空间转录组学在肿瘤耐药机制研究中的应用

空间转录组学在肿瘤耐药机制研究中的应用演讲人2026-01-13空间转录组学技术概述：从“序列”到“空间”的技术革命01空间转录组学解析肿瘤耐药微环境的异质性02传统肿瘤耐药研究的困境：空间信息的“丢失”与“误读”03总结与展望04目录空间转录组学在肿瘤耐药机制研究中的应用引言在肿瘤临床治疗中，耐药性是导致治疗失败和疾病复发的主要障碍。传统肿瘤耐药研究多依赖于bulkRNA测序或单细胞转录组测序，这些技术虽能揭示耐药细胞的基因表达特征，却因丢失空间位置信息而难以回答“耐药细胞为何在特定部位存活”“微环境如何参与耐药形成”等关键问题。作为一名长期从事肿瘤微环境与耐药机制研究的工作者，我在多次实验中深刻体会到：肿瘤耐药不是单一细胞的行为，而是肿瘤细胞、免疫细胞、基质细胞及细胞外基质在特定空间位置上“协同作战”的结果。空间转录组学技术的出现，为我们提供了在原位水平、单细胞分辨率下解析基因表达与空间位置关联的工具，使耐药机制研究从“平均化的黑箱”走向“可视化的地图”。本文将结合技术原理、研究案例与临床转化需求，系统阐述空间转录组学在肿瘤耐药机制研究中的应用价值、突破与挑战。空间转录组学技术概述：从“序列”到“空间”的技术革命011空间转录组学的核心定义与技术原理空间转录组学（SpatialTranscriptomics,ST）是一类在保留组织空间结构的前提下，通过高通量测序技术捕获特定空间位置基因表达谱的技术平台。其核心突破在于解决了“基因表达在何处发生”的问题，将转录组数据与组织形态学坐标直接关联。目前主流技术可分为三类：1空间转录组学的核心定义与技术原理1.1基于捕获探针的技术以10xGenomicsVisiumSpatialGeneExpression为代表，其原理是在载玻片上排列数万个DNA捕获探针，探针包含寡聚dT序列（捕获mRNA的polyA尾）、空间barcode和唯一分子标识符（UMI）。组织切片贴附于载玻片后，通过通透化处理使mRNA释放并与探针结合，再经反转录、建库和测序，最终实现每个spot（约55μm直径）的基因表达定量。该技术通量高，适用于大组织样本的空间转录组检测，但空间分辨率受spot大小限制，难以区分单个细胞。1空间转录组学的核心定义与技术原理1.2基于原位捕获的技术如Stereo-seq（分辨率达500nm）和MERFISH（分辨率可达~100nm），通过在组织原位设计带有空间barcode的探针，直接对目标mRNA进行原位杂交与成像。Stereo-seq结合了DNA纳米球（DNB）技术和高精度显微成像，可在纳米级别上实现基因定位，适用于解析细胞亚群的空间分布；而MERFISH则通过多轮杂交与成像编码，可同时检测数百个基因，单细胞分辨率优势显著。1空间转录组学的核心定义与技术原理1.3基于成像的技术如seqFISH+和Barcodinginsitusequencing(BaSS)，通过荧光原位杂交（FISH）或原位测序技术，在显微镜下直接读取基因的空间表达信号。这类技术分辨率最高（可达单分子水平），但通量较低，适用于小样本、高精度的空间异质性分析。2空间转录组学相较于传统技术的核心优势在肿瘤耐药研究中，空间转录组学的优势体现在三个维度：2空间转录组学相较于传统技术的核心优势2.1空间异质性解析bulkRNA测序将整个样本的基因表达“平均化”，掩盖了肿瘤内部的空间异质性；单细胞转录组虽能区分细胞亚群，却丢失了细胞在组织中的位置信息。空间转录组学可直接呈现“耐药细胞聚集区”“免疫排斥区”等空间结构，例如我们在三阴性乳腺癌研究中发现，耐药样本中ALDH1A1+耐药干细胞并非随机分布，而是沿血管周围形成“血管旁耐药巢”，这一现象仅通过空间转录组才能被捕捉。