多组学空间解析肿瘤微环境与治疗响应

多组学空间解析肿瘤微环境与治疗响应演讲人01引言：肿瘤微环境研究的范式革新与多组学空间解析的必然性02肿瘤微环境的复杂性与传统研究方法的局限性03多组学技术：解析TME分子图谱的“工具箱”04空间解析技术：从“平均信号”到“原位地图”的跨越05多组学空间解析在治疗响应机制中的核心应用06临床转化挑战与未来方向07总结与展望：多组学空间解析引领精准肿瘤学新范式目录多组学空间解析肿瘤微环境与治疗响应01引言：肿瘤微环境研究的范式革新与多组学空间解析的必然性引言：肿瘤微环境研究的范式革新与多组学空间解析的必然性肿瘤微环境（TumorMicroenvironment,TME）作为肿瘤发生、发展、转移及治疗响应的核心“土壤”，其复杂性远超传统认知。过去十年，我们对TME的理解从“被动旁观者”转变为“主动参与者”——肿瘤细胞并非孤立存在，而是通过与免疫细胞、基质细胞、血管系统及细胞外基质（ECM）的动态互作，塑造出高度异质性的生态网络。然而，传统bulk组学技术（如全外显子测序、RNA-seq）因无法保留空间信息，将TME中不同细胞类型和位置的信号“平均化”，导致关键生物学特征（如免疫细胞与肿瘤细胞的spatialproximity、免疫抑制性niches的精准定位）被掩盖。引言：肿瘤微环境研究的范式革新与多组学空间解析的必然性随着多组学技术（Multi-omics）和空间解析技术（SpatialOmics）的融合发展，我们首次具备了在“基因-分子-细胞-组织”多维尺度上系统性解析TME的能力。基因组揭示驱动突变，转录组展现细胞状态，蛋白组捕获功能分子，代谢组反映动态平衡，而空间组学则将这些信息锚定至组织原位——这种“多组学+空间”的整合策略，正在重塑我们对肿瘤生物学和治疗响应的认知框架。本文将从技术原理、生物学机制、临床转化三个维度，系统阐述多组学空间解析在TME研究与治疗响应中的核心作用，并展望其推动精准肿瘤学发展的未来方向。02肿瘤微环境的复杂性与传统研究方法的局限性1TME的细胞组成与动态互作网络TME是一个包含多种细胞类型的复杂生态系统：肿瘤细胞（Tumorcells）作为核心，通过遗传变异和表观遗传重编程主导生态位构建；免疫细胞（Immunecells）包括CD8+T细胞（抗肿瘤效应）、Treg细胞（免疫抑制）、巨噬细胞（M1型抗肿瘤/M2型促肿瘤）、髓系来源抑制细胞（MDSCs）等，其功能状态和空间分布决定免疫治疗的成败；基质细胞（Stromalcells）如癌症相关成纤维细胞（CAFs）、内皮细胞（Endothelialcells），通过分泌细胞因子、重塑ECM影响肿瘤生长和药物递送；此外，细胞外基质（ECM）的成分（如胶原、纤维连接蛋白）和物理特性（如硬度、孔隙率）也通过力学信号调控细胞行为。1TME的细胞组成与动态互作网络这些细胞并非孤立存在，而是通过复杂的信号网络互作：例如，肿瘤细胞分泌TGF-β诱导CAFs活化，CAFs分泌CXCL12招募MDSCs，MDSCs通过精氨酸酶1（ARG1）抑制T细胞功能，形成“免疫抑制闭环”。这种动态互作的时空特异性，是理解肿瘤进展和治疗响应的关键。2传统bulk组学的“空间盲区”与信息丢失传统bulk组学技术通过分析组织匀浆的平均信号，虽能揭示TME的“整体特征”，却因缺乏空间信息而存在显著局限：-细胞异质性被掩盖：例如，bulkRNA-seq可能检测到“免疫浸润”信号升高，但无法区分是CD8+T细胞的富集还是Treg细胞的聚集；-空间互作关系被模糊：免疫治疗的关键机制（如T细胞与肿瘤细胞的“免疫synapse”形成）依赖于细胞间直接接触，bulk数据无法提供这类空间邻近信息；-niche特异性无法解析：肿瘤内部常存在“免疫豁免区”（Immune-excludedareas）或“免疫排斥区”（Immune-desertareas），这些局部niche的形成机制和临床意义，仅通过bulk数据无法阐明。