编辑推荐：
为解决代谢组学、脂质组学和糖组学缺乏统一综合分析的问题，研究人员开展 “大脑代谢组、脂质组和糖组空间分析” 的研究。他们利用质谱成像技术和 Sami 框架，揭示大脑区域特异性代谢需求及 Ps19 模型代谢失调，为神经退行性疾病研究提供新视角。
在生命科学的广阔领域中，代谢组、脂质组和糖组就像隐藏在生物体内的神秘密码，它们是构成代谢网络的基础，其相互关联的动态变化掌控着细胞的生理和病理进程。长久以来，尽管代谢组学（Metabolomics）、脂质组学（Lipidomics）和糖组学（Glycomics）各自在探索代谢网络的道路上取得了一定进展，但始终缺乏一种统一、综合的分析方法，无法全面呈现这个复杂的代谢景观。这就好比在黑暗中摸索，虽然每个领域都有自己的小亮光，但却无法照亮整个代谢世界，导致我们对组织代谢异质性的理解十分有限，难以深入探究代谢性疾病的病因。
为了突破这一困境，来自美国佛罗里达大学（University of Florida）的研究人员踏上了探索之旅。他们开展了一项极具创新性的研究，旨在实现从单个组织切片同时进行代谢组、脂质组和糖组的空间分析。最终，研究成果发表在《Nature Communications》上。
研究人员用到的主要关键技术方法有：首先是质谱成像技术，通过该技术对小鼠大脑组织切片进行扫描，获取代谢物、脂质和聚糖的空间信息；其次是开发了 Sami（Spatial Augmented Multiomics Interface）框架，用于多组学数据的整合、高维聚类、空间解剖映射以及代谢途径富集分析 。
一、空间三重组学工作流程
研究人员以小鼠大脑为模型，成功从单个组织切片获取多组学数据。他们先在 10μm 厚的大脑切片上涂覆 N-(1 - 萘基) 乙二胺二盐酸盐（NEDC）基质，利用基质辅助激光解吸 / 电离（MALDI）质谱成像技术，先后进行空间代谢组和脂质组扫描。由于低 m/z 代谢物（<500 m/z）和高 m/z 脂质（500 - 1500 m/z）的离子光学调谐要求不同，代谢组学和脂质组学需分两次运行。之后去除 NEDC 基质，对组织进行固定，并通过肽 - N - 糖苷酶 F（PnGase F）和异淀粉酶消化，释放复杂碳水化合物，用于空间糖组和糖原分析，空间糖组学采用 α - 氰基 - 4 - 羟基肉桂酸（CHCA）作为电离基质，在正离子模式下进行。经此流程，研究人员成功获得小鼠大脑冠状面和矢状面切片中三类组学分子特征的空间图像，展现出这些分子在不同脑区独特的空间分布。同时，研究人员对该工作流程的可重复性进行评估，发现虽然顺序工作流程会使相对离子丰度降低，但各检测中分子特征的比例和空间分布相对一致，对空间生物学解释的影响极小。
二、Sami 框架
- 空间多组学数据集的配准和整合：面对 MALDI 多组学数据集带来的巨大计算挑战，研究人员开发了 Sami 框架。该框架的第一步是多组学整合，它将代谢组学、脂质组学和糖组学数据的不同生物学特征整合为一个统一的输入，便于进行高维和通路分析。MALDI 仪器中的 smartbeam3 激光技术记录激光照射点的 x/y 坐标，使 Sami 能够通过交叉参考这些坐标，确定每个像素在所有数据集中的精确空间位置，实现多组学信息的有效叠加。通过增强相关系数（ECC）分析验证，直接像素对像素匹配的 ECC 得分接近完美（0.95），表明不同模态之间的对齐效果极佳。成功整合后，研究人员进行了相关性和网络分析，发现不同模态中的许多特征存在高水平的共表达，网络分析也揭示了不同模态代谢物之间的连接性，证明了多组学整合的有效性。
