綜述：空間組學：在腫瘤微環境分析中的應用與價值

《Cancer and Metastasis Reviews》：Spatial omics: applications and utility in profiling the tumor microenvironment

【字體： 大 中 小 】 時間：2025年12月04日 來源：Cancer and Metastasis Reviews 8.7

　　

空間組學技術導論

空間組學技術已經發展成為生物醫學研究領域的一項變革性工具。與傳統的大量（Bulk）或單細胞（Single-cell）測序方法相比，其最大優勢在于能夠保留組織的空間結構，使研究人員能夠將分子信息直接映射到組織學結構上。傳統基因組方法，如大量RNA測序，雖然在分析RNA以推斷整體組織特征方面發揮了重要作用，但缺乏空間分辨率，限制了其識別特定轉錄本在組織架構中起源位置的能力，并阻礙了對原位細胞相互作用的理解。單細胞轉錄組學的出現標志著一大進步，它使得在單個細胞水平解析轉錄組成為可能，允許對細胞狀態和類型進行更精細的分類，并為理解細胞間動力學提供了新見解。然而，盡管具有這種粒度，單細胞方法仍無法明確解析空間背景或確認原生組織環境中細胞間的物理相互作用。

空間轉錄組學技術正是為了彌合這一差距而開發的。初始方法如激光捕獲顯微切割（Laser-capture Microdissection）和靶向區域特異性RNA測序使得在限定組織區域內進行轉錄組分析成為可能，但在通量和可擴展性方面受限。測序基礎平臺的商業發布通過標準化拓寬了空間分辨轉錄組學的應用范圍。

測序基礎的空間組學

測序基礎的空間轉錄組學將單細胞RNA測序的核心原理應用于空間分辨的組織，從而能夠在完整的組織切片上進行全轉錄組范圍的分析。這些方法依賴于空間索引的表面——例如帶有條形碼的玻片（如10x Genomics Visium）、圖案化的DNA納米球陣列（如BGI Stereo-seq）或帶有條形碼的磁珠（如Curio Slide-seq）——以空間信息明確的方式捕獲RNA分子。將組織切片放置在這些表面上后，使用與陣列上已知位置對應的條形碼寡核苷酸捕獲mRNA。經過逆轉轉錄和文庫制備后，測序讀數被映射回參考基因組及其原始空間坐標。這使得無需靶基因先驗知識即可對大面積組織進行無偏倚、高通量的轉錄組分析。其結果是一幅豐富的基因表達空間圖譜，既保留了解剖學背景，又提供了單細胞或近細胞級的分辨率。像GeoMx數字空間分析儀（結合測序與區域特異性分析）和DBiT-seq（使用流體輸送條形碼，允許進行多模態空間分析 assay，如RNA、蛋白質和表觀基因組學）這樣的平臺進一步擴展了測序基礎方法的實用性。這些技術共同使測序基礎的空間組學成為癌癥、神經生物學和發育生物學中驅動發現研究的強大工具。

成像基礎的空間轉錄組學

成像基礎的空間轉錄組學多重分析技術（如ISH, ISS）利用迭代的雜交和高分辨率熒光成像循環，在完整組織內定位RNA分子。這些方法需要靶轉錄本的先驗知識，因為它們依賴于設計特定的、帶有條形碼的寡核苷酸探針，這些探針與選定的mRNA種類雜交。在每個雜交循環后，熒光成像捕獲結合探針的空間位置，然后通過連續的成像輪次對信號進行解碼，以重建轉錄本的身份和豐度。像MERFISH（多重容錯熒光原位雜交）和SMI（空間分子成像）這樣的平臺利用組合條形碼方案來增加多重分析能力，同時最大限度地減少成像錯誤。這些方法能夠以亞細胞分辨率同時檢測全轉錄組中數百至數千個轉錄本，為基因表達模式和細胞鄰域的精細結構提供見解。

基于ISS的平臺，如Xenium，通過將組織內的RNA逆轉錄成cDNA、連接padlock探針、滾環擴增和熒光測序連接反應，實現了對RNA序列的直接讀取，為ISH-only方法提供了替代方案。成像基礎轉錄組學的一個顯著優勢是保留了組織結構和單細胞空間分辨率，這對于解析腫瘤邊緣、免疫細胞生態位和發育梯度等細粒度結構特別有價值。這些技術非常適用于空間精度至關重要的假設驅動型和探索型研究。