2空间转录组学相较于传统技术的核心优势2.2微环境互作可视化肿瘤耐药依赖于肿瘤细胞与微环境的“对话”。空间转录组学可同时检测肿瘤细胞、免疫细胞（如T细胞、巨噬细胞）、基质细胞（如成纤维细胞）的基因表达，并通过空间共定位分析揭示细胞间互作。例如，在EGFR突变肺癌的奥希替尼耐药研究中，空间转录组显示耐药区域附近存在大量CXCL13+Treg细胞，这些细胞通过分泌IL-10抑制CD8+T细胞活性，形成“免疫保护屏障”——这一发现为联合靶向Treg细胞逆转耐药提供了依据。2空间转录组学相较于传统技术的核心优势2.3动态演进追踪通过治疗前后样本的空间转录组对比，可解析耐药的动态演进过程。例如，我们在结直肠癌患者化疗前活检样本和耐药复发样本的空间转录组分析中发现：初始治疗时，肿瘤中心区域出现少量耐药细胞亚群（如CD44v6+），这些细胞与间质细胞形成“耐药前体结构”；随着治疗推进，耐药细胞沿该结构向外扩散，最终占据整个肿瘤区域。这种“空间克隆演化”轨迹，为早期干预耐药提供了时间窗口。传统肿瘤耐药研究的困境：空间信息的“丢失”与“误读”02传统肿瘤耐药研究的困境：空间信息的“丢失”与“误读”在空间转录组学出现前，肿瘤耐药机制研究受限于技术手段，存在三个核心痛点，这些痛点直接导致我们对耐药的理解存在“盲区”。1bulkRNA测序的“平均化陷阱”bulkRNA测序将数万细胞的基因表达信号混合，得到的是“整体平均表达谱”。在肿瘤异质性背景下，耐药细胞可能仅占肿瘤细胞的5%-10%，其表达特征会被大量耐药敏感细胞的信号“稀释”。例如，我们在研究胰腺癌吉西他滨耐药时，bulkRNA测序显示耐药样本中“化疗代谢通路”基因整体下调，但空间转录组发现：这种下调仅发生在耐药细胞聚集的“纤维化区域”，而在肿瘤实质区域，耐药细胞反而高表达“药物外排泵”（如ABCB1），bulk测序的“平均化”结果掩盖了这一关键差异。2单细胞转录组的空间定位缺失单细胞转录组虽能解析耐药细胞的基因表达亚型，却无法回答这些亚型“在哪里”。例如，我们在卵巢癌顺铂耐药的单细胞测序中发现了“间质样耐药亚群”（高表达VIM、ZEB1），但无法确定这些细胞是位于肿瘤边缘还是转移灶中。空间转录组学补充了这一空白：通过空间映射发现，间质样耐药细胞主要定位于肿瘤-基质交界处，此处富含成纤维细胞分泌的HGF，而HGF可通过MET信号通路激活间质样耐药细胞的EMT程序，促进侵袭和耐药。这一发现揭示了“微环境定位驱动耐药亚型分化”的新机制。3微环境互作的“黑箱”传统研究常将肿瘤细胞与微环境分开分析，忽略了细胞间的“空间对话”。例如，免疫细胞浸润程度（如CD8+T细胞密度）常被作为预后标志物，但“浸润的T细胞在哪里发挥功能”却鲜少被探讨。空间转录组学显示：在黑色素瘤BRAFi耐药中，CD8+T细胞虽大量浸润肿瘤，但70%的T细胞聚集在远离肿瘤实质的“基质区”，且高表达耗竭标志物（PD-1、LAG3），而肿瘤实质区的T细胞则处于“静息状态”；这种“空间错位”的免疫浸润，直接导致免疫检查点抑制剂失效。这一发现颠覆了“T细胞浸润越多越好”的传统认知，强调了“空间位置”对免疫疗效的决定性作用。空间转录组学解析肿瘤耐药微环境的异质性03空间转录组学解析肿瘤耐药微环境的异质性肿瘤耐药微环境是一个高度复杂的“生态系统”，不同空间位置的细胞通过旁分泌、细胞接触等方式协同促进耐药。空间转录组学为我们绘制了这一系统的“生态地图”，揭示了三个关键空间特征。1耐药细胞的空间“生态位”形成耐药细胞并非随机分布，而是倾向于占据具有“生存优势”的空间位置，即“耐药生态位”。我们在肝癌索拉非尼耐药研究中发现：耐药细胞（高表达CD44、EpCAM）主要聚集在肿瘤-血管交界处，形成“血管旁耐药带”。通过空间转录组分析，该区域的基因表达特征显示：血管内皮细胞高表达EGF、FGF等生长因子，通过旁分泌激活耐药细胞的PI3K/AKT通路；同时，耐药细胞高表达MMP9，降解细胞外基质，形成“血管旁侵袭通道”，促进肿瘤转移和耐药。