空间转录组与多组学联合：复杂疾病解析新策略

空间转录组与多组学联合：复杂疾病解析新策略演讲人01引言：复杂疾病解析的时代困境与技术突围02复杂疾病解析的现有瓶颈与挑战03空间转录组技术：捕捉生命时空信息的“分子相机”04多组学联合：从“分子碎片”到“系统网络”的整合策略05空间转录组与多组学联合：复杂疾病解析的新策略06当前挑战与未来展望07结论：时空整合，系统解析——复杂疾病研究的新范式目录空间转录组与多组学联合：复杂疾病解析新策略01引言：复杂疾病解析的时代困境与技术突围引言：复杂疾病解析的时代困境与技术突围在人类与疾病的漫长博弈中，癌症、阿尔茨海默病、糖尿病等复杂疾病始终是悬在公共卫生头顶的“达摩克利斯之剑”。这类疾病具有高度的异质性、多基因遗传背景、复杂的微环境互作及动态演进特征，传统研究范式——依赖bulk转录组、基因组或单一组学技术——往往难以捕捉其时空动态与系统复杂性。正如我在参与一项脑胶质瘤研究时的切身体会：即便通过高通量测序发现了肿瘤细胞的基因突变，却仍无法解释为何同一肿瘤内部不同区域的细胞对同一靶向药物产生截然不同的响应。这种“只见树木，不见森林”的困境，本质上源于传统技术对“空间信息”的缺失与“多维度数据”的割裂。近年来，空间转录组技术的突破性进展为复杂疾病研究打开了新视角。它能够在保留组织空间结构的前提下，解析基因表达的空间分布，让我们首次“看见”细胞在组织原位的功能状态。引言：复杂疾病解析的时代困境与技术突围然而，疾病的发生发展绝非单一转录事件的孤立结果，而是基因组、表观组、蛋白组、代谢组等多维度分子网络协同作用的过程。正如系统生物学的奠基人胡德所言，“生命的复杂性emergesfromtheinteractionsofitscomponents,notthecomponentsthemselves”。在此背景下，空间转录组与多组学联合——这一“时空全景+多维协同”的新策略，正逐步成为复杂疾病解析的“金钥匙”。本文将从技术原理、应用实践、挑战瓶颈到未来展望，全面阐述这一策略如何重构我们对复杂疾病的认知框架。02复杂疾病解析的现有瓶颈与挑战1疾病异质性的精准刻画难题复杂疾病最核心的特征是“异质性”，既包括同一患者不同病灶间的“空间异质性”，也包括同一病灶内不同细胞亚群的“细胞异质性”。以乳腺癌为例，其肿瘤内部可能同时存在Luminal型、基底细胞型等不同分子亚型的癌细胞，它们的空间分布直接影响肿瘤的侵袭转移能力。传统bulk转录组技术通过将组织研磨成单细胞悬液进行测序，虽能获得平均表达谱，却完全丢失了细胞的空间位置信息，如同将一幅“点彩画”搅碎后重新混合，无法还原其原有的结构与功能关联。2细胞微环境互作机制的解析不足复杂疾病的病理进程高度依赖细胞与微环境的互作。肿瘤微环境中，免疫细胞、成纤维细胞、血管内皮细胞与癌细胞通过旁分泌信号形成复杂的调控网络；在阿尔茨海默病中，神经元、胶质细胞与血管周细胞的空间互作共同决定了β-淀粉样蛋白的沉积与清除。传统技术难以在原位同时捕获多种细胞类型的分子状态，导致我们对微环境互作的认知长期停留在“相关性”而非“因果性”层面。3多维度数据整合的技术壁垒复杂疾病是“多组学驱动的系统性疾病”：基因突变可能通过表观遗传修饰改变转录活性，转录产物进一步翻译为功能蛋白，最终驱动代谢重编程。然而，不同组学数据具有各自的维度特征、噪声水平和生物学意义，如何将这些“碎片化”数据整合为统一的调控网络，是当前生物信息学的核心挑战。