成像基礎的空間蛋白質組學

成像基礎的空間蛋白質組學利用與轉錄組分析 assay 相似的原則，但側重于檢測和空間映射組織中的蛋白質表達。這些方法使用與熒光標簽或獨特寡核苷酸條形碼結合的抗體或親和試劑，然后通過迭代成像或測序基礎方法進行解碼。順序免疫熒光（seqIF-COMET）和其他循環免疫熒光（CycIF）方法通過執行重復的染色、成像和信號去除輪次，對同一組織切片中的多達100種蛋白質靶點進行分析，擴展了傳統的免疫組織化學。最廣泛使用的平臺之一CODEX（通過索引共檢測）依賴于抗體偶聯的DNA條形碼，通過與互補熒光報告分子進行重復的雜交循環進行可視化。每個成像輪次顯示一部分蛋白質，經過多個循環后，可以在整個組織上重建高度多重化的蛋白質表達圖譜。

其他平臺，如MIBI（多重離子束成像）和IMC（成像質譜流式細胞術），使用金屬同位素標記的抗體和飛行時間質譜來并行檢測數十種蛋白質，提供了卓越的多重分析能力，而無需擔心熒光系統中光譜重疊的限制。這些技術在腫瘤學中特別強大，因為空間分辨的免疫分析和腫瘤異質性對于理解疾病機制和治療反應至關重要。

蛋白質組分析 assay 通常與轉錄組空間數據整合，以提供更全面的、多模態的組織組織和細胞表型視圖。雖然蛋白質組學本質上受到抗體可用性和特異性的限制，但抗體驗證和新多重化學技術的進步不斷擴大靶標面板。成像基礎蛋白質組學還受益于高空間保真度，使其成為在細胞-細胞接觸和組織微環境水平繪制蛋白質表達圖譜的理想選擇。

空間數據分析的計算方法

空間組學技術生成大規模、高維度的數據，這些數據結合了轉錄組和/或蛋白質組譜與空間坐標，因此需要專門的計算方法進行分析。分析流程通常從預處理步驟開始，如圖像配準、組織分割和空間條形碼解復用，以將分子計數與空間位置或單個細胞關聯起來。對于測序基礎平臺（如Visium、GeoMX、DBit-seq或Slide-seq），這涉及將測序讀數與參考基因組比對并將轉錄本映射到空間條形碼；對于成像基礎平臺，使用圖像配準和點解碼來識別轉錄本位置。對于大多數空間分析 assay，包括成像基礎的轉錄組學和蛋白質組學，細胞分割是成像基礎分析中的關鍵組成部分，需要使用DAPI染色或膜標記物精確劃分細胞邊界，這通常得到深度學習算法（如Cellpose、Stardist）的支持。

一旦分子特征被分配到空間單元（細胞、點或像素），就會使用降維技術，如主成分分析（PCA）、均勻流形近似與投影（UMAP）或t分布隨機鄰域嵌入（t-SNE）來可視化細胞異質性。聚類方法——如Leiden或Louvain——根據轉錄組相似性對細胞或區域進行分組，而具有空間意識的算法（如BayesSpace、SpaGCN或stLearn）將空間鄰近性整合到聚類中以保留局部結構。為了注釋細胞類型，基于參考的標簽轉移方法（如Seurat的錨點基礎整合、Tangram或InsitutypeML）利用現有的單細胞RNA-seq圖譜，根據轉錄相似性和空間一致性來推斷身份。

除了聚類，空間轉錄組學支持獨特的下游分析，包括使用SpatialDE、Trendsceek或SPARK等工具推斷空間可變基因。這些基因有助于定義解剖結構、腫瘤邊界或微環境生態位。此外，配體-受體相互作用推斷工具，如NicheNet、CellPhoneDB和Giotto的空間相互作用模塊，通過將空間共定位納入信號模型，能夠預測細胞間通訊。適用于空間背景的軌跡推斷方法（例如，帶有空間錨定的Monocle 3或空間偽時間模型）可以揭示跨組織景觀的發育或病理梯度。

雖然這些計算工具已經顯著推進了空間組學分析，但它們依賴于不同的假設，這些假設會影響其性能和解釋。例如，統計模型如SpatialDE和SPARK假設平滑的空間變異，這可能無法完全捕捉異質性組織（如腫瘤）中的突然轉變。基于圖的方法如SpaGCN和BayesSpace能更有效地建模空間拓撲結構，但對圖構建參數和分辨率尺度敏感。類似地，基于參考的映射框架如Tangram和InsitutypeML嚴重依賴于單細胞參考圖譜的質量和穩健性，可能在表征不良的組織區域中包含有偏見的細胞類型注釋。這些考慮強調了需要仔細選擇工具，平衡可解釋性、穩健性和生物學相關性。

