隐藏网络重构空间转录组：Slide-tags数据实现无参考空间重建

《Nature Communications》：Hidden network preserved in Slide-tags data allows reference-free spatial reconstruction

本研究针对Slide-tags技术依赖预编码空间参考图谱的局限性，提出了一种基于细胞-磁珠网络结构的无参考空间重建方法。通过开发STRND算法解析扩散形成的双分区网络拓扑关系，成功在人类扁桃体样本中实现了高精度细胞空间定位（全局CPD R2=0.915，局部KNN=0.685），证实了扩散过程编码的空间信息足以替代光学解码步骤，为空间转录组学提供了去硬件依赖的新范式。

　　

在生命科学领域，解析组织中基因表达的空间位置如同绘制细胞世界的“地图”。传统空间转录组技术如Slide-seq或Visium依赖预制的寡核苷酸阵列捕获组织释放的核酸，并通过光学解码确定位置。然而，这类方法始终无法摆脱对预编码空间参考图谱的依赖，限制了其可扩展性和应用灵活性。2024年，Russell团队开发的Slide-tags技术颠覆了这一范式——通过将预解码磁珠阵列的条形码探针释放并扩散至组织，使细胞核携带空间条形码。但即便如此，该方法仍需要通过光学成像预先获取磁珠位置图谱。

令人惊喜的是，瑞典皇家理工学院的研究团队在重新分析Slide-tags数据时发现，条形码扩散过程中偶然形成的细胞-磁珠关联网络，竟隐藏着完整的空间信息。他们意识到，这一双分区网络满足空间网络的基本特征：物理距离越近的节点越容易连接。基于此，团队开发了无需参考图谱的替代流程，将Slide-tags重新定义为一种基于网络的“成像测序”技术。

关键技术方法

研究团队基于STRND（Spatio-Topological Reconstruction by Network Discovery）算法，通过随机游走计算节点访问概率的高维向量，再经UMAP降维映射为二维空间坐标。针对人类扁桃体样本（9352个细胞），采用DBSCAN聚类过滤长程噪声边，并结合Alpha形状薄板样条变形优化全局形状。分析中使用Russell等人公开的数据（SCP2169等），通过Squidpy和Seurat进行空间统计与细胞类型注释。

网络结构验证与初始重建

通过对人扁桃体、小鼠胚胎大脑和成年海马体三组数据的分析，团队发现细胞-磁珠网络的度分布呈有界单峰分布，符合物理邻近连接的预期。将双分区网络投影为细胞-细胞单分区网络后，短程（0-200μm）连接频率显著高于长程连接，证实网络结构蕴含空间信息。

单次STRND重建结果显示，扁桃体样本的全局结构保真度（CPD R²=0.758）和局部邻域一致性（KNN=0.350）显著高于小鼠样本。视觉评估中，扁桃体重建保留了双螺旋图标投影的空间特征，而小鼠样本结构严重失真，表明网络质量存在样本依赖性。

迭代优化与细胞纳入策略

通过引入所有网络细胞（包括原分析排除的1989个细胞），重建指标进一步提升（CPD R²至0.915，KNN至0.685）。DBSCAN边缘过滤有效去除长程噪声边，而基于Alpha形状的形态校正使重建布局更贴合组织实际形状。最终，97%的原定位细胞和81%的总网络细胞获得空间坐标。

生物学验证与新细胞整合

重建坐标成功复现扁桃体生发中心B细胞与初始B细胞的分离、CD4⁺ T细胞与NK细胞在T细胞区的共定位等空间模式。邻域富集分析显示参考与重建数据相关性达0.996，Ripley’s L函数曲线下面积差异中位数仅2%。通过标签转移对新增细胞注释后，其空间分布与同类细胞一致，数据集规模扩大30%。

结论与展望

本研究揭示了Slide-tags实验中隐性细胞-磁珠网络的空间解码潜力，使无光学参考的空间重建成为可能。该策略将空间转录组学纳入成像测序技术家族，通过拓扑关系替代硬件依赖，为三维样本、高通量应用开辟了新路径。未来通过优化磁珠密度、扩散条件等参数，有望进一步提升网络质量与重构鲁棒性。