iSCALE技术突破空间转录组学局限，实现大样本的超分辨率分析

本研究针对现有空间转录组(ST)技术成本高、分辨率低、覆盖区域小等瓶颈，开发了iSCALE方法，通过整合多区域ST数据和H&E图像特征，成功实现大尺寸组织样本的超分辨率基因表达预测和细胞级结构注释，为疾病机制研究提供了新工具。

　　

在生命科学研究领域，空间转录组学（Spatial Transcriptomics, ST）技术近年来掀起了一场革命，它让科学家们能够在保留组织空间位置信息的同时，全面分析基因表达模式。

然而，这项看似完美的技术却面临着几大不足：基于测序的平台（如10x Visium）虽能实现全转录组测序，但缺乏单细胞分辨率，且捕获面积有限；而像Xenium、MERSCOPE等成像平台虽能提供亚细胞分辨率，但基因检测数量有限且扫描耗时。

更关键的是，这些技术都无法满足临床常见的大尺寸组织样本（如整个器官切片或大肿瘤样本）的分析需求，导致许多重要生物学区域被"拒之门外"。

面对这些技术瓶颈，宾夕法尼亚大学等机构的研究人员开发出一种名为iSCALE的新方法。它将组织学图像转化为丰富的分子资源，并以超分辨率（8×8μm，接近单细胞水平）预测大尺寸组织的空间基因表达。

这项突破性成果于9月15日发表在《Nature Methods》杂志上。

研究团队采用多尺度整合策略：首先从大组织块相邻切片获取多个标准尺寸的"子捕获"（daughter captures）ST数据；通过半自动对齐算法将这些数据整合到高分辨率母图（mother image）；利用视觉转换器（ViT）分层提取组织学特征；最后通过神经网络模型预测全组织的基因表达。

研究人员首先利用在10x Xenium平台上分析的胃癌组织切片（12×24mm）开展基准测试实验。结果显示，iSCALE在组织分割上显著优于iStar和RedeHist方法，能准确识别肿瘤-黏膜边界和三级淋巴结构（TLS）。

对于50%的基因，iSCALE-Seq与iSCALE-Img的Pearson相关系数在32μm分辨率下达到0.45以上。特别值得注意的是，iSCALE成功检测到与胃癌预后相关的印戒细胞区域，这是其他方法未能实现的。

接下来，研究人员评估了iSCALE的样本外预测能力。使用一个正常胃组织样本训练模型，预测另一个样本的表达模式，其分割结果与真实值调整Rand指数达0.74。

此外，100个高变基因中有99个显示出与真实值一致的表达模式。这表明iSCALE能够捕捉组织结构的保守特征，具有较好的泛化能力。

在后续实验中，他们分析了多发性硬化症（MS）患者的脑组织样本（22×19mm，包含活动性病灶核心和慢性活动性白质病灶）。通过整合11个Visium子捕获数据，iSCALE成功重建了全组织的基因表达图谱，并通过免疫组化验证了关键标记物（如髓鞘少突胶质细胞糖蛋白MOG和CD68）的预测准确性。

细胞类型注释揭示了病灶边缘富含铁富集小胶质细胞和T细胞等免疫细胞亚群，这些发现为理解MS病理机制提供了新线索。

最后，研究人员进一步证明iSCALE的临床适用性。使用第一个MS样本训练的模型，成功预测了第二个MS样本（22.3×23.6mm，包含皮质脱髓鞘区域）的基因表达和细胞组成，其识别出的抑制性神经元位置与样本内预测结果高度一致。这种跨样本预测能力大大降低了实际应用中的实验成本。

这项研究提出了一种新框架iSCALE，可用于基因表达预测、细胞类型注释和细胞分割，实现了大尺寸组织的全面空间转录组分析，其能力超越了传统空间转录组学平台。

iSCALE的创新性体现在多个方面：一是首次实现多ST捕获数据的无缝整合，突破了商业平台的区域限制；二是将常规H&E图像转化为高价值生物学信息源，大幅降低成本；三是建立了一套从基因表达到细胞类型再到组织结构的完整解析流程。

随着ST技术在生物医学研究中的普及，研究人员预计iSCALE将在人类疾病研究特别是大尺寸组织分析中发挥重要作用，为精准医疗提供强有力的工具支持。