最近出現的集成框架通過結合多個空間層和更全面地建模細胞間關系來解決這些局限性。SiGra和xSiGra采用圖神經網絡來整合空間轉錄組學和蛋白質組學信息，揭示潛在的空間域和高階細胞相互作用。SpaCI利用空間基因表達與推斷的細胞間通訊網絡來捕捉上下文依賴的信號傳導。這些方法代表了向多模態、預測性空間組學分析的轉變，擴展了其分析深度和轉化潛力。

可視化對于解釋空間組學數據至關重要，并得到Squidpy、Giotto、Napari和Vitesse等平臺的支持，這些平臺提供交互式空間圖、表達疊加和鄰域圖可視化。隨著數據復雜性的增加——特別是3D空間數據或多組學整合——可擴展、可解釋且基于生物學的計算框架對于充分利用空間組學的力量將至關重要。

空間組學技術在癌癥研究中的應用

空間組學最有效地應用于需要詳細分析細胞活動的領域。在癌癥中，空間組學可用于在單細胞和亞細胞水平繪制腫瘤微環境（TME）圖譜，揭示生物標志物表達的空間分布以及各種細胞類型（包括癌細胞、免疫細胞、成纖維細胞和內皮細胞）的相互作用。這對于理解TME如何支持腫瘤進化、轉移和免疫逃逸，以及識別潛在的治療靶點至關重要。

在2023年，Xia等人通過結合空間組學與單細胞轉錄組學，證明了空間組學對于理解原發性中樞神經系統淋巴瘤（PCNSL）的TME的重要性，能夠生成高分辨率的TME圖譜以確定細胞組成和空間位置。空間組學獨特地揭示了免疫細胞和腫瘤細胞在PCNSL TME內是如何組織和相互作用的——特別是傳統單細胞或大量分析無法檢測到的位置依賴性免疫抑制和信號模式。該研究確定了不同的腫瘤亞群，如“防御者”、“攻擊者”和“侵略者”，說明了免疫細胞浸潤對腫瘤行為的影響，為基于TME特征的靶向治療提供了見解。另一個典型例子是Croizer等人的研究，他們繪制了TME圖譜，表征了FAP⁺癌癥相關成纖維細胞（CAF）的多樣性和可塑性，并確定了10種CAF相關的生態細胞類型（EcoCellTypes）。這種整合單細胞和空間組學的方法揭示了不同的CAF簇如何與免疫細胞和癌細胞相互作用，提供了對TME組織的更深入理解，并提出了靶向FAP⁺ CAF以增強免疫治療療效的潛在策略。免疫抑制性myCAF簇以及免疫抑制性巨噬細胞（TREM2⁺ TAM）和調節性淋巴樣細胞（FOXP3⁺ Tregs, NKG2A⁺ NKregs）始終被發現與腫瘤細胞緊密相鄰。這些空間模式——基于距離的細胞簇分離和生態細胞類型富集——與患者結局相關。這些研究表明，空間組學超越了傳統的批量或單細胞分析，能夠在空間背景下理解TME內的細胞身份和相互作用。空間信息使研究人員不僅能理解每個細胞的作用，還能了解它們在哪里以及如何相互通信，為更深入地理解癌癥行為和治療反應提供了關鍵見解。

