成像测序双引擎赋能空间转录组学，开启科研新维度之旅

这篇文章主要介绍了RNA作为一种分析物的价值，以及空间转录组学如何改变您的工作。如果您想比较现有的10x Genomics的空间技术，这里提供了一份深度指南。

在2020年的一项调查中，研究人员将mRNA图谱分析和高内涵成像列为最有可能改变游戏规则的两项技术。如今，基于成像和测序的空间转录组学将这两项技术融合在一起，并放大了它们的优势。

我们写下这篇文章，不仅仅是为了说明这项技术将如何让您的研究受益，更是为了向您展示这一点。例如，下面展示了您可以通过单细胞分辨率的全转录组分析观察到什么：

图1. 利用Visium HD空间基因表达分析的人类结直肠癌FFPE样本。每种颜色代表了具有相似基因表达谱的区域。图片改编自Oliveira et al. 2024中的图3 (1)。(CC BY 4.0).

在图1中，条形码标记的2 µm x 2 µm正方形捕获了整张组织切片的基因表达，让组织的特征、结构、形态和病理信息栩栩如生，推动了无偏且无以伦比的探索性研究。但是，如果您需要更具靶向性的方法呢？

图2. 利用小鼠组织图谱分析panel在Xenium平台上分析完整小鼠幼崽的FFPE切片。

您在图2中看到的并不是免疫荧光，而是利用Xenium原位平台分析的RNA。具体来说，这是1.77亿条转录本，来自整张组织切片上的140万个细胞，将它们结合起来可以鉴定特定的细胞类型（用颜色表示），进而揭示特定的组织和结构。现在我们来放大一张新的切片，让您以亚细胞分辨率观察单条RNA转录本：

图3. 利用Xenium Prime 5K分析和多模态细胞分割分析的小鼠结肠FFPE样本。

这在视觉上给人留下了深刻的印象，但不止于此，它的功能还可以更强大。空间转录组学将分析成百上千个基因的能力与细胞分割或亚细胞分辨率（取决于您的平台）结合起来。它让您不仅能区分单个细胞，还能分析它们如何与周围细胞通讯、特定细胞邻域在健康和疾病中如何起反应等等。

阅读下文，了解更多。

 01 空间转录组学解锁有关细胞类型和状态的更多信息 

关键点

• 空间转录组学通过测定每个细胞中成百上千个基因，更清晰地描绘出细胞类型和状态，帮助您找到感兴趣细胞类型的最佳标志物，以补充和增强现有工具。

细胞是根据它们表达的特定基因来定义的。过去，研究人员通常依赖单个（或少量）蛋白或RNA标志物来表征整个细胞群体。然而，这种方法存在一些风险，包括可能会为您感兴趣的细胞选择了并非最佳的标志物，或根据单一标志物将异质性的细胞放在一起。它无法分辨生物系统中的各种细胞状态及其定位。但多重且全转录组的空间转录组学可以：

图4. 利用空间转录组学工具深度表征细胞类型。A. 利用Visium HD空间基因表达对人类结直肠癌FFPE样本进行基于测序的空间转录组学分析。图片改编自Oliveira et al. 2024中的图3 (1) (CC BY 4.0)。B. 利用Xenium原位分析平台对新鲜冷冻的人类肺癌样本进行基于成像的空间转录组学分析。图片改编自Haga et al. 2023中的图6l (2) (CC BY 4.0)。

尽管图4中的技术并不相同（您可以点击此处了解它们的差异和优势），但这些方法既相似又强大：每个平台都能让研究人员观察到定位在特定区域（2x2 µm正方形[图4A]或单细胞[图4B]）的转录本。

整合的生物信息学工具将相似的特征（与细胞类型相对应）归类在一起，然后为每种细胞类型分配了不同颜色，并绘制了它们在整个组织中的定位，以观察这些细胞类型是如何聚集在一起的。这种方法对于分析整张组织切片中的细胞邻域很有价值（图5）。

图5. 利用Xenium对肺癌中的细胞亚型进行高分辨率可视化。A. 图中显示了与图4相同的部分肺癌样本，展示了各种肺巨噬细胞和免疫标志物的空间分布和共定位。B. 图中显示了图4B中的部分组织，展示了各种免疫标志物在肺巨噬细胞（MARCO+细胞）中的差异表达。图片改编自Haga et al. 2023中的图6J。(CC BY 4.0).

