利用IN-DEPTH技术进行同玻片空间多组学整合，揭示肿瘤病毒引发的肿瘤微环境空间重排现象

《Cancer Discovery》：Same-Slide Spatial Multiomics 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了解组织结构提供了重要线索，但这些技术目前仍存在较大差异。而新兴的同玻片多组学方法在复杂度、空间分辨率、信号保持能力以及综合分析方面还存在局限。我们提出了IN-situ DEtailed Phenotyping To High-resolution transcriptomics（IN-DEPTH）技术，这是一种高效、资源消耗低且可与商业检测平台兼容的工作流程，它利用单细胞空间蛋白质组学产生的图像来指导在同一玻片上进行转录组学检测，同时避免RNA信号的丢失。为了实现超出单一细胞层面上的数据整合，我们开发了光谱图交叉相关分析（SGCC）技术，这是一种能够解析相互作用细胞群体中空间上协同发生的功能状态变化的蛋白质组学与转录组学分析框架。将该技术应用于弥漫性大B细胞淋巴瘤的研究中，IN-DEPTH和SGCC技术使得我们能够以单细胞分辨率对比EBV阳性与EBV阴性肿瘤，从而发现肿瘤、巨噬细胞和CD4 T细胞之间的协同重构现象，以及免疫抑制性的C1Q巨噬细胞增多、CD4 T细胞功能异常等情况，同时还发现了一个可能的IL27–STAT3信号通路。总体而言，IN-DEPTH技术实现了可扩展的空间多组学分析，有助于揭示具有临床意义的微环境机制，也为构建强大的空间多模态人工智能模型奠定了基础。

意义：

IN-DEPTH技术通过以蛋白质为分析基础的策略，能够在不同商业检测平台上实现同玻片空间多组学分析，同时保留蛋白质表位、RNA质量以及组织的完整性。结合SGCC技术后，该技术能够解析空间上协同发生的免疫重构现象，揭示出在弥漫性大B细胞淋巴瘤中由EBV/LMP1驱动的C1Q巨噬细胞极化以及CD4 T细胞功能异常现象，此外该技术也适用于其他疾病的研究。