2传统bulk组学的“空间盲区”与信息丢失正如我们在临床实践中观察到的：两位同种同期的肺癌患者，PD-L1表达水平（bulk检测）相似，但对PD-1抑制剂的响应却截然不同——这种差异很可能源于TME空间异质性的影响，而传统技术难以捕捉这一关键信息。03多组学技术：解析TME分子图谱的“工具箱”多组学技术：解析TME分子图谱的“工具箱”为突破bulk组学的局限，多组学技术通过整合基因组、转录组、蛋白组、代谢组等不同层面的数据，构建TME的“分子全景图”。每种组学技术均针对特定生物学问题，互为补充，共同揭示肿瘤的复杂性。1基因组学：揭示肿瘤的遗传驱动与进化轨迹基因组学（包括全基因组测序、全外显子测序、单细胞DNA测序）是解析肿瘤异质性的基础。通过检测肿瘤细胞的体细胞突变、拷贝数变异（CNVs）、结构变异（SVs）等，可识别驱动基因（如EGFR、KRAS、TP53）和耐药突变（如EGFRT790M、ALKL1196M），为靶向治疗提供依据。例如，在非小细胞肺癌（NSCLC）中，单细胞DNA测序发现，同一肿瘤内不同空间区域的肿瘤细胞存在不同的EGFR突变亚克隆——这种“空间克隆异质性”是导致靶向治疗耐药的重要原因。此外，肿瘤微环境中的细胞间基因转移（如通过外泌体传递DNA片段）也可能影响治疗响应，而单细胞基因组学可追溯这类事件的起源和分布。2转录组学：捕捉细胞状态与信号通路活性转录组学（包括bulkRNA-seq、单细胞RNA-seq、空间转录组）是解析TME细胞异质性的核心工具。单细胞RNA-seq（scRNA-seq）可鉴定细胞亚群（如T细胞中的耗竭性T细胞、巨噬细胞中的M1/M2亚型），并分析其功能状态（如IFN-γ信号、细胞增殖活性）；空间转录组（如Visium、Stereo-seq）则可在保留空间信息的前提下，检测数千个基因的表达，绘制“基因表达空间地图”。以黑色素瘤为例，scRNA-seq发现，TME中的CD8+T细胞可分为“效应性”“耗竭性”“记忆性”三个亚群，其中耗竭性T细胞（表达PD-1、TIM-3、LAG-3）的数量与免疫治疗响应正相关。而空间转录组进一步揭示，耗竭性T细胞倾向于聚集在肿瘤-基质交界处，形成“免疫前线”（Immunefront），而肿瘤核心区域则以M2型巨噬细胞为主——这种空间分布模式可有效预测患者对PD-1抑制剂的临床响应。3蛋白组学：解码功能分子与互作网络转录组数据仅反映基因表达潜力，而蛋白质作为功能执行者，其丰度、翻译后修饰（如磷酸化、糖基化）和相互作用（如受体-配体结合）才是调控TME功能的关键。蛋白组学（包括质谱-based蛋白组、靶向蛋白组、空间蛋白组）可系统鉴定TME中的蛋白表达谱和修饰状态。例如，在乳腺癌中，基于质谱的蛋白组学发现，CAFs分泌的纤维连接蛋白（FN1）可通过整合素α5β1信号激活肿瘤细胞的PI3K/AKT通路，促进化疗耐药。空间蛋白组技术（如CODEX、IMC）则可同时检测几十种蛋白的空间分布，例如在结直肠癌中，CODEX技术揭示了“三级淋巴结构”（Tertiarylymphoidstructures,TLS）的空间构成：B细胞、T细胞、树突状细胞在TLS中形成有序的细胞簇，且TLS的密度与患者生存期显著相关——这种空间蛋白互作信息，是bulk蛋白组无法提供的。4代谢组学：揭示动态代谢重编程与免疫抑制机制肿瘤细胞和免疫细胞的代谢活动高度活跃，且相互影响。代谢组学（包括代谢物检测、代谢流分析、空间代谢组）可捕捉TME中的代谢物谱（如乳酸、腺苷、色氨酸衍生物），解析代谢重编程对肿瘤进展和治疗响应的调控作用。例如，肿瘤细胞通过有氧糖酵解产生大量乳酸，不仅促进自身增殖，还可通过“乳酸化”修饰组蛋白（如H3K18la），抑制T细胞的功能；同时，乳酸诱导M2型巨噬细胞极化，进一步放大免疫抑制。