空間轉(zhuǎn)錄組學(xué)的發(fā)展及其應(yīng)用進(jìn)展

摘要：空間轉(zhuǎn)錄組學(xué)是一項(xiàng)顛覆性的生物學(xué)技術(shù)，融合了分子生物學(xué)和空間成像技術(shù)，旨在揭示組織或細(xì)胞中基因表達(dá)的空間分布。其通過(guò)對(duì)轉(zhuǎn)錄組數(shù)據(jù)進(jìn)行分析，可以全面理解基因在組織或細(xì)胞水平上的空間表達(dá)規(guī)律，從而深入揭示生物系統(tǒng)中基因調(diào)控的時(shí)空特征及其在生物學(xué)過(guò)程中的功能和意義。該技術(shù)為發(fā)育生物學(xué)、免疫學(xué)、醫(yī)學(xué)以及農(nóng)業(yè)等領(lǐng)域的研究提供了前所未有的幫助，為理解細(xì)胞分化、農(nóng)作物發(fā)育等關(guān)鍵過(guò)程提供了支撐。詳細(xì)介紹了空間轉(zhuǎn)錄組技術(shù)的發(fā)展進(jìn)程、數(shù)據(jù)分析及其在醫(yī)學(xué)以及農(nóng)業(yè)領(lǐng)域中的主要應(yīng)用，提出了該領(lǐng)域所存在的問(wèn)題并對(duì)未來(lái)發(fā)展趨勢(shì)進(jìn)行展望。

關(guān)鍵詞：空間轉(zhuǎn)錄組學(xué)；數(shù)據(jù)分析；研究進(jìn)展；應(yīng)用

doi：10.13304/j.nykjdb.2024.0609

中圖分類號(hào)：Q78 文獻(xiàn)標(biāo)志碼：A 文章編號(hào)：10080864（2024）11002309

空間轉(zhuǎn)錄組學(xué)（spatial transcriptomics，ST）可以在組織形態(tài)學(xué)下同時(shí)分析基因表達(dá)及其在組織中的空間位置，與傳統(tǒng)的轉(zhuǎn)錄組學(xué)相比，該技術(shù)不僅提供基因轉(zhuǎn)錄水平的全面信息，還可以揭示這些基因在組織切片中的具體空間分布，從而更細(xì)致入微地觀察細(xì)胞在組織結(jié)構(gòu)中的位置及相互關(guān)系。它打破了傳統(tǒng)轉(zhuǎn)錄組學(xué)只能分析樣本平均表達(dá)水平的局限，允許科學(xué)家在單細(xì)胞或微區(qū)水平上解析基因表達(dá)的空間分布。這種精細(xì)的空間分辨率使得研究人員能夠更全面地了解生物體的復(fù)雜組織結(jié)構(gòu)和功能動(dòng)態(tài)。另外，傳統(tǒng)的轉(zhuǎn)錄組學(xué)技術(shù)（如RNA-Seq等）只能提供樣本中所有細(xì)胞基因表達(dá)的平均值，無(wú)法揭示細(xì)胞或組織中基因表達(dá)的空間異質(zhì)性，而空間轉(zhuǎn)錄組學(xué)則可以深入挖掘組織內(nèi)不同細(xì)胞類型之間、不同區(qū)域之間的基因表達(dá)差異，填補(bǔ)了傳統(tǒng)技術(shù)的空白，這對(duì)于揭示細(xì)胞異質(zhì)性、理解發(fā)育過(guò)程、探索病理狀態(tài)具有革命性的意義。在腫瘤領(lǐng)域，通過(guò)空間轉(zhuǎn)錄組學(xué)能夠更全面地理解腫瘤微環(huán)境中各細(xì)胞類型的相互作用、腫瘤細(xì)胞的異質(zhì)性以及潛在的治療靶點(diǎn)。在農(nóng)業(yè)領(lǐng)域，空間轉(zhuǎn)錄組學(xué)可以觀測(cè)植物細(xì)胞生長(zhǎng)和分化、植物細(xì)胞鑒定、抗逆應(yīng)激以及微生物-植物相互作用等，從而為優(yōu)化作物生長(zhǎng)條件、培育抗逆品種、開發(fā)生物防治策略等提供新的方法和思路。