除了結構和細胞圖譜繪制，空間組學還能捕捉治療引起的組織及周圍TME的變化，提供對藥物作用的流行病學理解，有助于在單細胞水平評估藥物療效和機制。SpaRx模型通過將藥物基因組學與CosMx和MERSCOPE數據相結合，探索了非小細胞肺癌（NSCLC）和肝細胞癌（HCC）等疾病的治療反應。這種方法揭示了空間上不同的藥物反應模式，例如在肺癌中分散的順鉑敏感細胞和成簇的耐藥細胞，以及在肝癌中核心定位的耐藥細胞。通過識別癌癥內空間相關的區域，SpaRx揭示了耐藥機制，從而實現個性化治療策略，并促進了跨多種癌癥的靶點驗證、生物標志物發現和藥物再利用。這些發現表明，空間組學增強了對機制的理解，并作為一個轉化橋梁，將分子見解與臨床表型和藥物反應變異性聯系起來。這種對不同腫瘤區域內TME分子異質性的高分辨率分析，允許在單個腫瘤內識別不同的癌細胞亞型，為腫瘤進展、耐藥性和轉移潛力提供見解。一項關于胰腺導管腺癌（PDAC）瘤內異質性的研究強調了空間基因表達對腫瘤行為和治療結果的影響。Sun等人繪制了缺氧和常氧腫瘤區域的空間基因表達圖譜，發現缺氧誘導了腫瘤細胞亞群的顯著變化，這些變化增加了耐藥性并促進了侵襲，尤其是在缺氧區域。這項研究強調了靶向缺氧相關通路（如糖酵解）的潛力，并確定PI3K抑制劑作為使用空間組學作為發現工具識別出的缺氧區域的潛在治療藥物。這項研究強調，空間背景揭示了TME特異性的脆弱性，這對于設計靶向干預措施至關重要。將這種方法擴展到早期肺腺癌（LUAD），最近的一項研究揭示了貼壁型和腺泡型亞型的獨特分子特征，包括具有預后意義的亞型特異性基因特征。空間分析進一步揭示，腺泡區域中的PD-L1⁺內皮細胞通過抑制CD8⁺ T細胞浸潤，促進了免疫逃逸和腫瘤進展。在高度異質性的腫瘤中，空間組學分析提高了診斷準確性，這在兩種罕見的乳腺癌亞型——claudin-low（CL）和化生性乳腺癌（MpBC）的研究中得到了證明。通過對11個三陰性腫瘤（包括3個CL和4個MpBC樣本）進行空間組學分析，Coutant等人盡管存在基質污染，仍識別出了如BMPER、POPDC3和SH3RF3等腫瘤特異性標志物。這些結果揭示了在這些高可塑性腫瘤中進行批量分子譜分析的局限性，并證明了空間方法在改進亞型分類和制定治療策略方面的價值。在起源于漿液性輸卵管上皮內癌（STIC）的高級別漿液性卵巢癌（HGSOC）中，Wang等人通過使用測序基礎的空間組學，研究了早期疾病進展，確定了IGFBP2——一個在STIC中因其原生微環境中DNA低甲基化而上調的關鍵基因。通過空間映射上皮細胞及其相鄰基質，他們證實IGFBP2在絕經后輸卵管中促進腫瘤細胞增殖，而敲低IGFBP2通過阻斷AKT通路抑制腫瘤生長，提示了早期癌癥發展的潛在機制及其治療靶點潛力。總體而言，空間組學作為一種轉化工具具有巨大潛力，可以指導精準腫瘤學和靶點發現，不僅通過繪制跨腫瘤的分子和細胞異質性圖譜，還通過提供關于藥物反應、耐藥性和腫瘤進展在單細胞分辨率下的機制見解。

空間組學已成為分析免疫細胞浸潤和腫瘤-免疫相互作用的創新工具，為免疫治療的發展提供了重要見解。Cai等人比較了導管原位癌（DCIS）和浸潤性導管癌（IDC），證實了在乳腺癌進展過程中腫瘤侵襲性增加和免疫逃逸。空間偽時間組學分析表明，在IDC中觀察到致癌通路的激活和更高的拷貝數變異，并且T細胞通過共抑制相互作用（如NECTIN2-TIGIT）轉變為耗竭狀態。這些發現證明了腫瘤-免疫相互作用如何塑造免疫抑制性TME。隨著免疫檢查點抑制劑（ICI）的成功日益增加，理解腫瘤-免疫相互作用變得更為關鍵。空間組學通過揭示免疫細胞分布和腫瘤-免疫相互作用如何影響治療結果，對于解釋免疫檢查點抑制劑的反應已變得不可或缺。Iwasa等人通過空間組學確定了口腔鱗狀細胞癌（OSCC）對免疫治療獲得性耐藥的機制。通過比較免疫治療前后的腫瘤和TME樣本，作者發現從免疫相關通路向表觀遺傳通路的轉變，包括PRMTs、EZH2、HDACs和DNMT1的活性增加。這些變化與MHC I類表達降低和抗原呈遞受損相關，顯示了表觀遺傳抑制劑與免疫治療聯合克服耐藥性的可能性。另一項研究應用空間組學來表征頭頸部血管肉瘤（一種與紫外線暴露相關的罕見腫瘤類型）的免疫景觀。通過將空間數據與基因組和轉錄組分析整合，Loh等人發現了拓撲異質性，包括免疫“熱”腫瘤（炎癥被排除在腫瘤區域外）和免疫“冷”腫瘤（含有炎癥灶）。這些發現揭示了免疫浸潤的空間復雜性，并表明空間分析可以提高血管肉瘤免疫治療策略的準確性。這些研究表明，空間組學提供了關于免疫細胞的空間組織和腫瘤-免疫相互作用如何影響免疫治療結果的機制見解，使得能夠識別可操作的靶點并設計更精確和針對特定背景的免疫治療策略。

