传统的单细胞测序虽然能揭示细胞异质性，但是在实验过程中需要将组织解离成单个细胞，导致丢失了诸如组织架构、细胞间相互作用和功能生态位等空间背景信息，无法更深一步理解肿瘤进化和临床疗效。空间组学的崛起填补了这一空白，然而，随着这一领域的爆发式增长，一系列核心挑战也随之而来：

 

• 从转录组、蛋白质组到代谢组，再到3D/4D空间分析，最新的空间组学前沿技术究竟演进到了什么程度？

• 面对庞大且复杂的多维信息，研究者该如何通过计算创新，将海量数据转化为确切的生物学见解？

• 从基础研究走向真实临床场景，如何建立一套切实可行的路线图，将空间组学真正应用于精准疗效预测与新型生物标志物的发现？

带着这些疑问，我们不妨来看看2025年底德克萨斯大学MD安德森癌症中心王凌华教授团队在《Cancer Cell》发表的《Spatial omics at the forefront: emerging technologies, analytical innovations, and clinical applications》。今天咱们就来逐一拆解这篇文章，提炼里面最核心的生物学见解。

 

PART.01 三个互补信息维度

空间组学并非单细胞技术的简单空间平移，而是将分子信息真实还原到原生组织架构中，跟传统解离测序相比多出来以下维度的关键信息。相比解离测序，其增量信息体现在以下维度：

坐标维度：给分子表达信号真实的物理位置，恢复被解离过程丢失的空间信息。从而能精确刻画肿瘤核心到侵袭边缘之间原本会消失的分子梯度变化。

层级维度：将分析视野从单一细胞拓展至邻域、生态位、空间社群及整体肿瘤生态系统，能够捕捉特定空间排列下细胞组合产生的宏观功能

 

 

多模态对齐维度：在统一坐标系中整合转录组、蛋白质组及代谢组等多元信息，利用跨模态交叉验证来大幅提高细胞功能注释的准确度并且消除评估偏差。

 

 

 

PART.02 两条路线并行演进

 

成像型（in situ）：单分子定位精度

通过循环解码或原位测序直接在组织上读取目标分子，精度可达亚细胞水平。

循环解码平台：以Xenium Prime 5K、CosMx WTX及MERSCOPE Ultra为代表的循环解码平台已经实现数千种基因与数十种蛋白的同步检测，并且正在逐步拓展包含TCR、BCR、SNV及微生物探针的个性化分析能力

原位测序平台：如 G4X 采用边合成边测序（SBS）技术，平衡了通量与成本，适用于中等通量的应用场景。

应用逻辑：若研究重点在于特定信号通路或检查点，成像型靶向方案更具优势。

测序型（barcode + NGS）：全转录组覆盖

利用空间条形码标记转录本并结合高通量测序读取信息，能够做到全转录组覆盖且标准化操作流程。

捕获阵列型：Visium HD 与 Stereo-seq 实现了微米级甚至纳米级的超高分辨率，支持全转录组及上百种蛋白同步检测。

条形码至细胞型：Slide-tags 与 Trekker 等新兴技术打破传统阵列物理限制，实现单细胞级别的空间精准标记。

核心挑战：即便分辨率达到亚细胞级别，规则条形码单元依然难以完全贴合不规则细胞边界，导致转录本细胞归属在算法层面还有一定的不确定性。

 

 

 

 

空间蛋白组、代谢组与多组学

1. 空间蛋白组学：高通量与临床兼容性

当前主流平台包括 PhenoCycler（60重检测）、基于金属标签的 IMC（无光谱串扰）以及 COMET 无标记方案。尽管技术日趋成熟，但高特异性抗体的获取、抗体间的交叉反应，以及在临床 FFPE 样本中的检测稳定性依然是主要难点。

2. 空间代谢组学：从亚微米精度到术中评估

该领域以 MALDI-IMS 为核心技术，结合适用于术中快检的DESI、亚微米分辨的SIMS及高灵敏度的timsTOF系统，显著提升了临床评估与科研分析精度。

3. 同片多组学：单切片的模态融合

Stereo-CITE与Patho-DBiT等新兴技术正推动单切片多模态检测走向常规化，同步获取转录组、蛋白质组及单核苷酸变异信息以实现组织样本深度刻画。

4. 3D 与 4D 空间：跨越维度的演化追踪

连续切片配准重建与非破坏性体积成像技术实现了三维尺度的克隆架构追踪，叠加时间维度后能够动态解析治疗前后肿瘤演化规律并构建完整时空图谱。

 

