微环境依赖性转录模式与细胞间通讯的系统性评估更新揭示空间组学整合的局限性

本研究针对单细胞RNA测序(scRNA-seq)在解析空间微环境影响下的细胞间通讯(CCC)的局限性，整合scRNA-seq与空间转录组学(ST)技术，系统评估了乳腺癌、大脑皮层和心脏组织中空间微环境对基因表达和细胞互作的调控。研究发现仅有半数样本显示微环境依赖性差异基因表达，且基于配体-受体(LR)对的CCC预测与细胞共定位显著脱节，揭示了当前CCC推断方法存在高假阳性率，强调了发展空间感知分析框架的必要性。该研究为理解组织复杂性提供了重要方法论启示。

　　

在生命科学领域，理解细胞如何通过复杂的信息网络相互对话，一直是揭示组织功能和疾病机制的核心挑战。随着单细胞RNA测序(scRNA-seq)技术的突破，科学家们得以解码单个细胞的基因表达谱，然而这项革命性技术却丢失了关键的空间信息——就像获得了所有角色的台词却不知道他们在舞台上的位置。与此同时，新兴的空间转录组学(ST)虽然能保留组织结构的空间信息，却难以达到单细胞分辨率。这种技术鸿沟使得研究者们陷入两难：如何准确重建细胞间通讯(CCC)的时空动态？

更令人困扰的是，当前基于scRNA-seq的CCC预测方法（如CellPhoneDB）主要通过检测配体-受体(LR)对的共表达来推断潜在相互作用，但这些预测是否真实反映空间邻近细胞间的功能联系仍存疑。已有研究表明，微环境会显著改变细胞状态和通讯行为，但在缺乏空间验证的情况下，这些预测的可信度几何？这正是西班牙巴塞罗那科学技术研究所的Elena Pareja-Lorente和Patrick Aloy团队在《Genome Biology》发表的研究试图解答的关键问题。

研究团队开发了一套系统性分析流程，整合四种空间映射算法（Cell2location、CellTrek、CytoSPACE和Tangram），对乳腺癌、小鼠大脑皮层和人类心脏三个典型组织的scRNA-seq与ST数据进行多维度解析。技术路线主要包括：空间细胞类型去卷积与映射、基因表达相似性分析（余弦距离计算）、差异基因表达检测（Wilcoxon检验与pseudobulk DESeq2）、共定位分析（Jaccard相似性）以及多方法CCC预测（CellPhoneDB v4、LIANA和CellChat）。特别值得注意的是，研究采用患者匹配样本（如4例乳腺癌患者的19,300个细胞）和严格的亚采样对照，确保结论可靠性。

微环境对癌细胞转录组的影响有限
通过对CID4535等乳腺癌患者的分析发现，尽管病理注释明确区分了"浸润性癌+淋巴细胞"等不同微环境区域，全局基因表达相似性分析（中位余弦距离0.23-0.62）和UMAP可视化均未能区分空间定位不同的癌细胞亚群。差异表达分析显示微环境依赖性基因表达具有高度情境特异性——在比较癌细胞与T细胞/基质细胞相邻区域时，CID44971患者检出181个差异基因（富集于免疫调控通路），而CID4290患者仅发现2个差异基因。这种异质性提示scRNA-seq对微环境效应的捕捉灵敏度不足。

CCC预测与空间共定位严重脱节
研究揭示了一个关键矛盾：在乳腺癌样本中，尽管内皮细胞ACKR1与癌细胞在空间上完全隔离（Jaccard相似性=0），CellPhoneDB仍预测出940个显著LR相互作用。这种背离在三种CCC预测工具中高度一致（Spearman相关系数>0.9），且通过亚采样验证排除了细胞数量偏差。小鼠大脑L5 IT神经元分析进一步显示，外层神经元与L4神经元虽共定位却预测出467个LR相互作用，而理论上应更互动的内层神经元与L6神经元仅获288个预测——这种反向模式凸显当前方法的空间识别缺陷。

心脏成纤维细胞的微环境惰性
对人类心脏窦房结(SAN)和房室结(AVN)的分析发现，活化的FB4成纤维细胞在节点与心肌区均未显示微环境依赖性转录差异（余弦距离0.72-0.75），且差异基因检测结果矛盾（AVN样本195个 vs SAN样本0个）。值得注意的是，CCC预测再次出现与共定位解耦的现象：内皮细胞EC1与心肌区成纤维细胞共定位时预测61个相互作用，而与节点区非共定位成纤维细胞竟预测63个相互作用。这种系统性偏差在LIANA共识分析中依然存在，证实非空间CCC预测存在根本局限。

该研究通过多组织系统性评估，证实当前基于scRNA-seq的CCC推断方法难以捕捉微环境特异性互作，即使整合空间信息仍存在显著假阳性。这一发现对领域内普遍依赖的CCC分析流程提出方法论警示，强调必须发展能整合分子互作动力学参数的新型空间感知算法。研究特别指出，单细胞转录组与空间组学的简单叠加并不足以解析功能性CCC网络，未来需要开发能定量描述配体扩散范围、受体激活阈值等参数的下一代计算模型。这些见解为精准解析组织微环境中的细胞对话提供了关键路线图，对癌症免疫治疗和神经退行性疾病研究具有深远意义。