注：图5中使用的细胞分割是Xenium的早期版本。目前首选的细胞分割方法是使用多种形态学染料对细胞边界和内部进行染色，并利用专门的算法进行准确分割(6)。

在图5中，研究人员以肺部巨噬细胞标志物MARCO（黄色）为例，展示了基于成像的空间转录组学如何更好地区分细胞亚群。有了丰富的数据集，他们能够从头表征组织中各种不同的MARCO+肺部巨噬细胞。值得注意的是，其中两种亚型（FABP4+和SPP1+）具有潜在的临床意义，因为它们“……会影响附近的成纤维细胞，并可能导致肺泡塌陷”，这是一种与肺部结构和功能有关的宏观变化。

您的工作将如何从中受益

• 空间转录组学让您能够观察更多基因，为您提供更多的数据点来鉴定细胞类型/状态及其在组织中的定位。这可以阐明组织的潜在生物学特征，作为研究终点，也可以帮助您选择更好的标志物，以便开展更有针对性的蛋白质组学研究。

 02 空间转录组学通过探究空间关系提供新维度的生物标志物 

关键点

• 生物标志物不仅包括“是什么”，还包括“在哪里”。空间转录组学让您能够分析细胞或现象之间的空间关系，并提供具有临床意义的生物标志物，这是仅凭单细胞分析无法做到的。

尽管生物标志物往往被认为是差异表达的基因、细胞类型或类似特征，但考虑空间背景也是至关重要的。

最近一项研究分析了未免疫接种和已免疫接种的阿尔茨海默病患者的淀粉样蛋白清除情况（图6），就是一个令人信服的例子。在两组患者中，当观察距离淀粉样蛋白斑块超过20 µm的细胞时，细胞组成基本相似。当观察距离斑块不足20 µm的细胞时，未免疫接种患者的细胞组成基本保持不变，但免疫接种患者的髓系细胞急剧增加（超过细胞总数的50%），这凸显了在研究药物应答时考虑空间定位的重要性。

图6. 细胞类型组成取决于是否靠近淀粉样蛋白斑块。免疫接种的阿尔茨海默病患者（LCMB）在淀粉样蛋白斑块附近显示出髓系细胞显著增加。人类FFPE脑切片是用Visium HD分析的。图片改编自van Olst et al. 2025中的图5P (5) (CC-BY-4.0)。

但并非所有的空间标志物都是基于细胞组成。另一项研究分析了与膀胱癌的免疫检查点抑制（ICI）应答相关的生物标志物(7)。研究人员利用Visium和Xenium分析发现，两组患者的整体细胞组成基本未变，但与无应答者相比，应答者免疫细胞与上皮细胞之间的距离更短，这与免疫细胞空间定位与ICI成功率相关的观点一致。

您的工作将如何从中受益

• 空间转录组学通过对特定细胞或现象进行空间定位，为您的生物标志物研究增添了另一个维度，让您能够从珍贵的样本中获取更多信息，并观察到传统和单细胞测序方法无法获得的信息。

 03 空间转录组学能够更深入地描述细胞之间如何联系和通讯 

关键点

• RNA分析通过更详细地描绘分子、细胞和组织层面上的活动来帮助您解析复杂的生物学。

细胞不仅会接触，也会交谈。了解单个细胞中的活动，其邻近细胞中的活动，以及它们如何作为一个整体进行通讯，对捕捉组织生物学的更大图像至关重要。

传统方法通过分析几个标志物来进行邻域和配体-受体分析，但多重单细胞空间RNA分析将标志物数量提高了几个数量级，可帮助您扩大分析范围（图7）。

图7. 脊髓中多发性硬化病灶的Xenium分析。A. 各种健康和疾病相关（DA）的胶质细胞在脊髓中的空间分布。B. 脊髓中的多发性硬化病灶“区室”内每个细胞的细胞间相互作用网络。图片改编自Kukanja et al. 2024中的图4A和图5C。(CC BY 4.0).

在这篇2024年发表的论文中，研究人员利用多重空间RNA分析来探究脊髓中的多发性硬化病灶(3)。他们首先鉴定出与疾病相关（DA）的胶质细胞（图7A），然后利用细胞邻近性和基因表达分析建立了病灶“区室”内每个细胞的相互作用网络（图7B）。后续的配体-受体分析显示，DA小胶质细胞可能影响DA少突胶质细胞，并导致多发性硬化症中这些（及其他）细胞类型的失调。

第二个例子来自非因生物，研究人员利用Xenium空间转录组学对免疫治疗后有应答和无应答的乳腺癌患者进行了比较(4)。在众多细胞类型中，只有两个细胞群（CTLA4+/CD8+效应T细胞和PD-L1+巨噬细胞）与应答患者的乳腺癌细胞共定位（图8）。

图8. 细胞共定位揭示了应答者特有的免疫细胞与癌细胞之间的相互作用。对多个乳腺癌组织的Xenium分析表明，在对免疫治疗产生应答的患者中，只有特定的免疫细胞类型（红色、粉色）与肿瘤细胞（蓝色）共定位。图片改编自Wang et al. 2024中的图5C。(CC BY 4.0).