然而，隨著數(shù)據(jù)規(guī)模的急劇增加，對(duì)海量轉(zhuǎn)錄組數(shù)據(jù)的處理和解析成為嚴(yán)峻的挑戰(zhàn)。數(shù)據(jù)分析方法的創(chuàng)新尤為關(guān)鍵，需要結(jié)合生物信息學(xué)、計(jì)算機(jī)科學(xué)等多個(gè)領(lǐng)域的知識(shí)，以開發(fā)出能夠準(zhǔn)確解析這些空間轉(zhuǎn)錄組數(shù)據(jù)的工具。這一領(lǐng)域的不斷演進(jìn)將提供更深層次的生物學(xué)洞察力，推動(dòng)基因表達(dá)研究走向更加立體和精細(xì)的境地。

本文系統(tǒng)歸納了空間轉(zhuǎn)錄組的發(fā)展歷程、數(shù)據(jù)分析方法及其在醫(yī)學(xué)和農(nóng)業(yè)領(lǐng)域中的應(yīng)用，旨在深入理解這一技術(shù)，并推動(dòng)其在生命科學(xué)研究中的應(yīng)用。

1 空間轉(zhuǎn)錄組的發(fā)展

空間轉(zhuǎn)錄組學(xué)是基于基因轉(zhuǎn)錄表達(dá)發(fā)展起來(lái)的新興技術(shù)。在2000年以前，科學(xué)家使用各種技術(shù)對(duì)基因表達(dá)進(jìn)行分析，主要包括Northernblotting、實(shí)時(shí)PCR和基因表達(dá)微陣列等。這些技術(shù)側(cè)重于總體組織或細(xì)胞水平，通常無(wú)法提供有關(guān)基因在組織中的具體位置，因而對(duì)基因發(fā)揮功能的具體位置缺乏深入了解。

原位雜交（in situ hybridization，ISH）技術(shù)為檢測(cè)組織中特定基因的表達(dá)提供了一種手段。ISH技術(shù)通過(guò)將標(biāo)記的探針與目標(biāo)RNA結(jié)合，并利用顯微鏡觀測(cè)其在組織中的分布，使得特定基因在組織中的表達(dá)位置得以可視化。然而，傳統(tǒng)的ISH技術(shù)每次只能檢測(cè)1個(gè)基因，并且其分辨率受到探針質(zhì)量和顯微成像技術(shù)的限制。盡管如此，ISH仍為組織內(nèi)基因表達(dá)的研究奠定了基礎(chǔ)，揭示了基因表達(dá)的空間維度及其與生理功能的關(guān)系。

空間轉(zhuǎn)錄組學(xué)（ST）的概念首次由St?hl等于2016年提出，該方法實(shí)現(xiàn)了在組織切片上同時(shí)整合空間位置信息和轉(zhuǎn)錄組信息。ST技術(shù)通過(guò)將組織切片粘附在包含數(shù)萬(wàn)個(gè)獨(dú)特條形碼的玻片上，利用這些條形碼捕獲RNA，隨后進(jìn)行高通量測(cè)序，能夠生成每個(gè)位置的轉(zhuǎn)錄組譜，使得研究人員能夠?qū)虮磉_(dá)進(jìn)行精細(xì)的空間分析，為空間轉(zhuǎn)錄組學(xué)研究奠定基礎(chǔ)。