这一“血管旁耐药生态位”的形成，解释了为何抗血管生成药物（如索拉非尼）在长期使用后反而促进耐药——药物阻断了正常血管，却诱导了耐药血管旁结构的重塑。2免疫微空间的空间重塑肿瘤耐药常伴随免疫微空间的“功能重塑”，包括“免疫排斥区”“免疫抑制区”和“免疫豁免区”的形成。例如，在非小细胞肺癌PD-1抑制剂耐药中，空间转录组显示：耐药肿瘤中心形成“免疫排斥区”，该区域高表达CXCL12，招募CXCR4+Treg细胞和髓系来源抑制细胞（MDSCs），形成“免疫抑制盾牌”；而在肿瘤边缘，则出现“免疫耗竭区”，CD8+T细胞虽浸润但高表达PD-1、TIM-3，且与肿瘤细胞的接触距离显著增加（>30μm），无法发挥杀伤作用。这种“中心排斥-边缘耗竭”的双层免疫空间结构，是免疫治疗耐药的关键机制。3基质细胞的空间“协同作用”基质细胞通过分泌细胞因子、重塑细胞外基质（ECM）直接参与耐药。空间转录组学揭示了基质细胞与肿瘤细胞的“空间协作模式”：在前列腺癌恩杂鲁胺耐药中，癌相关成纤维细胞（CAFs）主要分布在肿瘤内部的“纤维化条索”中，其高表达的HAS1（透明质酸合成酶1）导致局部透明质酸沉积，形成“物理屏障”，阻碍药物渗透；同时，CAFs分泌的HGF通过旁分泌激活肿瘤细胞的c-MET通路，诱导AR-V7（雄激素受体剪接变异体）表达，导致去势抵抗。空间共定位分析显示，AR-V7+肿瘤细胞与HAS1+CAFs的空间距离<20μm，形成“成纤维细胞-肿瘤细胞耐药轴”，这一发现为靶向CAF-肿瘤互作逆转耐药提供了新思路。3基质细胞的空间“协同作用”4空间转录组学揭示耐药信号通路的时空动态演进耐药不是一蹴而就的“突变事件”，而是肿瘤细胞在治疗压力下，通过信号通路的动态重编程逐步适应的过程。空间转录组学通过时间序列样本分析，解析了耐药形成的“时空轨迹”，包括三个关键阶段。1初始治疗阶段：耐药“前体细胞”的空间富集在治疗初期，少量肿瘤细胞因基因突变或表观遗传修饰产生耐药潜能，形成“耐药前体细胞”。空间转录组学显示，这些细胞并非随机分布，而是倾向于定位于“微环境优势区”。例如，在乳腺癌多西他赛耐药研究中，治疗1周后的样本中，耐药前体细胞（高表达ABCB1、ALDH1A1）主要聚集在血管周围和肿瘤-脂肪交界处。血管内皮细胞分泌的IGF-1可通过IGF1R/PI3K通路激活耐药前体细胞的DNA修复能力，使其对化疗产生耐受；而脂肪细胞分泌的瘦素则通过LEPR/JAK2/STAT3通路促进耐药前体细胞的增殖。这种“微环境选择性富集”使耐药前体细胞在治疗初期获得生存优势，成为耐药复发的“种子”。2耐药发展阶段：空间“克隆扩张”与“生态重塑”随着治疗持续，耐药前体细胞通过克隆扩增形成耐药细胞亚群，并重塑局部微环境以维持耐药状态。我们在结直肠癌FOLFOX方案耐药的时间序列空间转录组分析中发现：治疗2周时，耐药克隆（高表达MTHFR、TYMS）在肿瘤中心形成“耐药核心区”，该区域的免疫细胞（CD8+T细胞、NK细胞）显著减少，而M2型巨噬细胞（高表达CD163、IL-10）富集；治疗4周时，耐药克隆沿“神经侵袭通道”向外扩张，同时诱导周围基质细胞分泌TGF-β，促进上皮-间质转化（EMT），形成“侵袭性耐药边缘”。这种“核心-边缘”的空间扩张模式，解释了为何耐药肿瘤往往呈“浸润性生长”，难以通过手术完全切除。3耐药成熟阶段：空间“耐药网络”的形成在耐药成熟阶段，肿瘤细胞、免疫细胞和基质细胞通过空间互作形成“耐药网络”，实现耐药机制的“系统性强化”。