空间组学技术2023年再获殊荣：一文带您了解两类空间组学技术

空间组学技术 一颗冉冉升起的新星

《Nature Methods》
2020年年度技术

《World Economic Forum》
2023年十大新兴技术

然而，如果您刚刚进入这个领域，可能会好奇：为什么分析生物组分的空间位置很重要，以及如何实现空间分析？在这篇文章中，我们将回答这些问题，重点是介绍能够从组织切片中获得空间组学信息的两大类技术。

为什么空间组学技术很重要

位置！位置！位置！

房地产行业的著名金句也同样适用于生物学

发育生物学为理解这一概念提供了一个极佳的框架。人体内的所有细胞都包含相同的DNA。然而，从这种相同的遗传物质出发，特化细胞却出现了，并随着生物体的发育而形成完全不同的组织和器官结构(2)。大自然如此聪明，它利用精心控制的基因表达梯度，在正确的时间激活正确的发育途径(2-3)。

即使在发育后，位置也会影响细胞的表型、状态和功能，因为一个细胞相对于周围其他细胞的位置决定了它能接收到什么信号。这些信号可能是细胞间相互作用、可溶的信使分子，甚至是治疗分子(2)。

当人体内精心协调的细胞间相互作用受到破坏时，会引发重大疾病。这就是我们在深入了解人体发育和疾病背后的生物机制时，为什么需要仔细评估某个细胞的环境如何影响其功能或功能失调。

走进空间组学技术

在自然背景下评估细胞生物学的想法并不是新鲜事。Lambda Moses和Lior Pachter 在他们题为“Museum of Spatial Transcriptomics”的综述文章中，强调了放射性原位杂交技术作为当今空间转录组学技术的前身，在核糖体RNA（1969）和球蛋白转录本（1973）可视化上的应用(4)。尽管这些早期方法证明对生物分子进行空间解析是可行的，但它们只能在低分辨率下捕获有限的目标。

20世纪90年代和21世纪初的技术进步推动了新兴空间转录组学方法的蓬勃发展(4)。与单细胞测序领域类似，最初只有开发早期空间分析技术的科研机构采用这些方法。然而，随着一些技术的商业化，更多研究人员更容易接触到空间分辨转录组学(2)。从发育生物学到癌症，从神经科学到植物学，以及其他领域，每天都有更多的文献面世，揭示了一个生物见解的全新世界。

如何实现空间基因及蛋白分析

目前有几十种空间组学技术，这也许会让人们在踏入这一领域时望而却步。一种很有用的分类方法是关注空间数据的获得方式。最近的几篇综述文章将现有技术简化成两大类：基于测序的空间组学技术和基于成像的空间组学技术(2,5)。

基于测序的空间组学技术

基于测序的空间方法是从组织中捕获mRNA或者蛋白表达，然后进行体外测序(2,5)。您可能会思考：如果测序是在体外进行的，如何确定基因或者蛋白表达的空间位置？下面让我们来看看Visium空间分析是如何捕基因及蛋白表达的空间信息的。

Visium CytAssist空间组学玻片上的捕获区域

Visium空间分析可以对带有位置条形码的mRNA和蛋白进行“阵列式”捕获(6)。无论是新鲜冷冻（FF）组织还是福尔马林固定石蜡包埋（FFPE）组织，都可以基于Visium CytAssist仪器，使用连接后的探针对，对玻片上捕获的目标进行鉴定。

在探针延伸过程中，空间条形码的加入保留了空间信息。随后通过新一代测序分析带有条形码的文库，并将数据映射回捕获区上的特定数据点。目前，10x Genomics已经可以实现在同一张组织切片上的空间基因表达及多重蛋白表达检测。

Human Immune Cell Profiling Panel

基于成像的空间组学技术

基于成像的空间方法又被称为基于显微镜的空间方法。在这类方法中，数据是在原位成像的(2)。它们通常又进一步细分为基于原位杂交的方法和基于原位测序的方法，尽管如此命名，但并不依赖于新一代测序(2,7)。现在我们就以Xenium原位分析平台使用的成像方法为重点，进一步了解它如何实现目标识别和检测。

Xenium亚细胞分辨率原位分析平台

可环化的锁式探针包含两个区域，分别与目标和基因特异性条形码序列杂交，后者用于mRNA标记。成功的目标识别需要经过Xenium独特且高度特异的四步认证的化学过程。在前两个步骤中，探针的两条臂必须与目标稳定杂交。第三步，连接酶将稳定结合的探针末端连接在一起，形成一个环状探针。第四步，利用滚环扩增（RCA）对成功连接的探针进行扩增。

通过连续几轮的荧光探针与RCA产物杂交、成像和探针去除来实现检测。最后生成每个基因特有的光学特征，并建立整张组织切片的转录本空间图谱。

图片Xenium原位分析流程概览

哪种方法适合您？

在决定选择基于测序的空间方法还是基于成像的空间方法时，有许多因素需要考虑。基于研究的实验目的进行考虑是一个很好的出发点，在生成假设时建议使用基于测序的方法，而在检验假设时建议使用基于成像的方法(2)。这一建议的立足点是每种方法可提供的信息水平。

例如，基于测序的Visium空间分析利用无偏的全转录组分析，提供数万个基因的信息，因此不需要掌握所研究生物学的先验知识。另一方面，基于成像的Xenium原位分析旨在以高的分辨率、特异性和灵敏度分析成百上千个基因。这种更具靶向性的分析特别适合深入研究之前通过其他方法鉴定出的感兴趣的目标，比如单细胞测序或无偏倚的空间转录组。不过，需要注意的是，这并不意味着基于成像的空间分析不能发现新的生物学信息来生成假设，正如《文章背后的故事：整合单细胞、空间和原位分析的力量》一文所展示的。

在您的研究中引入空间组学技术

空间组学的兴起正在为基础研究和临床研究开辟新道路，扩大我们对发育和疾病的理解。欢迎访问我们的Visium发现中心（8）或交互式探索人类乳腺组织或小鼠脑组织的Xenium数据集，发现这些技术将为您带来哪些可能。

本文基于如下10x博客生成：

https://www.10xgenomics.com/blog/spatially-resolved-transcriptomics-an-introductory-overview-of-spatial-gene-expression-profiling-methods

参考资料：

1. Marx V. Method of the Year: spatially resolved transcriptomics. Nat Methods. 18: 9–14 (2021). doi: 10.1038/s41592-020-01033-y  

2. Williams CG, et al. An introduction to spatial transcriptomics for biomedical research. Genome Med. 14: 68 (2022). doi: 10.1186/s13073-022-01075-1

3. Asp M, Bergenstråhle J & Lundeberg J. Spatially resolved transcriptomes—next generation tools for tissue exploration. Bioessays. 42: e1900221 (2020). doi: 10.1002/bies.201900221

4. Moses L & Pachter L. Museum of spatial transcriptomics. Nat Methods. 19: 534–546 (2022). doi: 10.1038/s41592-022-01409-2

5. Method of the Year 2020: spatially resolved transcriptomics. Nat Methods. 18: 1 (2021). doi: 10.1038/s41592-020-01042-x

6. Stahl PL, et al. Visualization and analysis of gene expression in tissue sections by spatial transcriptomics. Science. 353: 78–82 (2016). doi: 10.1126/science.aaf2403

7. Zhuang X. Spatially resolved single-cell genomics and transcriptomics by imaging. Nat Methods. 18: 18–22 (2021). doi: 10.1038/s41592-020-01037-8

8. https://www.10xgenomics.com/research-areas/cancer/visium-discovery-hub