空間組學通過提供對腫瘤生物學的整體視角，能夠識別特定的分子特征并指導精準醫療。通過繪制不同腫瘤區域對治療的反應圖，空間組學可以指導選擇適合個體患者的靶向治療。Wang等人使用空間組學方法繪制了92名三陰性乳腺癌（TNBC）患者的腫瘤結構和TME，確定了與臨床結局相關的九種空間原型。該研究揭示了獨特的分子和免疫特征，包括一個預測免疫治療反應的新型三級淋巴結構（TLS）基因特征，強調了空間分析在完善TNBC分類和指導個性化治療策略方面的價值。空間組學還可以通過揭示在腫瘤或TME的特定區域哪些基因和通路被激活來幫助識別新的藥物靶點。這有助于指導開發旨在破壞TME或癌細胞中促癌信號的靶向治療。Arora等人對HPV陰性口腔鱗狀細胞癌（OSCC）進行了一項研究，使用空間組學揭示了腫瘤核心（TC）和前沿（LE）之間不同的基因表達和細胞譜。LE特征與侵襲性和不良預后相關，并在多種癌癥中保守，而TC特征與較好的結局相關。該研究還表明，能夠逆轉LE樣狀態的藥物可以改善治療，提示空間組學可以精確地將LE識別為一個有希望的治療靶點。Vahid等人對102名非小細胞肺癌（NSCLC）患者的腫瘤和基質區室進行了空間蛋白質組學分析，以識別與總生存率相關的蛋白質特征。這項研究表明，基質CD56表達與更好的生存相關，而腫瘤B細胞淋巴瘤超大（BCL-xL）和B7-H3與較差的結局相關。這些結果提示了空間組學在NSCLC中發現預后生物標志物和開發靶向治療的可能性。空間組學超越了簡單的分子特征分類，將空間分析的分子信息轉化為適用于精準醫療的見解。通過系統地將特定分子特征與腫瘤結構、免疫環境和臨床結局聯系起來，空間組學增強了個性化治療策略，并突出了先前未知的預后因素和治療靶點。

空間組學技術通過實現對腫瘤結構和細胞相互作用的高分辨率洞察，正在改變癌癥研究。隨著這些技術從簡單的圖譜繪制工具演變為集成平臺，它們揭示了腫瘤生物學的核心功能特征——如亞克隆進化、免疫逃逸、代謝適應和治療耐藥——與空間組織密切相關。通過捕捉這些空間分辨的過程，空間組學建立了一個概念框架，將分子改變與其在腫瘤微環境內的空間和功能后果聯系起來。該框架支持用于精準腫瘤學和早期診斷的空間表觀遺傳學分析，使得能夠合理設計個性化治療策略。這些應用正在重塑我們對腫瘤生物學的理解，并加速將空間見解轉化為臨床實踐。

空間組學在癌癥研究中未解決的問題與挑戰

盡管空間組學顯著增進了我們對癌癥的理解，但仍存在一些挑戰和未解決的問題，阻礙了其在癌癥研究和臨床應用中的全部潛力。當前空間組學平臺的一個主要技術挑戰是其有限的分辨率，尤其是在區分單個細胞方面。對于這些應用，由于并非在單個細胞水平上分配，因此準確分離基因活動在計算上變得具有挑戰性，并限制了對癌癥研究至關重要的細胞異質性分析。高分辨率成像基礎轉錄組方法提供了更高的分辨率，但在規模和基因覆蓋范圍上有限，并且需要預定義的探針面板，這可能會限制新轉錄本或稀有細胞群的發現。開發能夠平衡高分辨率、全面轉錄組覆蓋范圍（最近由CosMX平臺實現）和可擴展性的平臺仍然是一個重大挑戰，尤其是在研究稀有細胞群空間分布很重要的腫瘤時。測序基礎和成像基礎方法在可用形態學標記物的范圍上都有限制。增加用于染色的經過驗證的抗體可以緩解與區分重要細胞類型相關的挑戰。組織降解和載玻片粘附問題也是所有空間組學分析 assay 面臨的技術挑戰。許多未經驗證的組織類型可能需要額外的組織優化，當樣本供應有限時，這可能會有問題。較小的組織塊，例如組織微陣列（TMA）中的組織塊，在組織處理過程中更容易從載玻片上脫落，導致樣本丟失。

另一個挑戰是空間組學與其他組學數據的整合。腫瘤的形成有多種原因，