编辑推荐：
本文聚焦空间转录组学（ST），介绍其技术原理、常用平台优缺点，阐述实验设计与数据分析要点，探讨病理学监督意义，展望临床应用潜力，为该领域研究者提供全面参考。
进入（空间）转录组学时代
分子生物学的中心法则是活细胞中信息流动的基础：DNA 编码的基因转录为 mRNA，再翻译成蛋白质，蛋白质是多种生物细胞功能的效应分子。转录组分析（Transcriptomic profiling）是捕获和表征 RNA、进而研究基因表达的过程，常作为细胞活性和生物通路激活的替代指标。从 20 世纪 90 年代末起，相关技术不断发展。如今，空间转录组学（Spatial Transcriptomics，ST）平台崭露头角，能在组织全切片上实现高达亚细胞分辨率的基因表达分析，为探究组织微环境提供了新视角，在健康和疾病研究领域意义重大。
基于感兴趣区域的方法
基于感兴趣区域（Region of Interest，ROI）的方法核心在于对预先定义的不同组织区域进行特征分析。早期典型方法是激光捕获显微切割（Laser Capture Microdissection，LCM），而目前最受欢迎的现代 ROI 方法是 GeoMX（Nanostring）。在 GeoMX 流程中，组织切片置于涂有寡核苷酸探针的载玻片上，这些探针与特定基因面板互补。每个探针通过可被紫外线（UV）裂解的化学键与基因特异性条形码相连，还有一套精密的微镜系统，可引导 UV 光照射特定区域，实现对目标区域基因表达的分析 。
空间转录组学方法的比较
尽管空间转录组学领域发展迅猛，但目前没有一种方法在所有参数上都表现卓越，每种技术都各有优劣（见相关对比）。由于平台众多且商业产品不断变化（如面板规模扩大），系统比较难度较大，但已有少量基准研究发表。关键性能指标包括空间分辨率、分子分辨率、检测效率、通量等。例如，基于测序的方法（如 Visium、Stereo - Seq）分子分辨率高，但空间分辨率和检测效率相对较低；基于成像的方法空间分辨率有优势，但在分子分辨率等方面存在不足。
空间转录组学分析方法
ST 平台能生成高分辨率空间数据集，但其分析在概念和计算上都较为复杂。一般的数据处理和分析流程包括：原始数据输出因 ST 方法（成像或测序）及平台而异。成像方法需通过图像分析将带有荧光点的一系列图像转化为基因表达数据；测序方法则要对测序数据进行处理和分析，包括数据预处理、质量控制、基因注释等步骤，后续还涉及多种数据分析手段，如聚类分析、差异表达分析等，以挖掘数据中的生物学信息 。
未来展望
从 ST 平台的多样性可看出，该领域发展迅速。未来，方法的空间和分子分辨率有望进一步提升。相关空间组学方法也可能取得新进展，将多组学技术全面引入空间研究。这一趋势已得到认可，如入选《自然》2024 年 “年度方法”。随着技术的发展，ST 在基础研究、疾病诊断、药物研发等领域的应用将更加广泛和深入，有望为生命科学和医学带来更多突破。
结论和实践要点
空间转录组学是新兴领域，可在组织空间背景下检测大量 RNA 分子，实现亚细胞分辨率分析。ST 平台主要有基于测序和基于成像两类方法。基于测序的方法在 RNA 收集和测序前编码空间信息（如 Visium、Stereo - Seq），分子分辨率高，但空间分辨率和检测效率较低；基于成像的方法则与之相反。在实验设计、数据分析和临床应用中，需综合考虑各种因素，发挥 ST 技术优势，推动病理学及相关领域发展。