隨著對(duì)空間轉(zhuǎn)錄組學(xué)需求的增長(zhǎng)，各種新的技術(shù)不斷涌現(xiàn)。例如，原位測(cè)序（in situ sequencing，ISS）技術(shù)結(jié)合了高通量測(cè)序與組織切片內(nèi)的空間定位，通過(guò)在組織切片中直接對(duì)RNA進(jìn)行逆轉(zhuǎn)錄和擴(kuò)增，并在位點(diǎn)上測(cè)序，極大地提升了空間分辨率和檢測(cè)效率，使得多基因檢測(cè)成為可能；空間條形碼技術(shù)結(jié)合單細(xì)胞測(cè)序技術(shù)（scRNA-seq withspatial barcoding）實(shí)現(xiàn)了單細(xì)胞水平上空間基因表達(dá)譜的繪制；Slide-seq等技術(shù)通過(guò)微珠編碼策略，進(jìn)一步提高了空間分辨率，使得研究者能夠在單細(xì)胞甚至亞細(xì)胞水平上研究基因表達(dá)的空間異質(zhì)性。這些技術(shù)的發(fā)展使得空間分辨率和數(shù)據(jù)復(fù)雜性有了顯著提升。

近年來(lái)，研究者們意識(shí)到將空間轉(zhuǎn)錄組學(xué)數(shù)據(jù)與其他模態(tài)的數(shù)據(jù)整合的重要性?？臻g轉(zhuǎn)錄組學(xué)與蛋白質(zhì)組學(xué)、表觀遺傳學(xué)、代謝組學(xué)以及高分辨成像數(shù)據(jù)的結(jié)合為揭示生物系統(tǒng)的多層次調(diào)控機(jī)制提供了全新視角。這些整合技術(shù)通過(guò)提供多層次、多維度的數(shù)據(jù)，幫助科學(xué)家們更全面地理解生物系統(tǒng)的復(fù)雜性和動(dòng)態(tài)變化，為精準(zhǔn)醫(yī)學(xué)和個(gè)性化治療奠定了堅(jiān)實(shí)的基礎(chǔ)。

2 空間轉(zhuǎn)錄組學(xué)常用技術(shù)

空間轉(zhuǎn)錄組學(xué)采用多種技術(shù)，旨在同時(shí)獲取基因表達(dá)和空間信息，從而深入了解生物體內(nèi)基因在組織或細(xì)胞中的空間分布。這些技術(shù)的選擇取決于研究問(wèn)題、樣本類型和試驗(yàn)設(shè)計(jì)，研究人員通常會(huì)根據(jù)需要綜合運(yùn)用多種技術(shù)以獲取更全面的空間轉(zhuǎn)錄組數(shù)據(jù)。一些主要的空間轉(zhuǎn)錄組學(xué)技術(shù)及其特性如表1所示。

3 空間轉(zhuǎn)錄組學(xué)數(shù)據(jù)分析

空間轉(zhuǎn)錄組學(xué)主要是通過(guò)數(shù)據(jù)分析將基因表達(dá)信息與空間位置聯(lián)系在一起從而挖掘有用的生物信息，通常包括數(shù)據(jù)預(yù)處理和下游數(shù)據(jù)分析兩步。

3. 1 空間轉(zhuǎn)錄組數(shù)據(jù)預(yù)處理

空間轉(zhuǎn)錄組數(shù)據(jù)的預(yù)處理主要涉及測(cè)序結(jié)果與組織圖像的處理和整合，通常可分為3個(gè)步驟：組織圖像處理、基因表達(dá)處理及二者的相互結(jié)合，其流程如圖1所示。