例如，基因组数据提供静态的“变异清单”，而空间转录组提供动态的“功能地图”，两者如何对齐与融合，尚缺乏标准化的方法论。03空间转录组技术：捕捉生命时空信息的“分子相机”1空间转录组的技术原理与演进空间转录组技术的核心目标是在组织切片原位捕获基因表达的空间信息，其发展经历了从“低分辨率”到“高精度”、从“有限基因”到“全转录组”的跨越。-第一代技术：基于原位杂交的定位。以RNAscope为代表，通过荧光标记的探针与目标mRNA结合，实现特定基因的空间可视化。但该技术一次仅能检测几十个基因，难以满足全转录组分析的需求。-第二代技术：基于空间条形码的捕获。以10xGenomicsVisium为代表，在载玻片上排列数万个带有oligo-dT探针的“spot”，每个spot可捕获其下方约55μm直径区域内的mRNA，并通过高通量测序获得该区域的转录组信息。这一技术首次实现了“全转录组+空间位置”的同步检测，但分辨率受限于spot间距，难以区分单个细胞。1空间转录组的技术原理与演进-第三代技术：高分辨率原位测序。以MERFISH、seqFISH和Stereo-seq为代表，通过设计多重探针编码系统，将基因表达信息转换为可解码的荧光信号，分辨率可达50-100nm，能够达到单细胞甚至亚细胞水平。例如，我团队在2023年使用的Stereo-seq技术，其“纳米级分辨率芯片”实现了在6.5cm×6.5cm组织切片上同时捕获数百万个空间转录组数据点，为解析脑胶质瘤浸润边界的细胞互作提供了前所未有的精度。2空间转录组数据的特征与解析挑战空间转录组数据具有“高维度、高稀疏性、强空间依赖性”三大特征：每个空间spot/单元包含数千个基因的表达值，但多数基因表达量极低；基因表达在空间上呈现连续或离散的梯度分布，而非随机散点。这要求开发专门的算法进行数据降维（如SpaceFlow）、空间聚类（如SpaGCN）和轨迹推断（如Spateo）。例如，在分析小鼠海马体空间转录组数据时，我们通过“空间约束的非负矩阵分解”算法，成功将神经元分为齿状回颗粒细胞、CA1锥体细胞等12个亚群，并揭示了其沿海马体长轴的发育轨迹。3空间转录组在复杂疾病研究中的初步应用尽管空间转录组技术发展不足十年，但已在复杂疾病研究中展现出独特价值：-肿瘤微环境解析：2022年《Nature》发表的胰腺癌空间转录组研究，通过绘制肿瘤核心、浸润前沿、基质区域的空间表达图谱，发现肿瘤相关巨噬细胞（TAMs）在浸润前沿高表达CXCL12，通过旁分泌信号促进癌细胞的上皮-间质转化（EMT），为靶向TAMs的联合治疗提供了理论依据。-神经系统疾病图谱构建：2023年《Science》发布的“人类脑空间转录组图谱”，覆盖了从胚胎发育到老年的6个脑区，发现阿尔茨海默病患者中，小胶质细胞在Aβ斑块周围形成“保护环”，其高表达TREM2基因通过吞噬作用清除Aβ，为免疫治疗靶点筛选提供了新方向。04多组学联合：从“分子碎片”到“系统网络”的整合策略1多组学的定义与范畴多组学（Multi-omics）指同步整合基因组、表观组、转录组、蛋白组、代谢组等多种组学数据，从分子层面重构生物系统的调控网络。在复杂疾病研究中，不同组学扮演着“基础-调控-功能-表型”的不同角色：01-基因组与表观基因组：提供疾病发生的“遗传蓝图”和“表观遗传开关”。例如，肿瘤中的TP53基因突变（基因组）与组蛋白H3K27me3修饰异常（表观基因组）共同驱动细胞周期失控。02-转录组与蛋白组：连接基因型与表型的“动态桥梁”。