空间代谢组技术（如DESI-MS、MALDI-IMI）可在组织原位检测代谢物的空间分布，例如在胶质母细胞瘤中，DESI-MS发现肿瘤核心区域乳酸浓度显著高于边缘，且与免疫细胞浸润程度呈负相关——这种“代谢-免疫”空间互作机制，为联合代谢调节剂和免疫治疗提供了理论依据。5多组学数据整合：从“单一维度”到“系统视角”单一组学数据仅能反映TME的某个侧面，而多组学整合分析（如Multi-omicsclustering、因果推断网络）可构建“基因-转录-蛋白-代谢”的调控网络，揭示TME的系统生物学特征。例如，通过整合scRNA-seq、空间转录组和蛋白组数据，我们可绘制“细胞状态-信号通路-空间位置”的综合图谱：在胰腺导管腺癌中，整合分析发现，CAFs通过分泌IL-6激活肿瘤细胞的JAK2/STAT3通路，同时代谢组检测到色氨酸耗竭和犬尿氨酸积累，共同抑制T细胞功能——这一发现提示，靶向CAFs-IL-6-STAT3轴和色氨酸代谢通路，可能是逆转免疫抑制的关键策略。04空间解析技术：从“平均信号”到“原位地图”的跨越空间解析技术：从“平均信号”到“原位地图”的跨越如果说多组学技术提供了TME的“分子零件”，空间解析技术则将这些零件组装成“三维空间地图”，实现“分子-细胞-组织”尺度的精准定位。近年来，空间解析技术从基于免疫组化（IHC）的原位检测，发展到基于高通量测序和高分辨率成像的多模态整合，为解析TME的空间异质性提供了革命性工具。1传统空间技术的局限与突破传统空间技术（如IHC、免疫荧光IF）虽可检测特定蛋白或RNA的原位表达，但通量低（通常一次检测1-3个分子）、分辨率有限（~1μm），难以全面解析TME的复杂网络。例如，IHC检测PD-L1表达虽可用于免疫治疗指导，但无法区分PD-L1是表达在肿瘤细胞、免疫细胞还是基质细胞，而细胞来源的差异直接影响治疗决策。空间解析技术的突破主要体现在三个维度：通量（同时检测数百至数千个分子）、分辨率（亚细胞至单细胞水平）、多模态（结合测序与成像）。例如，Visium空间转录组可捕获55,000个空间spot的表达（每个spot包含~10个细胞），分辨率达55μm；而Stereo-seq通过DNA纳米球技术，将分辨率提升至500nm，接近单细胞水平。2空间转录组：绘制“基因表达空间地图”空间转录组技术（如Visium、Stereo-seq、Slide-seq）通过在组织切片上捕获带有空间坐标的RNA分子，实现基因表达的原位定位。其核心原理是：在载玻片上排列数千个具有唯一条形码的寡核苷酸探针，组织切片与其孵育后，RNA分子被捕获并标记空间条形码，再通过测序获得每个位置的表达谱。以Visium为例，我们在结肠癌研究中发现，肿瘤中心区域高表达上皮-间质转化（EMT）相关基因（如VIM、SNAI1），而肿瘤边缘区域高表达免疫激活相关基因（如IFNG、GZMB）——这种“空间基因表达梯度”与肿瘤转移风险显著相关：边缘免疫激活区域的患者，术后5年无进展生存期更高。此外，空间转录组还可识别“空间表达模块”（Spatialexpressionmodules），如在肝癌中，一组与血管生成相关的基因（如VEGFA、ANGPT2）在肿瘤-基质交界处共表达，形成“血管生成niche”，提示该区域可能是抗血管治疗的靶点。3空间蛋白组：解码蛋白互作与细胞功能状态空间蛋白组技术（如CODEX、IMC、MIBI-TOF）通过多重抗体标记和质谱/成像检测，在原位同时检测数十种蛋白的空间分布和表达水平。CODEX（MultiplexedIonBeamImaging）使用金属标记的抗体，通过质谱检测金属信号，可实现40种以上蛋白的同时检测；IMC（ImagingMassCytometry）则结合了流式细胞术和质谱技术，分辨率达0.5μm。