例如，在胃癌曲妥珠单抗耐药中，空间转录组显示：耐药区域存在“三细胞互作网络”——HER2+/CD44v6+肿瘤细胞与CD163+TAMs直接接触（距离<10μm），TAMs通过分泌EGF激活肿瘤细胞的EGFR/HER2旁路信号；同时，CAFs在肿瘤外围形成“纤维包壳”，高表达SDF-1α，招募CXCR4+MDSCs，抑制CD8+T细胞浸润。这一“肿瘤-TAM-CAF-MDSC”的空间网络，使耐药机制从“单一细胞耐药”升级为“系统性耐药”，导致多药耐药的出现。3耐药成熟阶段：空间“耐药网络”的形成5空间转录组学指导的耐药逆转策略：从“机制”到“临床”的转化空间转录组学的核心价值不仅在于解析耐药机制，更在于为耐药逆转提供“空间靶向”策略。基于对耐药微环境空间结构的解析，我们设计了一系列精准干预方案，并在临床前模型中取得了显著效果。1靶向耐药“生态位”的微环境重塑针对耐药细胞占据的“微环境优势区”，可通过阻断微环境支持信号逆转耐药。例如，在肝癌索拉非尼耐药中，我们基于空间转录组发现的“血管旁耐药带”，设计了“抗血管生成+免疫调节”联合策略：使用贝伐珠单抗阻断VEGF，破坏血管旁结构；同时联合PD-1抑制剂，通过空间转录组验证发现，该策略可使CD8+T细胞浸润至血管旁区域（浸润距离从>50μm缩短至<20μm），且T细胞耗竭标志物表达下降50%。在患者来源的异种移植（PDX）模型中，联合治疗组的肿瘤生长抑制率显著高于单药治疗组（78%vs35%）。2打破空间“免疫屏障”的细胞治疗针对“免疫排斥区”和“免疫耗竭区”的空间结构，可通过改造免疫细胞实现“精准浸润”。例如，在黑色素瘤BRAFi耐药中，空间转录组显示“免疫排斥区”高表达CXCL12，我们设计了一种CXCR4基因编辑的CAR-T细胞，该细胞不仅靶向肿瘤抗原，还能通过CXCR4/CXCL12轴主动迁移至免疫排斥区。在动物模型中，编辑后的CAR-T细胞在排斥区的浸润数量增加3倍，且耗竭标志物（PD-1、LAG3）表达显著降低，肿瘤清除效率提升60%。3基于“空间靶点”的联合治疗设计通过空间转录组筛选“空间限制性表达”的耐药靶点，可提高治疗特异性。例如，在胰腺癌吉西他滨耐药中，我们发现耐药细胞在“纤维化区域”高表达SLC29A1（人核苷转运体1），而正常胰腺组织及肿瘤敏感区域低表达该基因。基于此，我们设计了“吉西他滨+SLC29A1抑制剂”联合方案：SLC29A1抑制剂可阻断吉西他滨在耐药区域的摄取，同时增加其在敏感区域的富集。空间转录组验证显示，联合治疗后耐药区域的“药物外排泵”基因（ABCG2）表达下降40%，而敏感区域的细胞凋亡率增加2倍。6挑战与未来展望：空间转录组学在耐药研究中的“破局”与“深耕”尽管空间转录组学为肿瘤耐药研究带来了革命性突破，但其临床转化仍面临诸多挑战，同时也在推动技术向更高维度发展。1技术层面的瓶颈与突破当前空间转录组学面临三大技术挑战：一是分辨率与通量的平衡——高分辨率技术（如MERFISH）通量低，难以满足大样本临床需求；二是空间基因捕获效率——部分技术因mRNA损失导致低丰度基因检测灵敏度不足；三是多组学整合难度——空间转录组与空间蛋白组、空间代谢组的数据整合仍缺乏标准化流程。对此，我们团队正尝试开发“多模态空间组学”平台：例如，将Stereo-seq与空间代谢组（MALDI-IMS）结合，同时检测基因表达与代谢物分布，解析“代谢微空间”与耐药的关联；此外，基于深度学习的“空间分辨率增强算法”，可通过低分辨率数据预测单细胞水平的空间表达，有望突破硬件限制。2临床转化的障碍与路径空间转录组学的临床转化需解决两个核心问题：一是样本标准化——临床样本（如穿刺活检）体积小，空间转录组需优化实验流程以适应“微量样本”；二是数据解读的“临床可及性”——复杂的空间数据需开发可视化工具和AI模型，帮助临床医生快速识别“耐药热点区域”。我们正在开展多中心临床研究，收集治疗前后的肿瘤穿刺样本，建立“空间耐药数据库”，并开发基于机器学习的“耐药风险预测模型”，旨在通过