转录组反映基因的“转录活性”，而蛋白组直接体现“功能执行”，如HER2基因的mRNA过表达（转录组）仅能提示乳腺癌风险，而HER2蛋白的过表达（蛋白组）才是曲妥珠单抗治疗的直接依据。031多组学的定义与范畴-代谢组与空间组学：关联微环境与细胞状态的“表型接口”。代谢组检测小分子代谢物（如乳酸、葡萄糖）的浓度，可反映肿瘤的Warburg效应；而空间转录组则能定位代谢重编程发生的具体区域（如肿瘤乏氧区）。2多组学数据的整合方法与工具多组学整合的核心是解决“数据异构性”问题，现有方法可分为三类：-数据层整合：通过标准化（如Combat批次效应校正）、归一化（如TMM转录组归一化）将不同组学数据转换为可比的数值矩阵，再通过主成分分析（PCA）或多维尺度分析（MDS）进行降维可视化。例如，我团队在肝癌研究中将空间转录组数据与bulk代谢组数据整合，通过“空间代谢异质性指数”量化了肿瘤不同区域的糖酵解活性，发现门静脉浸润区域的乳酸浓度与癌干细胞标志物CD133的表达呈显著正相关（r=0.78,P<0.001）。-模型层整合：利用机器学习算法构建多组学联合预测模型。如随机森林（RandomForest）可整合基因组突变、转录组表达和蛋白组丰度数据，预测肺癌患者对免疫检查点抑制剂的响应；深度学习模型（如Multi-OmicsGraphNeuralNetwork）则能通过构建“基因-蛋白-代谢”调控网络，识别关键驱动节点。2多组学数据的整合方法与工具-网络层整合：基于分子相互作用数据库（如STRING、KEGG）构建多组学调控网络。例如，在结直肠癌研究中，我们将空间转录组数据中的Wnt通路基因表达与表观组数据中的CTNNB1基因启动子甲基化数据结合，绘制了“甲基化-转录-蛋白互作”网络，发现Wnt通路在肿瘤腺体区域的高激活与成纤维细胞分泌的Wnt3a蛋白直接相关。3多组学联合揭示复杂疾病机制的典型案例-癌症：基因组突变与空间转录调控的协同：2021年《Cell》发表的肺癌研究通过整合全基因组测序（WGS）、空间转录组和单细胞RNA测序（scRNA-seq）数据，发现EGFR突变癌细胞在肿瘤中心区域高表达PD-L1，而野生型癌细胞在浸润前沿高表达CXCL9，这种“空间免疫逃逸异质性”解释了为何EGFR抑制剂联合免疫治疗对部分患者无效。-神经退行性疾病：蛋白沉积与转录异常的时空耦合：在帕金森病研究中，空间转录组与蛋白组联合分析显示，α-突触核蛋白（α-synuclein）聚集区域的多巴胺能神经元中，线粒体呼吸链基因（如MT-ND1）表达显著下调，且小胶质细胞高表达炎症因子TNF-α，提示“蛋白沉积-线粒体功能障碍-神经炎症”的空间级联反应是疾病进展的核心机制。05空间转录组与多组学联合：复杂疾病解析的新策略1联合策略的技术框架与实施路径空间转录组与多组学联合并非简单的“技术堆砌”，而是需要构建“样本同步制备-数据时空对齐-模型联合解析”的标准化流程：-样本同步制备：同一组织切片需进行多组学检测，如先进行空间转录组捕获，再对剩余组织进行空间代谢组或空间蛋白组检测。10xGenomics的VisiumHD已支持与空间蛋白组（如CODEX）的联合检测，而我团队开发的“冷冻切片多组学同步捕获平台”，通过优化切片厚度（10μm）和固定方法（甲醇-丙酮混合固定），实现了同一张切片上空间转录组、空间甲基化组和空间代谢组的三重检测。-数据时空对齐：不同组学数据需在空间坐标系下对齐。例如，空间转录组的spot位置与空间代谢组的成像区域可通过组织切片的HE染色图像进行配准；单细胞多组学数据（如10xMultiome）则需通过“空间反卷积”算法（如SPOTlight）将其映射到空间转录组图谱上，重构单细胞水平的空间分布。