 

PART.03 从信号到洞见的关键步骤

 

 

细胞分割与形态还原

细胞分割的精度将直接决定转录本的归属，分割产生的误差会明显干扰后续细胞互作推断和临床关联分析的结果。

多通道方案：DeepCell 与 Cellpose 等方法综合细胞核、细胞质及质膜信号，能够让分割的结果更贴近真实物理形态。

转录本感知方案：Segger等算法利用分子空间分布特征辅助修正细胞边界，能够明显讲究高密度区域的误分配率。

 

预处理与伪影校正

预处理的主要挑战是显式建模空间伪影。

 

扩散校正：SpotClean与BayesTME运用概率空间和算法来有效校正由组织邻域扩散引发的信号污染。

去噪与域保留：SpaNorm通过位置感知的广义线性模型，去除噪声的同时保留组织域的完整结构特征。

空间嵌入降维：SpatialPCA直接融合物理坐标与降维算法，确保空间相邻区域低维特征平滑过渡，避免了传统算法造成的逻辑断裂。

 

 

 

空间超分辨率增强

空间超分辨率增强旨在突破物理检测极限，以恢复更精细的分子分布图谱。

 

多模态融合：SpaGCN 采用图卷积网络整合基因表达与组织学特征；iSTAR 利用层级 Transformer 架构将图像特征与表达数据对齐，实现了像素级的空间插值。

数学解构：TESLA等算法将低分辨率捕获点拆解为多个虚拟子单位来提升复杂组织边界识别精度。

细胞互作与高阶架构推断

研究视角从单纯的分子配对转向复杂的组织生态逻辑。

层级化建模：为了解析疗效的空间差异，算法将频繁共现细胞组合抽象为邻域、生态位及空间群落等多级特征来增强跨样本的可比性，从而揭示驱动功能的组织架构。

关联算法：CellPhoneDB、COMMOT 与 NicheNet 等工具通过结合表达强度与物理邻近性来实现对细胞间通信的精确推演。

空间基础模型：表征学习与迁移

UNI、KRONOS及LOKI等模型基于大规模组织特征预训练实现跨平台表征学习，但是这类基础模型的预测性推断结果还需要真实物理空间的数据来校验，不能直接替代实验验证。

 

 

PART.04 肿瘤微环境九大空间生态位

 

空间组学的核心价值就在能够解析肿瘤微环境（TME）中的功能生态位。综述将九类代表性生态位归纳为三大模块，每类都提供了明确的临床转化路径：

 

1. 免疫组织化模块：激活抗肿瘤免疫

三级淋巴结构 (TLS)：作为原位免疫枢纽，这部分结构的成熟度与ICB疗效明显相关。例如在鼻咽癌中，CXCL13驱动的细胞共定位可以促进B细胞的成熟，提示可以通过诱导TLS成熟来增强免疫应答。

干细胞样 CD8+ T 细胞位：靠近APC的自我更新储备库。这部分的空间密度是疗效早期预测的关键指标，可以指导个性化方案调整。

 

2. 屏障与边界模块：突破浸润障碍

血管周生态位：作为协调局部免疫响应的DC-T互作中心，能够提供血管正常化联合免疫治疗的空间生物学证据。

免疫排斥边缘：免疫排斥边缘的基质屏障阻碍了T细胞浸润肿瘤核心，是ICB耐药的典型特征。靶向纤维化通路解除该物理阻隔已成为关键的联合治疗方向。

CAF 相关生态位：不同亚型的成纤维细胞（如炎症型与肌成纤维型）构建了迥异的空间微环境，精准分型是靶向CAF的前提。

侵袭前沿：侵袭前沿富集肿瘤相关巨噬细胞与调节性T细胞构成的抑制屏障，可为术中切缘评估提供分子级精准参考。

 

3. 压力与外源模块：多维因素调控

缺氧生态位：呈分层结构并富集侵袭性细胞，这部分的分子特征可以预测放疗与抗血管生成治疗的敏感性。

神经免疫生态位：神经免疫生态位阐明了神经系统调节免疫的特化模式，直接开启癌症神经科学的临床转化窗口。

微生物定植位：菌群分布精细调控局部代谢（如Akkermansia调节谷氨酸代谢），其空间特征可作为益生菌干预的伴随诊断依据。

 

