空间转录组学概述：10x Visium 与 Slide-seq
开始今天的内容前，我想先问你一个简单的问题：
一张组织切片里，哪些细胞在“说话”，它们又在说什么话？
传统转录组学能回答“什么基因在表达”，但它把细胞搅碎了。原位杂交能告诉你“某个基因在哪里”，但一次只能看几个基因。空间转录组学的目标很直接——把基因表达图谱原封不动地贴在组织切片上。
我早年做原位实验时，一次只能标记三四个基因，想看完整的分子图谱？得做几十张连续切片再手动对齐。那时候我就在想：能不能一次把成百上千个基因的空间位置全部测出来？
2016 年以后，这个想法逐步变成了现实。今天最主流的两个平台——10x Visium 和 Slide-seq——代表了两种不同的工程哲学。我把它们拆开讲，最后给你一张对照表。
从一张切片看全局
空间转录组学的核心思路不复杂：
- 在组织切片上定义一个二维网格坐标
- 每个坐标点对应一个“捕获区域”，区域里固定了带有条形码（barcode）的捕获探针
- 组织中的 mRNA 扩散到探针上，被捕获并反转录
- 测序后，每个转录本都带上了空间位置标签
说得通俗点：相当于在切片表面铺了一张“基因捕蝇纸”，每个格子都有自己的邮寄地址。
下面这张图把上述逻辑串起来了。左边是 Visium 的捕获方案，右边是 Slide-seq 的捕获方案，中间的核心流程是共享的。
10x Visium：有芯片，有图像
10x Visium 的前身叫 Spatial Transcriptomics（ST），2016 年由瑞典团队发表，后来被 10x Genomics 商业化。我个人对它的评价是——“稳”。
技术原理
Visium 的芯片是一张玻璃片，上面印着整齐的捕获点阵列。每个捕获点直径 55 微米，点间距 100 微米。一张标准捕获区域大约包含 5000 个点。每个点上有数百万条捕获探针，每条探针都携带唯一的空间条形码。
操作流程大致如下：
- 组织切片直接贴在芯片上
- 对组织进行 H&E 染色，拍一张高清明场图像
- 组织被透化处理，使 mRNA 释放到下方的捕获探针上
- 反转录、文库构建、测序
- 图像上的每个像素位置与捕获点的条形码对齐
关键优势
- 有组织学图像——你可以在 H&E 图像上直接圈出感兴趣区域（如肿瘤区域），然后提取对应捕获点的表达数据。这个功能在病理研究中非常实用。
- 流程标准化——商业试剂盒，操作稳定，重复性好。我见过很多实验室用 Visium 重复出同一套数据，批次效应相对可控。
- 社区支持强——10x 提供了一套完整的分析管道（Space Ranger），新手也能跑通。
注意缺点
- 分辨率偏低——55 μm 的捕获点通常包含 1-10 个细胞。说白了，你测的是“细胞团”而不是单个细胞。
- 捕获效率一般——我算过一笔账：一个捕获点中只有 10%–20% 的 mRNA 能被捕获。基因检出数通常在 1000-3000 之间，深层测序能到 5000，但成本也上去了。
- 价格不便宜——单张芯片的试剂费用就得几千美元，做大规模筛选时会心疼。
Slide-seq：小珠子，高分辨率
Slide-seq 是哈佛的 Fei Chen 和 Evan Macosko 团队在 2019 年推出的。我第一次看到他们的方法时，心里想的是——“这办法太朴素了，也真敢想。”
Slide-seq 的核心元件是一张铺满了 10 微米直径磁性珠子的载玻片。每颗珠子表面固定了带有条形码的捕获探针。珠子以接近单层的方式排列在玻片上，间距大约 12-15 μm。
技术原理
- 把珠子随机撒在玻片上，然后通过成像给每颗珠子分配一个位置坐标
- 将组织切片压在珠子层上
- 透化后 mRNA 扩散到最近的珠子上被捕
- 珠子被回收、测序，条形码反推出原始位置
核心优势
- 近单细胞分辨率——10 μm 的捕获直径接近单个细胞大小。Slide-seq v2 改进后，一个珠子通常对应 1-3 个细胞。
- 基因检出数高——每个珠子能检测到 500-2000 个基因，整体灵敏度接近 10x scRNA-seq 的水平。
- 成本可控——底层技术不依赖商业芯片，实验室自己可以制备。大规模项目的单样本成本可以压到 Visium 的几分之一。
需要避坑的地方
- 没有组织学图像——Slide-seq 不对切片进行染色拍照，空间定位全靠珠子位置反推。你没办法在组织图像上“画圆圈选区域”。这是一个非常大的痛点。
- 数据处理复杂——珠子位置的校准、条形码的拆解、空间坐标的构建，这些步骤没有现成的商业软件。我曾经花了两周才把一个 Slide-seq 数据集从原始 BCL 文件一直处理到表达矩阵。
- 空间覆盖有“空洞”——珠子随机撒布，不能保证 100% 覆盖。有些区域可能没有珠子，导致数据缺失。
两张表的硬核对比
| 对比维度 | 10x Visium | Slide-seq (v2) |
|---|---|---|
| 推出时间 | 2016（ST）→ 2019（商业版） | 2019（Slide-seq）→ 2020（v2） |
| 捕获点直径 | 55 μm | 10 μm |
| 点间距 | 100 μm（不重叠） | 约 12-15 μm（部分重叠） |
| 每张芯片点数 | 约 5 000 | 数万至数百万 |
| 分辨率（细胞数/点） | 1-10 个细胞 | 1-3 个细胞 |
| 组织学图像 | 有，高清 H&E | 无 / 低分辨率明场 |
| 每点基因中位数 | 1 000-3 000 | 500-2 000 |
| mRNA 捕获效率 | 10-20% | 20-30% |
| 样本兼容性 | FFPE + 新鲜冷冻 | 主要新鲜冷冻 |
| 商业试剂盒 | 有（全套试剂盒） | 无（需自备或定制） |
| 单样本成本 | 高（~$3 000-5 000） | 中等（~$500-1 500） |
| 标准分析管线 | Space Ranger | 无（社区工具为主） |
| 适用场景 | 病理区域分析、肿瘤微环境 | 精细组织结构、近单细胞图谱 |
我的选型建议
如果你是第一次接触空间转录组，或者你的目标是在组织病理图像上做区域分析（比如肿瘤免疫微环境），我建议你从 10x Visium 入手。流程成熟、文档全、社区资源多，不容易掉坑。
如果你要解析精细结构——比如海马体的 CA1/CA3 分区、皮层的第 2/3/4 层——并且你愿意花时间在数据处理上，Slide-seq 能给你更“锋利”的空间信号。
我个人的做法是：先用 Visium 做大范围的区域筛选，再针对感兴趣的区域用 Slide-seq 做高分辨率复查。两者搭配，效率很高。
小结
10x Visium 和 Slide-seq 没有谁更优秀，只有谁更适合你的科学问题。Visium 有图像、有标准流程、社区支持强；Slide-seq 有分辨率、有灵活性、成本可控。
在接下来的章节中，我会带你一步步实现两个平台的数据整合——从数据格式对齐到联合分析。你面前这两条路，最终会汇到同一条终点：从空间转录组数据中提取真正的生物学信号。