3.1.1 基于圖像數(shù)據(jù)的預(yù)處理 組織圖像處理需要進(jìn)行圖像配準(zhǔn)，然后將整個(gè)組織區(qū)域劃分為不同的點(diǎn)，生成與每個(gè)點(diǎn)區(qū)域相對(duì)應(yīng)的位置索引矩陣。空間轉(zhuǎn)錄組圖像預(yù)處理通常包括圖像配準(zhǔn)、轉(zhuǎn)錄點(diǎn)識(shí)別和細(xì)胞分割[1]。由于圖像的背景亮度和光斑質(zhì)量存在差異，準(zhǔn)確、高通量的信號(hào)檢測(cè)和定位是當(dāng)前圖像數(shù)據(jù)分析方法的主要目標(biāo)。相關(guān)的軟件主要有BarDensr[2]、DeepBlink[3]以及graph-ISS[4]等。它們能識(shí)別圖像中 RNA 的位置、類型和表達(dá)，并生成相關(guān)的位置索引矩陣和基因表達(dá)矩陣。最后，需要對(duì)圖像進(jìn)行分割，將檢測(cè)到的RNA 分成單個(gè)細(xì)胞，從而生成空間單細(xì)胞數(shù)據(jù)，常用的工具有Spage2vec[5]、JSTA[6]以及SSAM[7]等。

3.1.2 基于序列數(shù)據(jù)的預(yù)處理 在基因表達(dá)處理方面，與常規(guī)的測(cè)序方法一樣，首先將測(cè)序片段與參考基因組進(jìn)行比對(duì)，生成基因表達(dá)矩陣；隨后對(duì)2個(gè)矩陣的編碼信息進(jìn)行匹配，將基因表達(dá)信息與相應(yīng)的空間位置進(jìn)行結(jié)合[8]。

經(jīng)過(guò)以上的數(shù)據(jù)預(yù)處理將會(huì)產(chǎn)生準(zhǔn)備充分的基因表達(dá)矩陣和位置索引矩陣，從而為轉(zhuǎn)錄組數(shù)據(jù)的下游分析做準(zhǔn)備。

3.2 數(shù)據(jù)分析工具包

轉(zhuǎn)錄組數(shù)據(jù)的下游分析包括以下幾個(gè)部分：批次效應(yīng)校正、降維和（空間）聚類、空間細(xì)胞類型注釋、空間可變基因、基因模式、空間區(qū)域、細(xì)胞-細(xì)胞相互作用、基因-基因相互作用、空間軌跡和三維模型等，用于空間轉(zhuǎn)錄組數(shù)據(jù)下游分析的新方法和新工具層出不窮。Seurat是廣泛使用的R語(yǔ)言包，主要用于單細(xì)胞RNA測(cè)序數(shù)據(jù)的分析，也可應(yīng)用于空間轉(zhuǎn)錄組學(xué)數(shù)據(jù)，特別適合整合和比較多種測(cè)序數(shù)據(jù)[9]。Harmony是數(shù)據(jù)集成工具，通過(guò)矯正批次效應(yīng)來(lái)整合不同試驗(yàn)條件下的數(shù)據(jù)集，適用于大規(guī)模數(shù)據(jù)分析[10]。stLearn專為空間轉(zhuǎn)錄組學(xué)而設(shè)計(jì)，結(jié)合深度學(xué)習(xí)和統(tǒng)計(jì)分析方法，有效處理空間信息和基因表達(dá)數(shù)據(jù)。cell2location基于貝葉斯模型推斷單細(xì)胞RNA測(cè)序數(shù)據(jù)中細(xì)胞類型的空間分布，適用于高分辨率的空間轉(zhuǎn)錄組學(xué)數(shù)據(jù)[11]。Scanorama 利用嵌入空間匹配方法整合多個(gè)單細(xì)胞RNA測(cè)序數(shù)據(jù)集，減少批次效應(yīng)偏差[12]。scHOT專注于高階轉(zhuǎn)錄組數(shù)據(jù)的單細(xì)胞層面時(shí)間序列分析，適用于探索細(xì)胞狀態(tài)在時(shí)間上的動(dòng)態(tài)變化[13]。STUtility是用于空間轉(zhuǎn)錄組數(shù)據(jù)分析和可視化的 R 包，提供了一系列工具用于數(shù)據(jù)預(yù)處理、分析和可視化[14]。這些工具包在不同的研究背景下均有廣泛應(yīng)用，可根據(jù)研究的具體需求、數(shù)據(jù)類型以及分析目標(biāo)來(lái)選擇最合適的工具（表2）。

