第1章 空间转录组学概述：技术原理、应用场景、常见平台介绍
说实话，我第一次接触空间转录组学这个名词时，也愣了一下。单细胞测序刚玩明白，怎么又冒出来个“空间”版？后来真正上手一个项目才明白——单细胞数据就像一盘散沙，你知道有哪些细胞类型，却不知道它们原本在组织里怎么排列。空间转录组学，说白了就是把基因表达信息“贴回”到组织切片上，让每个细胞知道自己住哪、邻居是谁。
这个技术虽然看起来新，但底层逻辑并不复杂。你想，一个组织切片，我们既想保留它的组织结构（病理学家看切片那种），又想拿到每个位置的基因表达数据。把这两件事合在一起，就是空间转录组学。
1.1 技术原理：我们到底在测量什么？
我个人习惯把空间转录组学的技术路线分成三类。这样比较好理解。
| 技术类别 | 核心思路 | 代表平台 |
|---|---|---|
| 基于原位杂交 | 用探针直接标记组织切片上的RNA分子 | MERFISH, seqFISH+ |
| 基于原位测序 | 在组织切片上直接对RNA进行测序 | STARmap, FISSEQ |
| 基于空间条形码捕获 | 在玻片上预先铺设带位置信息的条形码探针，捕获组织中的mRNA | 10x Visium, Slide-seq |
三类技术我都碰过。我的经验是：做全转录组探索，空间条形码捕获类更合适，因为能拿到全基因表达的概貌。如果已经知道几个关键基因，只想看它们在组织里的精确定位，那原位杂交类更香，分辨率能到单细胞甚至亚细胞级别。
这里有一个核心概念需要搞清楚——空间条形码。组织切片被放置在有“坐标”的玻片上，每个坐标点都有一个独特的DNA序列。组织中的mRNA被捕获后，这个条形码信息会和cDNA一起被测序，我们就能知道每条mRNA来自组织切片的哪个位置。
一句话理解：空间条形码相当于给组织切片画了一个“邮政编码网格”。每个网格点都有一个唯一的邮编，mRNA被捕获的同时就盖上了这个戳。
1.2 应用场景：真能解决实际问题吗？
我在项目中遇到过不少场景，空间转录组学确实能提供单细胞测序无法替代的信息。举几个典型的。
- 肿瘤微环境研究：癌细胞怎么“招募”周围的基质细胞、免疫细胞来帮自己？这需要看细胞在组织里的空间排列关系。我记得有个项目，单细胞数据看不出某个亚群的独特功能，但结合空间数据发现——这群细胞刚好“守卫”在血管旁边。
- 神经科学：大脑不同区域的基因表达差异，是理解大脑功能结构的基础。空间转录组学可以画出大脑的“基因表达地图”，比传统解剖分区精细得多。
- 发育生物学：从一个胚胎细胞，发育成有头有尾、有四肢的个体——基因在时间和空间上都受到精确调控。空间转录组学能捕捉到这种动态变化。
- 病理研究：将病理学家的HE染色与基因表达空间图谱对齐，可以发现哪些基因在病灶区域异常表达。
我个人强烈建议：不要一上来就做空间转录组学。先问问自己，这个问题是不是必须用“空间信息”才能回答？如果不能回答“为什么需要知道细胞在组织中的位置”，那单细胞测序可能就够用了。
1.3 常见平台：怎么选？
目前最流行的几个平台，我简单做个对比。
| 平台 | 分辨率 | 基因覆盖 | 组织类型适应性 |
|---|---|---|---|
| 10x Visium | 55 μm spot直径（约含1-10个细胞） | 全转录组 | 冰冻组织、FFPE组织 |
| Slide-seq/Vizgen | ~10 μm（近单细胞级） | 全转录组 | 冰冻组织为主 |
| MERFISH | 亚细胞级（~100 nm） | 数百个基因（靶向） | 冰冻组织为主 |
| Xenium (10x) | 亚细胞级 | 数百个基因（靶向）+可选全转录组 | FFPE, 冰冻组织 |
怎么选？我给大家一个简单的决策流程。
# 决策伪代码（非实际代码）
if 需要全转录组探索:
if 分辨率要求不高（50 μm级别）:
选 10x Visium
else（10 μm级别）:
选 Slide-seq
else（已知靶标基因列表）:
if 需要亚细胞分辨率:
选 MERFISH 或 Xenium
else:
选标准原位杂交避坑提醒：我曾经看过一个团队，买了MERFISH想做全转录组，结果发现只能测几百个基因……项目直接延期了两个月。事先搞清楚平台的“基因覆盖范围”，比什么都重要。
1.4 知识体系总览
这一章的内容比较多，我画了一张图帮大家快速建立整体认知。后续章节会逐一深入各个模块。
嗯，图很直观。我们看到三个技术路线，它们各自有侧重。从最上层的“测量什么”出发，扩散到技术分类、应用场景，再汇入通用分析管道。这里的关键是理解每个技术路线的分辨率与基因覆盖的权衡关系。
我建议初学者先把这张图当作导航。遇到具体问题，先回到这个框架问自己：“我这属于哪个技术路线？目标分辨率是多少？需要覆盖多少基因？” 想清楚这些，后续选择工具和分析方法才有方向。
1.5 小结
空间转录组学的核心价值是：在组织原位上测量基因表达。
- 理解三种技术路线的区别，是入门的第一道坎。
- 应用场景丰富，但不要贪多，从自己的研究问题出发。
- 平台选择要考虑分辨率、基因覆盖、样本类型的权衡。
接下来几章，我们会从实验设计、数据格式、预处理开始，一步步搭建完整的分析管道。不过这一章先到这里，先把概念框架搭好，后面的事就容易了。