1联合策略的技术框架与实施路径-模型联合解析：基于时空对齐的多组学数据，构建“空间-多维度”联合模型。如“空间多组学因子分析”（SpatialMOFA）可整合不同组学的空间变异模式，识别驱动疾病进展的“核心模块”；“时空因果推断模型”（如PCMCI）则能通过分析基因表达、代谢物浓度和细胞密度的时空先后顺序，揭示调控网络的因果关系。2在复杂疾病中的具体应用实践2.1肿瘤：微环境异质性、治疗响应与耐药机制解析-肿瘤微环境异质性：在肝癌研究中，我们通过空间转录组与多组学联合绘制了“肿瘤-癌旁-门静脉”三区域的空间图谱：发现肿瘤核心区域的癌干细胞高表达OCT4和NANOG，且与M2型TAMs的空间距离小于20μm，提示TAMs通过直接接触维持癌干细胞的干性；而癌周区域成纤维细胞高表达TGF-β1，通过激活肝癌细胞的Smad2/3通路促进细胞外基质（ECM）沉积，形成物理屏障导致化疗耐药。-治疗响应与耐药：在EGFR突变肺癌患者接受奥希替尼治疗前后的活检样本分析中，空间转录组联合蛋白组数据显示：治疗响应患者的肿瘤浸润前沿中，CD8+T细胞与癌细胞的比值显著升高（从0.3增至1.2），且PD-1+T细胞高表达颗粒酶B；而耐药患者中，2在复杂疾病中的具体应用实践2.1肿瘤：微环境异质性、治疗响应与耐药机制解析间质上皮转化细胞（MET扩增亚群）在肿瘤中心聚集，高表达IL-6和JAK2，通过旁分泌信号激活STAT3通路，导致T细胞耗竭。这一发现为“靶向治疗+免疫治疗+JAK2抑制剂”的联合方案提供了理论依据。5.2.2神经退行性疾病：病理蛋白传播与神经元损伤的时空动态-阿尔茨海默病：与临床合作者对12例AD患者脑尸检样本的空间转录组与蛋白组联合分析发现，Aβ斑块周围100μm范围内的神经元中，tau蛋白磷酸化位点（p-tau181）的表达量是远离斑块区域的3.5倍；同时，小胶质细胞高表达TREM2和APOE，其吞噬活性与斑块周围p-tau阳性神经元的数量呈负相关（r=-0.68,P<0.01）。提示“Aβ沉积-TREM2介导的吞噬功能受损-tau病理传播”是AD进展的核心路径。2在复杂疾病中的具体应用实践2.1肿瘤：微环境异质性、治疗响应与耐药机制解析-帕金森病：通过空间转录组与代谢组联合检测，发现黑质致密部多巴胺能神经元死亡区域的星形胶质细胞高表达谷氨酰胺合成酶（GLUL），通过摄取谷氨酸降低细胞外谷氨酸浓度，但同时也导致神经元缺乏谷氨酰胺——其是谷胱甘肽（抗氧化剂）合成的前体，最终引发氧化应激损伤。这一机制解释了为何GLUL抑制剂在PD模型中表现出神经保护作用。2在复杂疾病中的具体应用实践2.3自身免疫性疾病：免疫细胞浸润与组织损伤的因果关联-类风湿关节炎：对滑膜组织进行空间转录组与单细胞多组学联合分析，发现滑膜衬里层中的成纤维细胞亚群（FLS1）高表达MMP3和IL-6，其与CD68+巨噬细胞的空间共定位比例高达65%；通过体外共培养实验证实，FLS1分泌的IL-6可激活巨噬细胞的JAK2-STAT3通路，促进TNF-α释放，进而破坏关节软骨。这一发现为“靶向FLS1-IL-6-巨噬细胞轴”的生物制剂研发提供了新靶点。-炎症性肠病（IBD）：空间转录组与肠道菌群多组学联合显示，IBD患者结肠黏膜中，肠上皮细胞（IEC）高表达β-防御素（DEFB4A），其通过招募CCR6+T细胞形成淋巴滤泡样结构；同时，肠道菌群中的大肠杆菌（E.coli）高表达脂多糖（LPS），通过TLR4通路激活IEC的NF-κB信号，形成“菌群失调-IEC激活-免疫细胞浸润”的正反馈环路，导致黏膜持续损伤。