第1章 Slide-seq技术原理与实验流程简介
大家好，欢迎来到《Slide-seq数据处理与空间分析实战》。我是你们这门课的老朋友，一个在空间转录组数据泥潭里摸爬滚打了好几年的工程师。Slide-seq，说白了，就是把测序技术“搬”到一张玻璃片上去操作。它不像普通单细胞测序，把细胞打个稀巴烂。它要保留细胞原来的位置信息。
我第一次接触Slide-seq时，觉得这玩意儿挺酷。传统单细胞测序告诉我“谁在说话”，Slide-seq则告诉我“谁在哪儿说话”。今天这章，我们就把它最底层的技术逻辑拆开看看。
1.1 核心思想：原位捕获
你想想看，一个组织切片，厚薄只有10微米左右，里面密密麻麻全是细胞。怎么才能知道每个基因是从哪个位置的细胞里跑出来的？
Slide-seq的做法很巧妙：它在一块玻片上，密密麻麻地铺满了带着“条形码”的微珠。每个微珠上的条形码都是唯一的。然后把组织切片贴上去，把里面的mRNA“钓”出来，顺便打上这个位置标记。
这就是原位捕获，一种用空间信息给基因表达数据“盖章”的技术。
我个人经验：早期做空间转录组，很多人会混淆“空间转录组”和“原位测序”。本质上，原位捕获就像“钓鱼”，用带标签的诱饵去抓mRNA；而原位测序则是直接在细胞里进行测序反应。Slide-seq属于前者，优点在于通量高、成本相对低。
1.2 微珠排列：一张“坐标纸”
Slide-seq的第二个核心，是它的微珠排列。实际上，这些微珠不是随意撒的，而是通过一个叫做“随机铺展”的工艺，把它们以固定密度排布在玻片上。
我曾经在项目里遇到过一个问题：微珠铺得不够密，结果捕获到的细胞数量很少，空间分辨率不够。后来我查了资料，才发现Slide-seq使用的是10 μm大小的微珠，理论上每平方毫米可以铺大约10万个微珠。但实际操作中，你得控制好密度，否则微珠会叠在一起，条形码解读就会出问题。
关键参数对比
| 参数 | 典型值 | 对分析的影响 |
|---|---|---|
| 微珠直径 | 10 μm | 决定空间分辨率的下限 |
| 铺展密度 | ~100,000 beads/mm² | 越高，捕获到的细胞越多 |
| 条形码种类 | ~10⁶种独特条形码 | 确保每个微珠可被唯一识别 |
| 微珠直径 | 10 μm | 决定空间分辨率的下限 |
嗯，这里要注意：铺微珠的时候，均匀性是老大难。我见过有人用显微镜拍出来的片子，有的地方微珠挤成一团，有的地方一片空白。这样后期数据处理时，某些区域的空间点就相当于缺失了。
1.3 建库测序：从微珠到数据
微珠铺好、mRNA抓牢之后，就进入了建库测序阶段。这一步和普通单细胞RNA测序很像，但多了一个解码空间条形码的步骤。
简单说流程：
- 逆转录：在微珠上将捕获到的mRNA逆转录成cDNA。
- PCR扩增：扩增cDNA文库。
- 测序：使用Illumina平台进行双端测序。
- 解码：通过测序得到的Read1（包含空间条形码和UMI）来定位每个cDNA分子的原始位置。
我个人习惯是把建库测序看作是“把微珠上的坐标信息转译成测序仪器能读懂的碱基序列”。说白了，测序仪不关心你的组织切得漂不漂亮，它只认序列。
避坑指南：在测序数据下机后，很多人会忽略一个步骤——检查UMI（唯一分子标识符）是否被正确读取。UMI是用来消除PCR扩增偏差的关键，如果UMI长度或序列设计有问题，你后续的基因定量会偏得很离谱。我曾经因为UMI处理不对，导致一个批次的Slide-seq数据定量结果全错了，后来花了整整一周才排查出来。
1.4 实验流程全景
为了更直观地理解这个过程，我画了一张流程图。你可以把它当作整个Slide-seq实验的“地图”。
这张图清晰地展示了从组织到数据的完整链条。你会发现，最关键的步骤都在微珠解码和空间映射上。后面的章节，我们会逐步通过代码把这些逻辑跑通。
1.5 常见的实验陷阱
做Slide-seq实验，我踩过的坑不比你少。这里分享一下最常见的三个陷阱：
- 组织贴片太厚：厚度超过15微米，mRNA很难穿过组织层到达下面微珠，捕获效率会断崖式下跌。
- 微珠破裂或脱落：操作过程中，微珠在反复洗涤时容易从玻片上脱落。我建议固定步骤一定要做得很扎实，不要省洗脱时间。
- 文库扩增不均：PCR循环数太多会导致某些高表达基因过度放大，而低表达基因丢失。我一般用25-28个循环，具体要看起始RNA的量。
关键提示：在实验前，务必通过显微镜检查微珠的铺展状态。一个简单的质量标准是——在40倍显微镜下，一个视野内微珠之间的空隙不超过5个微珠直径。如果空隙太大，我建议重新铺。
1.6 数据产生的起点
好了，今天我们理清了Slide-seq的“硬核”部分。从原位捕获到微珠排列，再到建库测序，每一步都决定了最终数据的质量。说白了，后面的所有数据分析，都依赖于这一步的准确执行。
我最后提醒一点：在做任何进阶分析前，一定要验证你手中的数据是有效的。怎么验证？看UMI的分布、看微珠的覆盖率、看背景噪音水平。下一次课，我们会正式开始数据预处理，你就会明白这些指标的具体意义。