3.3 空間轉(zhuǎn)錄組學(xué)分析相關(guān)數(shù)據(jù)庫(kù)空間轉(zhuǎn)錄組學(xué)分析常用的數(shù)據(jù)庫(kù)包括SpatialDB[15] （http：//spatialomics. org/SpatialDB/）、STOmicsDB[16]（https：//db. cngb. org/stomics/）以及Human Cell Atlas[17]（https：//data. humancellatlas.org/）等。SpatialDB 是專門的空間轉(zhuǎn)錄組學(xué)數(shù)據(jù)庫(kù)，整合了來(lái)自多個(gè)物種和多種組織的空間轉(zhuǎn)錄組數(shù)據(jù)。它收集并整理了高通量測(cè)序技術(shù)生成的空間轉(zhuǎn)錄組數(shù)據(jù)集，包括數(shù)據(jù)處理、空間位置的標(biāo)注以及相關(guān)的元數(shù)據(jù)。STOmicsDB是由中國(guó)國(guó)家基因庫(kù)（China National GeneBank，CNGB）維護(hù)的數(shù)據(jù)庫(kù)，專門收錄空間組學(xué)的數(shù)據(jù)和資源。它包括從單細(xì)胞水平到多細(xì)胞組織的空間轉(zhuǎn)錄組數(shù)據(jù)，以及與空間組學(xué)研究相關(guān)的工具和分析方法。Human Cell Atlas（HCA）是全球合作的項(xiàng)目，旨在構(gòu)建全面的單細(xì)胞水平的人體細(xì)胞圖譜。雖然 HCA 主要專注于單細(xì)胞 RNA 測(cè)序（scRNAseq），但它也包含了大量的空間轉(zhuǎn)錄組數(shù)據(jù)集，這些數(shù)據(jù)對(duì)于理解不同組織中細(xì)胞的空間組織和基因表達(dá)具有重要意義。

4 空間轉(zhuǎn)錄組學(xué)在醫(yī)學(xué)和農(nóng)業(yè)領(lǐng)域的應(yīng)用進(jìn)展

空間轉(zhuǎn)錄組學(xué)使研究者能夠在組織和細(xì)胞水平上更全面、深入地了解基因表達(dá)，提供高度的時(shí)空分辨率，以及了解基因調(diào)控在細(xì)胞和組織中特定環(huán)境中的作用，從而更好地理解生物學(xué)過(guò)程，該技術(shù)在各個(gè)研究領(lǐng)域中取得了廣泛應(yīng)用，本文重點(diǎn)介紹其在醫(yī)學(xué)和農(nóng)業(yè)領(lǐng)域的應(yīng)用進(jìn)展。