在黑色素瘤研究中，CODEX技术绘制了TME的“免疫细胞空间分布图”：我们发现，CD8+T细胞与树突状细胞（DCs）的空间邻近性（距离<20μm）与IFN-γ分泌水平正相关，且这类“免疫synapse富集区域”的患者对PD-1抑制剂响应率显著高于无邻近区域的患者。此外，空间蛋白组还可鉴定蛋白修饰状态，如在乳腺癌中，磷酸化STAT3（p-STAT3）在CAFs中的空间分布与患者化疗耐药相关——这为靶向STAT3通路提供了空间特异性的依据。4空间代谢组：可视化代谢物的“空间动态”空间代谢组技术（如DESI-MS、MALDI-IMI、NanoscaleDESI）通过质谱成像直接检测组织切片中的代谢物，无需标记，可实时反映代谢物的空间分布和浓度变化。DESI-MS（DesorptionElectrosprayIonizationMassSpectrometry）使用溶剂喷雾解吸离子化，分辨率可达10-200μm；而MALDI-IMI（Matrix-AssistedLaserDesorption/IonizationImagingMassSpectrometry）则通过基质辅助激光解吸，可检测脂质、代谢物等多种分子。4空间代谢组：可视化代谢物的“空间动态”在胶质母细胞瘤研究中，DESI-MS发现肿瘤核心区域积累大量谷氨酰胺和脂质，而边缘区域则以葡萄糖和乳酸为主——这种“代谢空间分区”与肿瘤细胞增殖和免疫抑制相关：核心区域的高谷氨酰胺代谢通过mTOR信号促进肿瘤生长，边缘区域的高乳酸则通过抑制T细胞功能形成免疫抑制微环境。这一发现提示，针对不同空间区域的代谢特征进行联合干预（如核心区域靶向谷氨酰胺酶，边缘区域靶向乳酸转运体），可能提高治疗效果。5多组学空间整合：构建“多维空间互作网络”单一空间组学技术仅能提供某一层面的空间信息，而多组学空间整合（如空间转录组+空间蛋白组+空间代谢组）可实现“基因-蛋白-代谢”的空间协同分析，构建更完整的TME互作网络。例如，我们团队在胰腺癌研究中，整合Stereo-seq（空间转录组）、CODEX（空间蛋白组）和DESI-MS（空间代谢组）数据，发现：-空间转录组显示，肿瘤细胞高表达S100A8/A9（钙结合蛋白）；-空间蛋白组证实，S100A8/A9与巨噬细胞表面的TLR4结合；-空间代谢组检测到巨噬细胞区域NADPH氧化酶活性升高，产生活性氧（ROS）；-三者在“肿瘤-巨噬细胞交界处”形成“S100A8/A9-TLR4-ROS”信号轴，促进肿瘤细胞侵袭。这一整合分析揭示了“分子互作-空间定位-功能表型”的完整链条，为靶向该轴的药物开发提供了精准靶点。05多组学空间解析在治疗响应机制中的核心应用多组学空间解析在治疗响应机制中的核心应用理解TME与治疗响应的关联是精准肿瘤学的核心目标。多组学空间解析通过揭示不同治疗方式（免疫治疗、靶向治疗、化疗）下TME的空间重塑机制，为预测响应、解析耐药、优化联合策略提供了新的视角。1免疫治疗：从“PD-L1表达”到“空间免疫景观”免疫治疗（如PD-1/PD-L1抑制剂、CTLA-4抑制剂）已部分改写肿瘤治疗格局，但响应率仍有限（约20%-40%）。传统biomarker（如PD-L1表达、TMB）虽有一定预测价值，但无法完全解释响应差异。多组学空间解析则通过构建“空间免疫景观”，提供更精准的响应预测和耐药机制解析。1免疫治疗：从“PD-L1表达”到“空间免疫景观”1.1空间免疫细胞分布：响应预测的关键指标-免疫排斥vs.免疫豁免：在黑色素瘤中，空间转录组发现，响应者的CD8+T细胞倾向于“浸润”肿瘤内部（Infiltratingpattern），形成“肿瘤内免疫集群”（Intratumoralimmuneclusters）；而响应不良者则表现为“免疫排斥”（Excludedpattern），T细胞被限制在肿瘤-基质交界处，无法接触肿瘤细胞。