3联合策略的优势与价值体现与传统单一组学相比，空间转录组与多组学联合的核心优势在于：-实现从“静态分子”到“动态过程”的解析：通过空间定位捕捉疾病进展的“时空轨迹”，如肿瘤从原位到转移的细胞亚群演化、神经退行性疾病中病理蛋白的“播种-生长”扩散路径。-揭示“细胞-微环境-疾病进展”的调控轴：明确特定细胞亚群在微环境中的空间位置及其与邻近细胞的互作机制，如TAMs在肿瘤边缘的“免疫抑制屏障”形成机制。-发现新的疾病生物标志物与治疗靶点：基于空间异质性的“区域特异性标志物”比传统“组织平均标志物”更具临床价值。例如，我们通过肝癌空间多组学筛选出的“肿瘤中心乏氧+边缘免疫抑制”双标志物，能更准确预测患者对靶向-免疫联合治疗的响应（AUC=0.89vs.传统AFP的0.72）。06当前挑战与未来展望1技术层面的瓶颈与突破方向-空间分辨率与检测通量的平衡：当前高分辨率空间转录组技术（如MERFISH）一次实验仅能检测1-2张组织切片，通量低；而高通量技术（如Visium）分辨率不足。未来需开发“高通量+高分辨率”的新型技术，如基于微流控的“空间组学芯片”，实现数百张样本并行检测。-多组学样本制备与检测的兼容性：不同组学对样本状态的要求存在冲突（如空间转录组需RNA完整性，而空间代谢组需快速冷冻固定）。开发“原位多组学同步标记”技术，如通过光控点击化学反应在同一组织中标记RNA、蛋白和代谢物，是解决这一问题的关键。-跨平台数据整合的标准化：不同实验室、不同平台产生的空间转录组数据缺乏统一标准，导致结果难以重复。国际空间组学联合会（ISfO）正在推动“空间组学数据标准”（如SpaceMX），涵盖样本制备、测序流程、数据注释等全流程规范。2数据分析与解读的挑战-高维数据的计算复杂性：单次空间多组学实验可产生TB级数据，传统算法难以处理。需开发基于云计算和分布式计算的“空间多组学分析平台”（如Seurat5.0、Scanpy），支持百万级细胞的空间聚类和网络构建。-生物学意义的挖掘与功能验证：多组学联合分析往往产生数千个“差异表达基因”或“调控网络节点”，需通过体内（如条件性基因敲除小鼠）、体外（类器官共培养）实验验证其功能。例如，我们在肝癌中发现的空间特异性基因LINC01234，需通过CRISPR-Cas9敲除后观察其对肿瘤生长和转移的影响。-多组学网络的动态建模：疾病是动态演进的过程，当前多组学数据多为“时间截面”数据。开发“时序空间多组学”技术，通过连续采集同一疾病不同阶段（如肿瘤早、中、晚期）的样本，构建“动态调控网络”，将有助于揭示疾病进展的驱动机制。3伦理、法规与临床转化考量-人类样本数据隐私与安全：空间多组学数据包含组织形态和分子表达信息，可能泄露患者身份信息。需建立“数据脱敏-加密存储-权限控制”的全流程管理体系，符合GDPR和《人类遗传资源管理条例》要求。-技术临床应用的标准化与规范化：空间多组学检测尚未纳入临床常规，需通过多中心前瞻性研究验证其诊断、预后和预测价值。例如，建立“乳腺癌空间多组学分型标准”，指导个性化治疗选择。-转化医学中的成本效益与可及性：当前空间多组学检测成本高昂（单次实验约5-10万元），限制了其临床推广。需通过技术创新（如微流控芯片降低试剂消耗）和规模化生产降低成本，使更多患者受益。4未来发展方向：迈向“时空多组学”新纪元