4.1 空間轉(zhuǎn)錄組學(xué)在醫(yī)學(xué)領(lǐng)域中應(yīng)用

4.1.1 發(fā)育生物學(xué) 空間轉(zhuǎn)錄組學(xué)主要是通過(guò)同時(shí)捕獲和解析組織或細(xì)胞中數(shù)千個(gè)基因的表達(dá)，揭示它們?cè)跁r(shí)空上的分布和調(diào)控，該技術(shù)為理解發(fā)育過(guò)程中的細(xì)胞命運(yùn)決定、組織形成和基因調(diào)控提供了獨(dú)特的洞察力。Shah等[18]在小鼠海馬區(qū)域的單細(xì)胞水平上，采用空間轉(zhuǎn)錄組學(xué)技術(shù)，通過(guò)在組織切片中直接測(cè)序RNA，以捕捉和識(shí)別每個(gè)單個(gè)細(xì)胞中的基因表達(dá)，結(jié)合高空間分辨率的光學(xué)顯微鏡來(lái)確保他們能夠?qū)⒒虮磉_(dá)與每個(gè)細(xì)胞的準(zhǔn)確位置關(guān)聯(lián)起來(lái)。通過(guò)該方法，研究者不僅能夠了解不同細(xì)胞類型的基因表達(dá)差異，還能夠觀察到細(xì)胞在組織中的分布和相互作用。這種全面的細(xì)胞水平信息有助于深入理解海馬區(qū)域內(nèi)神經(jīng)元和其他細(xì)胞群體之間關(guān)系，揭示發(fā)育和功能中的時(shí)空動(dòng)態(tài)。在胚胎發(fā)育過(guò)程中，組織特異性轉(zhuǎn)錄因子和染色質(zhì)重塑因子共同發(fā)揮作用，確保多系逐漸協(xié)調(diào)分化，視網(wǎng)膜色素上皮（retinalpigment epithelium，RPE）是對(duì)鄰近視網(wǎng)膜的發(fā)育、功能和維持至關(guān)重要的神經(jīng)上胚層。Ovadia等[19]通過(guò)Geo-seq獲得發(fā)育中小鼠RPE和鄰近眼間質(zhì)的高分辨率空間轉(zhuǎn)錄組圖譜，該圖譜涵蓋了年輕和更成熟的眼原基。這些轉(zhuǎn)錄組數(shù)據(jù)揭示了RPE和眼間質(zhì)分化過(guò)程中的關(guān)鍵轉(zhuǎn)錄因子及其基因調(diào)控網(wǎng)絡(luò)。這些發(fā)現(xiàn)揭示了SWI/SNF 復(fù)合物在控制 RPE 和神經(jīng)細(xì)胞命運(yùn)之間的交叉以及細(xì)胞周期退出和分化耦合方面的作用。總體而言，空間轉(zhuǎn)錄組學(xué)與高分辨率成像技術(shù)相結(jié)合，為研究者提供了一種以細(xì)胞為單位深入了解生物組織內(nèi)基因表達(dá)的方法，在發(fā)育生物學(xué)領(lǐng)域中發(fā)揮著重要作用。

4.1.2 神經(jīng)科學(xué) 空間轉(zhuǎn)錄組學(xué)可以揭示不同類型的神經(jīng)元、突觸和神經(jīng)回路中基因表達(dá)的特異性。Weitz等[20]利用空間轉(zhuǎn)錄圖譜揭示基因表達(dá)的變化，并對(duì)神經(jīng)周圍侵犯期間胰腺導(dǎo)管腺癌神經(jīng)微環(huán)境中的神經(jīng)支持細(xì)胞類型進(jìn)行了功能分析，發(fā)現(xiàn)胰腺導(dǎo)管腺癌中肥大的腫瘤相關(guān)神經(jīng)表達(dá)神經(jīng)損傷的轉(zhuǎn)錄組信號(hào)，包括程序性細(xì)胞死亡、許旺細(xì)胞（Schwann cells）增殖信號(hào)通路以及巨噬細(xì)胞通過(guò)吞噬作用清除凋亡細(xì)胞碎片。這項(xiàng)研究揭示了實(shí)體瘤誘導(dǎo)的局部神經(jīng)損傷的共同基因表達(dá)模式，為了解胰腺導(dǎo)管腺癌以及其他胃腸道癌癥期間腫瘤?神經(jīng)微環(huán)境的病理生物學(xué)提供了新的視角。小鼠大腦的神經(jīng)解剖區(qū)的識(shí)別和勾勒極具挑戰(zhàn)性，一般需要人工標(biāo)注。Partel等[4]使用空間基因表達(dá)數(shù)據(jù)可根據(jù)分子標(biāo)記對(duì)小鼠大腦空間分區(qū)進(jìn)行無(wú)監(jiān)督、無(wú)偏見的注釋，無(wú)需根據(jù)組織和細(xì)胞形態(tài)或匹配參考圖譜進(jìn)行主觀的人工注釋。