这种“空间浸润模式”比PD-L1表达更能预测响应。-tertiarylymphoidstructures(TLS)的空间构成：TLS是TME中局部形成的次级淋巴器官，包含B细胞、T细胞、DCs等，是抗免疫治疗的关键。空间蛋白组（CODEX）显示，响应者的TLS中存在“中心母细胞-滤泡树突状细胞”的有序空间结构，而耐药者TLS则结构紊乱，B细胞呈散在分布。此外，TLS与肿瘤边缘的距离（<500μm）也与响应正相关。1免疫治疗：从“PD-L1表达”到“空间免疫景观”1.2免疫抑制性niche的空间定位与耐药机制空间代谢组和蛋白组发现，TME中存在多个“免疫抑制性niche”，这些区域是耐药的“策源地”：-腺苷富集niche：CD39+CD73+Tregs和CAFs在肿瘤核心区域共表达，通过代谢产生腺苷，腺苷与T细胞表面的A2A受体结合，抑制T细胞增殖和IFN-γ分泌。空间代谢组显示，腺苷浓度>10μm的区域，CD8+T细胞耗竭标志物（PD-1、TIM-3）表达显著升高。-乳酸富集niche：肿瘤细胞和CAFs通过糖酵解产生乳酸，在肿瘤-基质交界处形成“乳酸梯度”，乳酸通过MCT1转运体进入T细胞，抑制其氧化磷酸化，促进耗竭。空间转录组显示，乳酸转运体MCT1+T细胞与CAFs的空间邻近性（距离<10μm）与免疫治疗耐药显著相关。1免疫治疗：从“PD-L1表达”到“空间免疫景观”1.3联合治疗的策略优化：基于空间靶点的精准干预多组学空间解析为联合治疗策略提供了“空间靶点”。例如，针对“免疫排斥”患者，可通过靶向CXCL12/CXCR4轴（CAFs分泌CXCL12招募Tregs至肿瘤边缘），促进CD8+T细胞向肿瘤内部浸润；针对“腺苷富集niche”，可联合CD39/CD73抑制剂和PD-1抑制剂，阻断腺苷产生；针对“乳酸富集niche”，可联合MCT1抑制剂和免疫治疗，逆转T细胞耗竭。2靶向治疗：从“驱动突变”到“空间克隆进化”靶向治疗通过抑制肿瘤细胞的驱动基因突变（如EGFR、ALK、BRAF）实现精准治疗，但耐药仍是其主要挑战。多组学空间解析揭示了靶向治疗过程中TME的空间克隆进化机制，为克服耐药提供了新思路。2靶向治疗：从“驱动突变”到“空间克隆进化”2.1空间克隆异质性与耐药克隆的起源在EGFR突变肺癌中，单细胞DNA测序结合空间转录组发现，治疗前肿瘤内部已存在少量“预耐药克隆”（携带EGFRT790M突变），这些克隆在空间上聚集在肿瘤核心区域（低氧、高增殖区域）。靶向治疗后，敏感克隆被抑制，预耐药克隆迅速扩增，形成“耐药优势niche”。空间分析显示，耐药克隆的扩张与CAFs的空间分布高度相关——CAFs通过分泌EGF激活EGFR旁路信号，促进耐药克隆存活。2靶向治疗：从“驱动突变”到“空间克隆进化”2.2基质介导的空间药物递送障碍靶向治疗药物需穿透基质屏障到达肿瘤细胞，而CAFs和ECM重塑是导致药物递送障碍的关键。空间蛋白组（IMC）和形态学分析发现，在胰腺癌中，CAFs分泌的胶原纤维形成“致密基质网”（Collagenfiberdensity>60%），将肿瘤细胞包裹其中，导致吉非替尼等靶向药物无法到达肿瘤细胞。此外，空间代谢组检测到基质区域高表达透明质酸（HA），HA通过增加组织间隙压进一步阻碍药物渗透——这一发现提示，联合基质重塑药物（如透明质酸酶、胶原酶）可提高靶向治疗效果。3化疗：从“细胞毒性”到“TME空间重塑”化疗通过杀伤快速增殖的肿瘤细胞发挥作用，但其对TME的影响是双重的：一方面，可诱导免疫原性细胞死亡（ICD），释放肿瘤抗原，激活抗肿瘤免疫；另一方面，可损伤免疫细胞，促进免疫抑制。多组学空间解析揭示了化疗后TME的空间重塑机制，为优化化疗-免疫联合策略提供了依据。