PART.05 临床转化：四级递进路径

空间组学的临床转化遵循从问题到落地的清晰路径——先明确临床问题与结局指标，再确定采样流程与时间点，随后反推平台和模态选择与分析框架，最终将高维发现蒸馏为可复用的临床级检测：

1.癌前拦截：沿"分子钟"发育轨迹定位癌前病变→识别风险标志物和拦截靶点→建立空间预后分层体系。例如在胰腺癌前驱病变中，空间组学已揭示从低级别上皮内瘤变到浸润癌的免疫微环境渐变轨迹，为高危人群的化学预防提供了空间分子依据。

2.转移机制：原发灶vs.转移灶的空间分子对比→揭示克隆适应和微环境重塑的"部位特异性"规律→指导部位感知干预。肝转移与脑转移的免疫排斥模式截然不同，提示同一药物在不同转移部位可能需搭配不同的微环境调控策略。

3.治疗耐药：纵向空间采样追踪克隆和微环境动态→发现空间特异性耐药生态位。卵巢癌MRD研究中，空间多组学刻画了化疗后残存肿瘤细胞的免疫豁免微环境特征，为维持治疗提供了空间锚定的联合方案。

4.从高维到临床：将上百重空间发现"蒸馏"为5-10个关键标志物的结构评分或低成本 IHC/ISH panel→嵌入常规病理工作流。空间功能基因组学（如PPP2R1A相关表型）已从空间发现推进至临床试验阶段，证明了"从空间洞察到临床干预"的可行性。

 

 

PART.06挑战与未来方向

尽管空间组学进展显著，实现广泛临床落地还需要跨越五大瓶颈：

技术标准化

3D 体素数据格式、分析流水线、生态位定义金标准均未统一。不同平台间的数据互操作和跨研究可重复性依然是核心障碍。HTAN Phase 2 等大型协作计划正推动数据共享与标准化框架建设，但覆盖面和落地速度仍需加速。临床级空间检测还需要建立从样本采集、固定包埋、切片到数据生成的端到端质控体系。

 

通量-深度-面积的三元权衡

全转录组覆盖、单细胞精度、大组织面积三者难以兼得。当前平台往往顾此失彼：成像型精度高但基因覆盖有限，测序型覆盖广但细胞边界模糊。下一代技术需同时突破这三个维度，而非在单一轴上做增量改进。

 

多维整合与3D/4D时空动态

从 2D 扩展到 3D/4D 分析是大势所趋，但是连续切片配准误差累积、体积成像数据压缩与存储、跨时间点对齐等计算挑战仍待解决。活体成像与空间组学的联动有望捕捉肿瘤演化的实时动态，目前还处于概念验证阶段。

 

AI 桥接与可解释性

利用基础模型从常规H&E预测空间特征可大幅降低临床门槛，但模型的"黑箱"性质限制了临床信任。跨平台泛化能力、可解释性验证、以及如何将AI推断与真实空间蛋白/转录数据校准，是临床落地前的必修课。可解释AI与临床专家的协同决策模式将是过渡期的合理方案。

 

液体活检联动与临床蒸馏

从cfDNA或循环tRNA片段推断组织空间架构，实现无创实时监测，是极具前景的方向。同时，如何将高维空间发现系统性地"蒸馏"为可规模化、AI赋能的临床级检测（5-10个标志物的panel），并嵌入常规病理工作流，决定了空间组学能否从"前沿工具"变为"临床标配"。

 

新兴方向

carRNA修饰与染色质调控的交叉（如m6A/m5C在增强子RNA上的空间特异性沉积）、糖基化RNA的细胞间通讯功能、以及空间表观转录组学的技术开发，正在为空间多组学打开全新维度。空间功能基因组学（如Perturb-map）将CRISPR筛选与空间组学结合，有望从"观察"升级为"因果验证"。

 

PART.07 结论

空间组学构建了细胞、生态位、空间社区及肿瘤生态系统的标准化层级框架，全面覆盖早期病变筛查、肿瘤转移监测、耐药病灶追踪与免疫治疗评估等核心临床场景，目前行业转化的核心命题十分清晰：如何让昂贵的高通量空间发现真正落地，转化为结合人工智能且临床普及的低成本常规诊断工具。

 

 

参考文献

Liu Y, Dai Y, Wang L. Spatial omics at the forefront: emerging technologies, analytical innovations, and clinical applications. Cancer Cell. 2025.