1. 空间转录组学简介：技术原理、应用场景、数据格式与挑战

各位同学，今天咱们聊聊空间转录组学。我最早接触这个领域时，心里想的是：这不就是把RNA测序和显微镜结合起来吗？后来真正上手才发现，事情远没那么简单。

空间转录组学，说白了就是在保留组织原始空间位置信息的情况下，测量每一个位置的基因表达情况。传统RNA-seq把组织磨碎了，测的是“一锅粥”里的平均表达。空间转录组学不同，它告诉你的不只是哪个基因在表达，它还告诉你：这个基因在组织的哪个区域表达，旁边又是哪些细胞。

1.1 技术原理：从想法到数据

目前主流的技术路线有好几条。我个人习惯把它们分成两大类：一类是基于原位捕获的，另一类是基于原位成像的。

原位捕获技术，代表是10x Visium。它在一块载玻片上铺满带有空间条形码的捕获探针。你把组织切片贴上去，透化，让mRNA释放出来，被最近的探针捕获。测序之后，每个转录本都能通过条形码找到它的物理位置。说白了，就像给每间房子都编了号，信送到哪一目了然。

原位成像技术，代表是MERFISH、seqFISH+。它用荧光探针逐个标记目标RNA，通过多次成像来实现单分子级别的空间定位。这种方法分辨率极高，能达到单细胞甚至亚细胞水平，但通量相对有限。

我在项目中处理过不少10x Visium的数据，坦白讲，它最大的优势是操作相对标准化，商业试剂盒成熟，样本量可以做很大。但是它也有「坑」—— spot的大小是55μm，一个点里可能包含几个到几十个细胞。你想想，这算什么单细胞分析？

下面这张表，我整理了主流技术的关键参数对比，方便你快速有个概念。

技术平台	分辨率	基因通量	是否单细胞	成本
10x Visium	55μm (spot)	全长转录组	否 (多细胞/spot)	较高
Slide-seq V2	10μm (bead)	全长转录组	接近单细胞	中等
MERFISH	~100nm	~100-1000基因	是	高
seqFISH+	~100nm	~10000基因	是	高
Stereo-seq	500nm	全长转录组	是 (亚细胞)	中等

1.2 应用场景：它在解决什么问题

有了空间数据，我们能做什么？我个人觉得，最有价值的应用集中在以下几个方向。

• 肿瘤微环境解析：肿瘤不是一堆均质的癌细胞。里面有基质细胞、免疫细胞、血管。空间转录组告诉你，T细胞到底是在肿瘤核心浸润，还是被拦在边缘。我在分析一个肺癌样本时就发现，某些免疫检查点分子只在肿瘤-基质交界处高表达，这个信息用常规测序是看不出来的。

• 组织发育图谱构建：从胚胎发育到器官成熟，细胞的位置关系决定了它们的命运。空间转录组可以重建「细胞在哪里、什么时候、表达什么基因」的时空序列。

• 神经科学中的脑区定位：大脑的区域功能划分非常精细。空间转录组帮你精确地给每个细胞群打上「邮政编码」，然后分析不同脑区的分子特征差异。

• 疾病标志物发现与药物靶点验证：当你知道某个基因只在病灶特定区域表达时，这个基因作为药物靶点的可行性就会高很多。

你想想看，这些分析如果全靠手动操作，重复性强，步骤繁琐，很容易出错。这就是我们需要Snakemake来构建自动化工作流的原因。

1.3 数据格式：你会面对什么

搞空间转录组，逃不开跟几种数据格式打交道。刚开始接触时，最让我头疼的就是不同平台输出格式的差异。

最常见的格式有这么几种：

• HDF5 (.h5)：10x Visium 的标准输出格式。一个文件里塞进了几乎所有东西：gene-by-spot的计数矩阵、基因信息、条形码序列、空间坐标。用Python的 h5py 或 R的 rhdf5 都可以读。
• MEX (Market Exchange Format)：其实就是三个文件：matrix.mtx、features.tsv、barcodes.tsv。稀疏矩阵格式，比较通用。
• TIF / TIFF：组织切片的H&E染色图或免疫荧光图。用于配准和对齐。
• JSON：有时用于保存空间坐标和图像参数，比如组织检测结果的轮廓坐标。
• AnnData：目前在Python生态（尤其是Scanpy）里非常流行，是一个带注释的数据框。包含X（计数矩阵）、obs（细胞/spot元数据）、var（基因元数据）、obsm（细胞坐标等）和uns（非结构化数据）。

我这里用一个真实的文件结构示例，帮你看清10x Visium输出的样子。

sample_visium/
├── filtered_feature_bc_matrix.h5
├── spatial/
│   ├── tissue_positions_list.csv
│   ├── scalefactors_json.json
│   ├── tissue_hires_image.png
│   └── tissue_lowres_image.png
├── raw_feature_bc_matrix.h5
└── analysis/
    ├── clustering/
    └── differential_expression/

1.4 核心挑战：为什么需要自动化

空间转录组数据虽然信息丰富，但处理起来满是坑。我踩过的，不少。

挑战一：数据量大，混合模态
一个样本可能就几十GB。处理流程包括图像配准、质量控制、降维聚类、差异表达、空间模式识别，还有下游的细胞通信分析。每一步可能调用不同的工具，环境依赖经常打架。

挑战二：步骤繁琐，容易遗漏
我记得有一次处理一批样本，忘了执行某个QC步骤，结果下游聚类效果奇差，返工花了一整天。手动操作，你很难保证每次都对。

挑战三：可重复性差
你三个月前跑的结果，现在能复现吗？我习惯了用Snakemake后，每次跑完自动生成报告和结果目录，任何时候回放都一模一样。

本章的核心知识体系，我画了一张图，帮你从宏观上理清脉络。

好了，本章的核心就是这些。把基础概念理清楚，后续我们才能好好讨论怎么用Snakemake把这些步骤组织起来、自动化运行，并生成可复用的工作流。