3化疗：从“细胞毒性”到“TME空间重塑”3.1化疗诱导的“免疫激活区域”与“免疫抑制区域”在乳腺癌紫杉醇化疗中，空间转录组发现，化疗后24小时，肿瘤边缘区域出现“免疫激活hotspot”：ICD相关分子（如ATP、HMGB1）和DCs的浸润显著增加，且DCs与CD8+T细胞的空间邻近性升高——这些区域是后续免疫治疗响应的关键靶点。然而，肿瘤核心区域则出现“免疫抑制”：MDSCs数量增加，Tregs向核心区域迁移，形成“免疫抑制核心”。这种“空间分异”提示，化疗后需通过局部干预（如肿瘤内注射DCs疫苗）强化边缘免疫激活，抑制核心免疫抑制。3化疗：从“细胞毒性”到“TME空间重塑”3.2化疗耐药的“干细胞niche”空间定位肿瘤干细胞（CSCs）是化疗耐药的重要根源，而TME中的“干细胞niche”为CSCs提供保护。空间蛋白组（CODEX）显示，在结直肠癌奥沙利铂化疗中，耐药患者的Lgr5+CSCs聚集在“血管-CAFs-ECM”复合niche中：CAFs通过分泌Wnt3a激活CSCs的Wnt信号，内皮细胞通过Notch信号维持CSCs的干细胞特性，ECM则通过整合素信号抵抗化疗诱导的细胞凋亡——这一发现提示，靶向niche中的Wnt、Notch或整合素通路，可克服化疗耐药。06临床转化挑战与未来方向临床转化挑战与未来方向尽管多组学空间解析在TME研究中展现出巨大潜力，但其临床转化仍面临技术、生物学和临床应用层面的多重挑战。突破这些挑战，是实现从“实验室研究”到“临床决策”跨越的关键。1技术挑战：数据整合与标准化-多模态数据整合的复杂性：空间转录组、空间蛋白组、空间代谢组等技术的数据维度、分辨率、噪声特征各异，如何构建高效的多模态数据整合算法（如图神经网络、深度学习模型）是当前难点。例如，如何将Visium的55μm分辨率空间转录组数据与CODEX的0.5μm分辨率空间蛋白组数据对齐，实现“亚细胞-细胞-组织”尺度的协同分析，仍需算法突破。-标准化与质量控制：不同实验室的空间组学实验流程（如组织固定、切片、探针杂交）存在差异，导致数据可比性差。建立标准化的实验操作规范（SOP）和质量控制体系（如RNA完整性检测、抗体特异性验证）是推动临床转化的基础。2生物学挑战：动态性与异质性-时空动态性的捕获：TME是动态变化的系统，治疗过程中细胞状态、信号通路、代谢物的空间分布会随时间重塑。现有空间组学技术多为“单时间点”检测，如何发展“时空多组学”（Spatiotemporalmulti-omics）技术，捕捉TME的动态演变过程，是理解治疗响应机制的关键。例如，通过重复活检结合空间转录组，可监测免疫治疗过程中T细胞浸润模式的时间变化，预测早期响应或耐药。-个体化异质性的应对：不同患者的TME空间异质性显著，如何基于个体化空间组学数据构建“精准治疗模型”仍面临挑战。例如，利用机器学习整合患者的空间免疫景观、克隆分布和代谢特征，开发“响应风险评分”，可为临床医生提供个体化治疗建议。3临床转化：从“科研工具”到“临床决策支持”-生物标志物的开发：基于空间组学数据发现的生物标志物（如“空间浸润模式”“niche密度”）需通过大样本临床队列验证。例如，国际多中心研究正在开展，验证“CD8+T细胞与肿瘤细胞空间邻近性”作为PD-1抑制剂响应标志物的临床价值。-指导治疗策略优化：多组学空间解析可直接指导临床决策。例如，对“免疫排斥”患者，优先选择联合CXCL12抑制剂和PD-1抑制剂；对“基质高密度”患者，联合基质重塑药物和化疗。此外，空间组学还可监测治疗过程中的TME重塑，实时调整治疗方案（如动态评估“免疫激活hotspot”的变化）。-新型治疗靶点的发现：空间组学可发现传统技术忽略的“niche特异性靶点”。例如，在肝癌中，空间蛋白组发现CAFs特异性表达的FAP蛋白在肿瘤-基质交界处高表达，且与患者预后相关——靶向FAP的CAR-T细胞已在临床前研究