利用深度分析技术实现同幻灯片空间多组学整合，揭示肿瘤病毒与肿瘤微环境空间重组的关联 开放获取

《Cancer Discovery》：Same-Slide Spatial Multi-Omics Integration with IN-DEPTH Reveals Tumor Virus-Linked Spatial Reorganization of the Tumor Microenvironment Open Access

　　

摘要

空间转录组学和蛋白质组学为理解组织结构提供了深刻的见解，然而这些技术仍然存在很大差异，而新兴的同一载玻片多组学方法在复杂性、空间分辨率、信号保留和整合分析方面存在局限性。我们提出了“原位详细表型分析到高分辨率转录组学”（IN-DEPTH）技术，这是一种简化、资源高效且与商业设备兼容的工作流程，它利用单细胞空间蛋白质组学成像来指导在同一载玻片上进行转录组学分析，而不会丢失RNA信号。为了将不同模态的信息整合起来，我们开发了“光谱图交叉相关”（SGCC）技术，这是一种蛋白质组学-转录组学框架，可以解析相互作用细胞群体中的空间协调功能状态变化。将该技术应用于弥漫性大B细胞淋巴瘤（DLBCL）的研究后，IN-DEPTH和SGCC技术能够从EBV阳性与EBV阴性肿瘤的比较中逐步揭示出单细胞水平的特征，包括肿瘤-巨噬细胞-CD4 T细胞的重塑、免疫抑制性C1Q巨噬细胞的富集、CD4 T细胞的功能障碍，以及一个可能的IL-27–STAT3信号通路。总体而言，IN-DEPTH技术使得可扩展的空间多组学分析成为可能，有助于揭示具有临床意义的微环境机制，并为构建强大的空间多模态人工智能模型奠定基础。