空间转录组技术发展与应用概览
大家好，欢迎来到《空间转录组细胞邻域特征建模教程》。我是你们这门课的主讲。在正式进入细胞邻域的建模之前，我觉得有必要先聊聊我们手里的“武器”——空间转录组技术本身。
说白了，这门技术的核心就一句话：在组织的物理位置上测基因表达。听起来是不是很简单？但它的出现，直接补上了传统单细胞测序的一大块短板。
为什么我们需要“空间”这个维度？
你想想看，传统的单细胞RNA测序（scRNA-seq），能把细胞类型分得清清楚楚。但它有个硬伤：细胞从组织里消化下来，位置信息全丢了。就像你把一栋大楼的所有砖块都倒在一起，然后分清楚哪些是承重墙、哪些是装饰砖。但你永远不知道，这些砖原来在几楼，谁挨着谁。
在真实的组织中，细胞不是独立存在的。肿瘤细胞旁边的免疫细胞，和远处的免疫细胞，功能状态可能完全不同。肝细胞旁边的星状细胞，和胆管旁的，基因表达谱也大相径庭。这种局部微环境决定的细胞状态，正是空间转录组要解决的问题。
技术发展脉络：一场“分辨率”的战争
空间转录组的发展史，其实就是一场分辨率和通量的博弈。我个人习惯把这几年的技术分成三个流派。我在项目里踩过最多的坑，就是选错了流派。
| 技术流派 | 核心原理 | 代表平台 | 优点 | 我需要提醒的坑 |
|---|---|---|---|---|
| 激光显微切割（LCM） | 用激光把特定区域切下来，提取RNA测序 | Arcturus、Leica LMD | 真正意义上的单细胞精度（如果切得好） | 通量极低，操作非常依赖技术人员的手稳程度。我曾经为了切一个肾小球的切片，磨了三天 |
| 原位捕获（ISH-based） | 玻片上铺设带空间条形码的探针捕获mRNA | 10x Visium、Slide-seq、Stereo-seq | 通量高，覆盖全转录组，是目前的主流 | Visium的spot直径是55微米，包含多个细胞。你看到的“单细胞级”数据实际上是解卷积算出来的，不是真的单细胞 |
| 原位测序/成像（ISS/IM） | 在组织切片上原位进行测序或者多重荧光成像 | MERFISH、seqFISH、Xenium | 真正的单细胞甚至亚细胞分辨率 | 通量受限于靶向基因数量，而且数据分析的光学背景校正非常让人头疼 |
10x Visium：你不能绕过的“敲门砖”
如果你刚接触这个领域，我建议你从10x Genomics的Visium平台入手。为什么？因为它太成熟了，配套的工具链最完善。虽然它的分辨率不高（每个spot约含1-10个细胞），但作为入门和理解邻域特征的概念，它几乎是最佳选择。
它的核心输出文件，你可能已经开始接触了。主要是两个部分：
- 空间组织图像：一般是H&E染色图或者免疫荧光图，TIFF格式。
- 空间基因表达矩阵：一份标准的表达矩阵，行是基因，列是每个
barcode（代表一个spot），同时还有一个tissue_positions_list.csv文件告诉你每个barcode在玻片上的像素坐标。
数据导入后，第一件事我总是习惯先做质量控制。心里不踏实时，就做一个泡泡图看看。
tissue_positions_list.csv文件，看一遍。你会直观地感受到，原来组织上那些密密麻麻的小点，就这样对应到了数千行坐标数据上。这对理解后续的邻域矩阵结构特别有帮助。
技术选型的核心考量
嗯，这里要注意。不同的研究问题，对技术的要求是完全不同的。如果你的目标是做肿瘤免疫微环境，那可能需要10x Visium这种全转录组覆盖的，因为你要探索未知的免疫检查点通路交互。如果你的目标很明确，比如就盯着几个关键的神经肽受体研究大脑功能分区，那MERFISH这种高分辨率靶向技术可能是更好的选择。
我简单列了一个对照表，你在项目开始前可以对照一下：
- 分辨率诉求：细胞级？亚细胞级？还是区域级（100微米级别）？
- 基因检测通量：全转录组（万级基因）还是靶向（几十到几百基因）？
- 组织样本状态：是新鲜冰冻样本（FF）还是福尔马林固定石蜡包埋样本（FFPE）？Visium有对应的FF和FFPE版本。
- 预算：这一点很现实。一张Visium玻片的价格和一张MERFISH玻片的价格不在一个量级上。
从数据到洞察：核心逻辑图
为了让你对整个分析流程有个总览，我画了张简图。它完整展示了从原始组织切片到最终细胞邻域知识发现的路径。
应用场景：从基础研究到临床转化
这门技术能做什么？我挑几个最典型的场景聊聊。
肿瘤免疫微环境
这是目前最火的应用方向。传统病理学看的是形态学异质性，空间转录组则能看到功能异质性。在一例三阴性乳腺癌样本中，我遇到过很有意思的现象：同一块组织里，一边是高度活化的CD8+ T细胞，另一边则是功能耗竭的T细胞。如果只看单细胞数据，你会觉得两种细胞都有，但只有空间数据能告诉你——原来它们躲在不同的“生态位”里。
发育生物学
斑马鱼胚胎、小鼠大脑切片，是经典的应用场景。通过空间转录组，我们可以绘制出细胞分化和迁移的时空地图。比如，神经嵴细胞沿着体节迁移的路径，在空间数据里看得一清二楚。
神经科学
从空间上解析大脑的复杂区域结构。比如，用MERFISH数据重建小鼠大脑的细胞图谱，每个细胞都能被精准地映射到Allen Brain Atlas的解剖结构上。
植物生物学
植物组织切片比动物难做，但也有成功案例。例如，在水稻叶片中分析光合作用相关基因在维管束鞘和叶肉细胞间的空间表达差异。
总结一下我们需要记住的
好了，这一章我们主要做了件事：建立对空间转录组技术的一个整体认知。技术不是万能的，但选对了能让你事半功倍。我个人觉得，最好的学习方法就是先拿一份公开数据（10x官网有很多Visium示例数据）跑一遍流程，踩一踩坑，然后带着问题回来听课。
下一层，我们将正式进入数据的世界，从导入一张TIFF图像和一根CSV文件开始，搭建我们的分析环境。嗯，这部分我就不多说了，我们到具体实现中再细聊。准备好，我们的代码要上场了。