综述：跨越空间：空间转录组技术在健康与疾病肌肉中的应用

《Frontiers in Cell and Developmental Biology》：Across the space: applications of spatial transcriptomic technology in healthy and diseased muscle

本综述系统梳理了空间转录组（ST）技术在骨骼肌研究中的突破性应用。作者从技术原理（如成像与测序方法）、生物信息学工具到具体案例（如肌肉再生、杜氏肌营养不良症DMD、肌萎缩侧索硬化症ALS），生动展示了ST如何揭示细胞互作、纤维类型代谢差异及疾病微环境的空间动态。专业术语标注清晰（如MuSCs、FAPs、MALDI-MSI），为肌肉生物学研究提供了多维视角与技术路线图。

　　

1 引言

骨骼肌再生依赖于多种细胞群体的协调互动，包括肌肉干细胞（MuSCs）、炎症细胞和间质细胞等。传统单细胞RNA测序（scRNA-seq）虽能揭示细胞异质性，却无法保留细胞在原生微环境中的空间位置信息。空间转录组（ST）技术通过结合基因表达数据与空间坐标，填补了这一空白，尤其适用于研究骨骼肌这类具有多核肌纤维和复杂间隙细胞群的组织。

2 空间转录组技术与生物信息学工具

2.1 当前方法学

ST技术主要分为成像基础（如MERFISH、Xenium）和测序基础（如Visium、Slide-seq）两大类。成像方法通过荧光探针杂交实现单分子级分辨率，但检测基因数量有限；测序方法可覆盖全转录组，但分辨率较低。商业平台如10x Genomics Visium、NanoString CosMx等不断优化，现已支持数千基因的同时检测及多组学整合（如RNA-蛋白质共定位）。技术选择需权衡基因通量、分辨率与样本类型（如冷冻组织 vs. FFPE样本）。

2.2 生物信息学分析工具

ST数据分析流程包括预处理（如Space Ranger）、标准化、聚类（如BayesSpace）及细胞互作推断（如CellChat）。在骨骼肌中，工具如Cellpose可自动分割肌纤维，而解卷积算法（如Cell2location）能结合scRNA-seq参考数据解析低分辨率spot中的细胞类型组成。此外，轨迹推断（如StLearn）可模拟细胞分化过程，揭示再生过程中的时空动态。

2.3 多组学整合

ST与蛋白质组（如CODEX）、代谢组（如MALDI-MSI）的联用，正推动多维度组织图谱构建。例如，在肌肉研究中，RNA tomography与质谱成像结合揭示了糖酵解纤维（Myh4⁺）与氧化纤维（Myh1⁺）沿肌肉长轴的代谢梯度分布。

3 ST在骨骼肌研究中的应用

3.1 健康与再生肌肉

McKellar等通过Visium技术发现，急性损伤后2–7天，肌肉干细胞（MuSCs）与纤维脂肪祖细胞（FAPs）通过Midkine（Mdk）信号通路协同促进修复。STRS（空间总RNA测序）进一步捕获到非编码RNA（如Meg3、miR-206）在损伤区域的时空特异性表达，提示其调控肌分化。Young等再分析数据时发现衰老相关基因（如Cdkn1a）在再生区域富集，证实短暂细胞衰老是修复的必要环节。在去神经模型中，D’Ercole等揭示ⅡB型肌纤维中多胺通路失调导致萎缩，而ALS模型中，SOD1^G93A小鼠的ⅡB纤维同样出现多胺代谢紊乱，提示靶向该通路或具治疗潜力。

3.2 肌肉疾病

在杜氏肌营养不良症（DMD）研究中，ST清晰映射出再生纤维、坏死区域及免疫细胞浸润的微观结构。Galectin-3（Gal-3）阳性巨噬细胞与FAPs通过Spp1通路驱动纤维化（Coulis等）。Patsalos等发现D2-mdx小鼠的“再生炎症区”具有层状结构，糖皮质激素治疗会破坏该结构，反而损害再生能力。此外，EZH2抑制剂可缓解DMD模型肌肉退化，并减轻糖皮质激素副作用（Jeon等）。在异位骨化（HO）模型中，ST显示M1巨噬细胞通过STAT信号促进间充质干细胞（MSCs）增殖，而M2亚型支持其分化（Kan等）。

4 当前局限与未来展望

ST仍面临RNA捕获效率低、成本高及样本保存要求严苛等挑战。人类肌肉活检的解剖位置、个体差异也增加了数据分析复杂度。未来需开发标准化流程，并结合人工智能提升多组学整合能力。构建健康肌肉空间图谱将为疾病机制解析提供基准。

5 结论

ST技术通过揭示骨骼肌的空间转录架构，深化了对再生、代谢及疾病机制的理解。从发现新型调控分子（如非编码RNA）到解析免疫-基质细胞互作，ST正推动肌肉生物学向精准医学迈进。随着技术优化与多组学融合，ST有望成为肌肉疾病诊断和治疗开发的核心工具。