- 高维降维、空间聚类和注释：Sami 框架中的高维降维是将高维 MALDI MSI 数据集转化为可操作和易于管理信息的有力策略。研究人员使用 UMAP（Uniform Manifold Approximation and Projection）对整合的三重组学数据集进行聚类分析，发现其涵盖了单个模态 UMAP 分析中存在的独特聚类，且结合三种模态的聚类效率并不低于单模态（通过轮廓系数 Silhouette score 验证）。对冠状脑进行空间聚类后，发现空间聚类与解剖学上不同的脑区高度对应，研究人员利用艾伦研究所的小鼠脑图谱对每个空间聚类进行手动注释，进一步证实了 UMAP 聚类与大脑生物化学的生物学相关性。在矢状脑切片中进行类似分析，也得到了相似的结果。此外，研究人员还建立了参考多组学特征集用于脑区注释，并通过在不同脑切片上的测试，证明了该注释方法的稳健性和高重复性。
- Sami 的空间分辨通路富集分析：Sami 在空间聚类和注释之后进行通路分析，这是提炼大型组学数据集、为假设生成研究提供可行下一步的关键步骤。研究人员首先对野生型（WT）小鼠大脑进行分析，通过比较不同聚类之间的差异表达，选择每个聚类中表现出显著变化的前 50 个注释多组学特征，利用 MetaboAnalyst 3.2 管道中的小分子通路数据库（SMPDB）进行代谢通路富集分析。例如，海马体 CA3 区域的聚类分析显示，柠檬酸循环和谷氨酸代谢是富集程度最高的两条通路；而胼胝体的前两条富集通路则是糖异生、Warburg 效应和糖酵解。这表明多组学整合结合空间聚类能够揭示大脑内区域特异性的代谢特征。
为了进一步展示 Sami 空间通路富集分析的实用性，研究人员对 WT 和 tauopathy（Ps19）小鼠模型进行了空间代谢组学、脂质组学和糖组学分析。Ps19 阿尔茨海默病小鼠模型表达人类 MAPT（P301S）突变 tau 基因，会导致进行性 tau 病理、神经退行性变和类似额颞叶痴呆的认知缺陷。研究人员对 9 个月大的雌性 WT 和 Ps19 小鼠进行三重组学分析，包括共同的 UMAP 聚类和通路映射。结果发现，在 tauopathy 小鼠模型的大脑皮层中，柠檬酸循环、Warburg 效应、肉碱合成以及乙酰基向线粒体的转移等通路发生了显著变化；而在小脑中，淀粉和蔗糖代谢、甘油酯代谢、糖酵解和三酰甘油生物合成等通路出现改变。通过对代谢物水平的分析，发现不同脑区和不同组之间代谢物的变化存在差异，如在 CA3 区域和 Ps19 大脑皮层中，柠檬酸、乌头酸和苹果酸等代谢物的变化趋势相反。此外，研究人员还通过多重免疫荧光分析对关键酶和糖原进行检测，验证了空间多组学的发现，进一步凸显了整合空间分辨多组学数据与靶向验证方法在绘制健康和疾病大脑区域特异性代谢变化中的重要性。
研究结论表明，该研究建立的从单个组织切片同时评估代谢组、脂质组和糖组的方法，相比传统的混合组学分析有了重大进展，能够更全面地评估代谢景观或网络。Sami 框架的强大功能，使得多组学数据能够有效整合、分析，揭示了大脑区域特异性代谢差异以及疾病状态下的代谢失调。然而，研究也存在一定的局限性，如在顺序 MALDI 扫描中低丰度离子会优先丢失，且目前该工作流程无法提供细胞水平的见解。但随着技术的不断发展，未来有望通过与其他技术的整合，如成像质谱细胞术（IMC）、CODEX、Xenium、VISIUM（空间转录组学）等，弥补这些不足，实现将代谢组学、脂质组学和糖组学数据与特定细胞注释相关联，深入了解组织功能和病理。同时，进一步扩展组学特征覆盖范围，提高激光分辨率至接近单细胞水平，将为代谢研究开辟更广阔的前景。该研究为大脑代谢的研究迈出了重要一步，为深入探究大脑功能与代谢活动之间的复杂相互作用奠定了基础，也为神经退行性疾病等相关疾病的研究提供了新的方向和思路 。
