Nature Biotech：利用空间生物学来揭示疾病背后的机制

　　

细胞之间的 “对话” 往往隐藏着疾病发生发展的关键密码。传统的单细胞RNA测序技术虽能解析单个细胞的活动，却丢失了细胞在组织中的空间互作信息；而低通量的空间分析方法虽能保留位置信息，却难以捕捉全转录组层面的分子机制细节。

这种 “见树不见林” 的困境，使得研究者难以精准破译细胞互作网络与疾病表型之间的因果关系。如今，一个新时代正在到来。空间转录组学的改进方法正在出现，它们能够以单细胞分辨率开展全转录组分析。

《Nature Biotechnology》杂志近日发表了题为“Beyond cell atlases: spatial biology reveals mechanisms behind disease”的文章，讲述科学家们如何利用空间生物学来揭示疾病背后的机制。

自空间解析转录组学被评为2020年年度技术以来，这个领域已经相当成熟。多家公司发布了全新或改进的空间转录组学产品，其中许多产品扩大了空间转录组学在临床研究中的适用范围，比如改善了FFPE组织的性能，提高了分辨率，并降低了成本。

然而，空间转录组学在许多方面仍处于起步阶段，生物信息学家正在以最快速度开发新的分析工具。圣裘德儿童研究医院的空间组学中心主任Jasmine Plummer说：“如果你看一下GitHub，每周有三种新的空间工具出现，因为这个领域发展得太快了。”

空间转录组学值得吗？

开展空间转录组学实验既昂贵又耗时。实验本身可能需要长达一周的时间，而分析和解读大量数据也不是一种简单任务。那么，空间转录组学值得吗？

昆士兰大学弗雷泽研究所的Arutha Kulasinghe认为：“转录组学真正的亮点在于了解机制。”他主要研究癌症，目前一个重要的研究领域是了解为什么许多癌症对免疫治疗无应答。

Kulasinghe解释说，RNA数据显示，耐受免疫疗法的肿瘤在能量代谢方式上发生了改变，进而阻止免疫细胞浸润肿瘤，而了解这些代谢变化可以发现新的药物靶点。“从机制层面，我们需要了解肿瘤或免疫细胞中的哪些通路被开启或关闭，而我们只能从RNA层面了解这一点。”

为什么某些疗法对部分患者无效，这仍是一个重大问题，适用于其他许多疾病。美国西北大学胃肠病学系的Parambir Dulai表示，治疗炎症性肠病的药物大约只对三分之一的患者有效，即使在疾病临床表现相似的情况下，患者也会对药物产生不同的应答。

Dulai及其同事利用空间转录组学发现了髓系细胞与成纤维细胞之间的相互作用，这种互作导致患者对药物无应答。他们从中有望发现一条可靶向的通路或开发出一种诊断检测，以确定哪些患者不大可能对药物产生应答。

探索交界地带的相互作用

科学家们发现，病变组织与健康组织之间的边界可能会蕴含一些隐藏线索。转化基因组学研究所（TGen）的Nicholas Banovich主要研究肺纤维化（PF）。在将肺纤维化患者肺部样本的RNA数据与组织学数据叠加时，他们发现一些看似正常的肺部细胞出现了明显的分子失调。了解细胞损伤前的分子变化有助于了解为什么某些患者的病情发展较快。

同样，肿瘤边缘的细胞间相互作用也会决定肿瘤是缓慢生长还是侵袭性强。肿瘤微环境的动态变化影响着从癌前病变到1期、2期癌症的进展。“看似混乱的细胞形成了一种结构。这并不是一个随机过程，”Kulasinghe说。“如果我们从一开始就阻止这些细胞聚集在一起，我们能延缓癌症的进展吗？”

有时，RNA还不够

在某些情况下，转录组只能揭开部分图像。圣路易斯华盛顿大学的神经科学家Miranda Orr对神经退行性疾病很感兴趣。她的研究团队采用空间转录组学和蛋白质组学方法测定了tau的基因表达以及多种形式tau蛋白的蛋白表达。

他们比较了相邻神经元的情况，一些积累了tau蛋白，而另一些则没有。让人惊讶的是，前者的RNA水平却低于后者。“如果你只看转录组学，你根本无法知道那些在基因水平上下调了tau的神经元实际上积累了大量的tau蛋白，” Orr谈道。

新产品不断涌现

文章指出，空间转录组学技术通常分为两类：基于成像和基于测序。基于测序的方法能够以非靶向方式捕获整个转录组，但目前在数据分辨率上低于成像方法。不过，随着各大公司开发出先进的产品来弥补这些差距，也许不久之后就不必在覆盖度和分辨率之间做选择了。

基于成像的方法通常能捕获单细胞或亚细胞分辨率，但需要使用预选择的探针组合进行检测。最近，Bruker公司推出了一种全转录组（WTX）panel，适用于其CosMx空间分子成像仪。这个组合包含37,872个成像条形码，据称可以对整个人类转录组进行亚细胞分辨率的成像。

此外，文章还介绍了Vizgen、Illumina和Complete Genomics等公司的新产品。

数据解读仍是挑战

尽管大多数空间转录组学平台都自带一些分析软件，但用户一般会通过GitHub获取软件，或购买专门的软件来分析数据。这些软件通常利用人工智能（AI）功能来加快分析速度，实现自动化并提高准确性，例如改进细胞分割。

不过，空间生物学公司Nucleai的病理学负责人Ken Bloom解释说，标注一个区域内所有细胞的身份及其所处的状态只是挖掘转录组学数据的第一步。“秘诀其实在于了解这些细胞之间的所有关系，以及它们之间是如何相互作用的。”

一旦确定了细胞类型和相互作用，下一步就是研究这些相互作用如何预测和影响临床结局。哈佛医学院的Faisal Mahmood等人近日报告了一种名为VORTEX的新型AI框架。它可以将3D组织形态学与2D空间转录组学相结合，解析整个3D样本的转录组。

文章最后提到，尽管空间多组学仍需要克服一些挑战，才能成为像基因组测序一样的常规技术，但生物医学研究人员正在拥抱这项强大的技术，而前方将是多种技术的结合。

“科学家们认识到了解生物学多个层面的重要性，无论是DNA、RNA、蛋白质、翻译后修饰还是miRNA，”Orr谈道。