空间散点图或者做下游聚类，都不需要额外转换。

3. 应用场景——哪些问题最适合用 SPOTlight

我归纳了三个最常见的应用方向。

• 肿瘤微环境分析：比如你想知道肿瘤边界处的免疫细胞浸润情况。SPOTlight 能告诉你每个 spot 里肿瘤细胞和 T 细胞的比例，画出浸润带。
• 发育生物学：组织切片里不同区域正在发生不同的分化事件。SPOTlight 帮你把祖细胞和终末分化细胞的空间定位搞清楚。
• 疾病组织病理：纤维化区域、炎症区域、正常区域，各自有哪些细胞在主导。你甚至可以用 SPOTlight 的输出来做无监督的病理区域分割。

我记得有一个项目，客户想验证某个药物靶点在肿瘤组织里的空间表达模式。他们手头有 Visium 数据，也有单细胞参考数据。我直接用了 SPOTlight 的标准流程，两天就把细胞类型空间分布图给出来了。客户看了第一眼就确认了靶点的富集区域。那感觉，真的挺爽。

4. 工作流程一览

下面这张图就是我根据自己的使用习惯总结的 SPOTlight 核心工作流程。从参考数据到最终的空间分布图，走了三步：预处理、模型训练、空间映射。

这张图里的流程你之后会一步步实践到。我个人建议先从最简单的「默认参数」开始，跑通了再调细节。别一上来就想做定制化，容易卡住。

5. 一个重要的提醒