第 1 章 空间转录组学基础：技术原理、数据特点、应用场景
聊空间转录组之前，我先问个问题：传统单细胞测序能告诉你每个细胞里基因表达多少，可它丢掉了什么？
答案是——位置信息。
组织里一个癌细胞周围是免疫细胞还是成纤维细胞，这直接决定了它会不会被清除。空间转录组，说白了就是在保留组织原位信息的前提下，同时拿到基因表达谱。我入行时最着迷的就是这件事：终于能「看见」基因在哪表达了。
1.1 技术原理：怎么拿到"位置+表达"？
目前主流技术可以粗略分成两大类：一类靠「捕获」，一类靠「成像」。
1.1.1 基于捕获的方法（如 10x Visium、Slide-seq）
核心思路：在玻片上铺一层带有空间条形码（barcode）的捕获探针。组织切片贴上去后，mRNA 扩散到最近的探针上，被带上空间坐标 ID。测序后每个 reads 都自带坐标标签，于是每个 spot 就是一个小区域的表达谱。
关键点：每个 spot 并非单个细胞，而是 1~10 个细胞的混合体（取决于 spot 直径和细胞密度）。你后期做反卷积才能拆到单细胞级别。
我个人习惯用 Visium 做初步探索，因为它的试剂盒成熟、社区支持好。但注意它的分辨率约 55 μm 一个 spot，某些精细结构（比如肾小球）会模糊掉。
1.1.2 基于成像的方法（如 MERFISH、seqFISH+、Xenium）
这些靠反复杂交荧光探针加上超分辨成像，直接「看」到每个 mRNA 分子在细胞里的位置。分辨率可以达到亚细胞级别，成本也高一个量级。
我去年在 Xenium 平台上跑过一个胰腺癌样本，细胞边界清晰得让我惊叹——但数据量也是真大，单张切片就 200 GB 的 tiff 文件。
| 平台 | 分辨率 | 基因数 | 通量 | 典型样本数 |
|---|---|---|---|---|
| 10x Visium | ~55 μm | 全转录组 | 高（批处理） | 6~12 张切片 |
| Slide-seqV2 | ~10 μm | 全转录组 | 中 | 4~8 张 |
| MERFISH | ~0.1 μm | 100~400 个靶标 | 低 | 1~3 张 |
| Xenium | 亚细胞 | 200~500 个靶标 | 中 | 1~4 张 |
选型建议：你想看全局基因互作 → 选 Visium；你想精确定位几个关键基因的细胞类型 → 选 MERFISH 或 Xenium。后者没法做全转录组，别搞混了。
1.2 数据特点：和普通单细胞数据有什么不同？
空间转录组数据天生带三个「麻烦」：
- 高维稀疏：和单细胞一样，零膨胀严重。一个 spot 里几百个细胞，但很多基因没表达。我曾经处理过一张切片，总 UMI 才 300 万，却有超过 16000 个基因——90% 的基因在超过一半的 spot 里是 0。
- 空间依赖性：相邻 spot 表达谱相似，这不是噪声，是生物学事实。但很多常规的统计模型（假设独立同分布）直接砸在这上面就失效了。
- 批次效应疯狂：不同切片、不同样本、甚至同一张切片的不同区域，都可能因为组织固定、通透时间差异导致系统性偏移。你想想看，这比单细胞批次效应更难纠正——因为没有「细胞类型」这种独立去混淆的依据。
避坑：我曾以为空间数据可以直接套用单细胞的数据预处理流程——标准化 + PCA + UMAP → 聚类。结果发现空间聚类结果完全没有连续区域，就像盐撒在桌面上。后来才意识到必须加入空间邻接信息做平滑。记住：空间数据不要当普通表格去处理。
1.3 应用场景：为什么我们需要空间信息？
答案很直接：因为组织不是匀浆，细胞之间有「邻里关系」。
- 肿瘤微环境：看免疫细胞怎么聚集在肿瘤边缘或浸润进去。我帮一家药企跑过肺癌样本，观察到 CD8+ T 细胞只在三级淋巴结构附近活化——如果只看单细胞数据，根本画不出这个空间梯度。
- 发育生物学：追踪细胞谱系在胚胎里的迁移路径。比如斑马鱼心脏发育，几个基因的时空表达顺序决定了心管怎么扭曲。
- 神经科学：海马体里不同亚区的神经元表达不同离子通道，空间转录组能把 CA1/CA3 的边界精确到几十微米。
- 病理活检辅助：传统 H&E 染色只能看出形态，空间转录组能告诉你这个「看起来正常」的区域其实已经启动了发炎信号。
嗯，说完这些基础，你应该能理解为什么我们需要专门的空间转录组建模方法了。接下来的章节，我会带你一步步从数据预处理搭建模型、设计损失函数，再到调参出图。准备好了就开始干吧。