最后，基于无偏测序的空间转录组学让您能够筛选感兴趣组织中的细胞和组织结构，例如在本例中，利用Visium HD分析查看外周与肿瘤组织的结构，并探究C1QC（巨噬细胞）与COL1A1（成纤维细胞）的相互作用：

图9. 利用Visium HD分析探究人类结直肠癌FFPE样本中外周和肿瘤细胞的组成和定位。图片改编自Oliveira et al. 2024中的图4 (1)。(CC BY 4.0).

您的工作将如何从中受益

• 对细胞类型的深入鉴定，以及观察它们如何与其他细胞共定位，让空间转录组学能够更广泛、更深入地揭示细胞间通讯，并更好地了解组织微环境和细胞邻域。

 04 空间转录组学提供样本的更全面数据集，同时不影响现有的分析物 

关键点

• Xenium和Visium HD平台均与同一张切片的H&E染色和免疫荧光兼容，可实现真正的多组学分析。

空间转录组学分析很好。如果能保留现有的分析方法，从组织中获得更多信息，那就更好了。举个例子，看看下面的Visium HD和Xenium分析视频：

 

 

想象一下，上述视频是对您自己的组织样本进行的分析。您的组织之前已进行H&E染色和成像（或进行测序和叠加，适用于基于测序的空间转录组学）。将这一功能与获得免疫荧光（IF）*数据的能力相结合（图10），将RNA添加到您的经典工作流程中，这意味着可以从组织样本中获得更丰富的数据集，同时不影响现有的分析物。

图10. 利用RNA和IF分析阿尔茨海默病小鼠模型的脑组织。IF显示，淀粉样蛋白斑块（白色）周围存在与稳态和损伤相关的星形胶质细胞和小胶质细胞（分别为绿色和粉色）。数据来源于应用指南《利用Xenium原位分析以亚细胞分辨率探索阿尔茨海默样病理》。

*按照最新的技术指南，IF可在Xenium分析后进行，Watson等人在2024年的研究(4)中展示了在Xenium分析后的组织上实现多达16重的免疫荧光染色。

您的工作将如何从中受益

• 组织学提供了宝贵的见解，但分辨率相对较低。蛋白质是一种重要的分析物，但通常只能低通量分析。使用10x Genomics的空间转录组学平台，意味着您可以将组织学和蛋白质的优势与高通量或全转录组RNA分析相结合，从样本中获得更多信息，同时不影响现有的分析物。

结语

本文介绍的范例展示了将空间转录组学融入您的工作中将如何为组织生物学提供变革性的见解，让您在不影响现有分析物和方法的前提下更深入地了解细胞通讯、细胞类型和疾病机制。我们诚邀您探索每个平台的优势和最佳使用案例（点击此处），或联系我们的专家，在您的空间之旅中迈出下一步。

欢迎扫码联系我们询价或了解更多技术信息

参考资源：

1. Oliveira MF, et al. Characterization of immune cell populations in the tumor microenvironment of colorectal cancer using high definition spatial profiling. bioRxiv (2024). doi: /10.1101/2024.06.04.597233

2. Haga Y, et al. Whole-genome sequencing reveals the molecular implications of the stepwise progression of lung adenocarcinoma. Nat Commun (2023). doi: 10.1038/s41467-023-43732-y

3. Kukanja P, et al. Cellular architecture of evolving neuroinflammatory lesions and multiple sclerosis pathology. Cell (2024). doi: 10.1016/j.cell.2024.02.030 

4. Wang N, et al. Spatial single-cell transcriptomic analysis in breast cancer reveals potential biomarkers for PD1 blockade therapy. Research Square (preprint) (2024). doi: 10.21203/rs.3.rs-4376986/v2

5. van Ost L et al. Microglial mechanisms drive amyloid-β clearance in immunized patients with Alzheimer's disease. Nat Med (2025). doi: 10.1038/s41591-025-03664-0

6.https://www.10xgenomics.com/support/software/xenium-onboard-analysis/latest/algorithms-overview/segmentation

7. Grande E, et al. Spatial biomarkers of response to neoadjuvant therapy in muscle-invasive bladder cancer: the DUTRENEO trial. medRxiv (2025). doi: 10.1101/2025.02.07.25321742