4.1.3 癌癥研究 空間轉(zhuǎn)錄組學(xué)在癌癥研究中的應(yīng)用比較廣泛，為研究腫瘤內(nèi)部異質(zhì)性提供了支撐。Fatemi 等[21]通過(guò)整合單細(xì)胞組織學(xué)和轉(zhuǎn)錄組學(xué)數(shù)據(jù)推斷結(jié)直腸癌患者整張切片圖像中的空間mRNA表達(dá)模式，在單細(xì)胞水平上共同映射組織學(xué)和轉(zhuǎn)錄組信息。Figiel等[22]通過(guò)虛擬前列腺活檢的空間轉(zhuǎn)錄組分析揭示了組織異質(zhì)性對(duì)基因組特征的混雜效應(yīng)。Feng等[23]利用空間轉(zhuǎn)錄組學(xué)數(shù)據(jù)分析揭示肉芽腫性松弛皮膚腫瘤微環(huán)境中巨噬細(xì)胞的異質(zhì)性等。此外，使用人工智能的方法對(duì)空間轉(zhuǎn)錄組學(xué)進(jìn)行分析可以鑒定腫瘤細(xì)胞類型[14， 2425]。在腫瘤組織的藥物反應(yīng)和耐藥性研究中，通過(guò)分析藥物治療前后腫瘤組織的空間轉(zhuǎn)錄組數(shù)據(jù)，可以識(shí)別潛在治療靶點(diǎn)[26-29]?？臻g轉(zhuǎn)錄組數(shù)據(jù)還可以揭示不同區(qū)域和細(xì)胞類型中基因表達(dá)的差異，有助于理解腫瘤微環(huán)境的復(fù)雜性[30- 31]，這對(duì)于研究腫瘤細(xì)胞與其周圍細(xì)胞的相互作用非常重要，為個(gè)性化治療和開發(fā)新的治療策略提供思路。

4.2 空間轉(zhuǎn)錄組學(xué)在農(nóng)業(yè)領(lǐng)域中的應(yīng)用

在農(nóng)業(yè)領(lǐng)域中，由于植物細(xì)胞壁水解和細(xì)胞內(nèi)轉(zhuǎn)錄本擴(kuò)散到陣列表面的難度較大，空間轉(zhuǎn)錄學(xué)技術(shù)在植物研究中尚未被廣泛應(yīng)用。盡管如此，Giacomello等[32]利用空間轉(zhuǎn)錄組學(xué)方法生成了擬南芥花序分生組織、歐洲白楊發(fā)育和休眠葉芽以及挪威云杉雌球果的全轉(zhuǎn)錄組空間基因表達(dá)譜。

4.2.1 植物生長(zhǎng)發(fā)育研究 空間轉(zhuǎn)錄組學(xué)可以揭示植物根、莖、葉等不同組織和器官中特定基因的表達(dá)模式，從而深入了解植物生長(zhǎng)發(fā)育的分子調(diào)控機(jī)制。Yang 等[33]利用空間轉(zhuǎn)錄組學(xué)技術(shù)在石松類植物根中檢測(cè)了97個(gè)與根相關(guān)的基因，揭示了與種子植物相似的基因表達(dá)模式，證實(shí)根的發(fā)育調(diào)控機(jī)制具有高度收斂的特點(diǎn)，還發(fā)現(xiàn)了石松類植物根的地面組織調(diào)節(jié)與真葉植物相似，但根冠形成可能受到不同的調(diào)控，結(jié)果表明，WOX 基因在石松類植物根冠形成中發(fā)揮重要作用，為理解植物根的發(fā)育和進(jìn)化提供了一種新的方法和視角。Fu等[34]利用空間轉(zhuǎn)錄組學(xué)技術(shù)對(duì)灌漿階段的玉米籽粒進(jìn)行了顯微切片和分析，可視化所有基因的表達(dá)模式，最終成功鑒定了11個(gè)細(xì)胞群體和332個(gè)分子標(biāo)記基因。該研究系統(tǒng)地闡明了玉米籽粒中3種主要物質(zhì)（淀粉、蛋白質(zhì)和油）的空間儲(chǔ)存機(jī)制，為控制玉米籽粒農(nóng)藝性狀的功能基因提供了寶貴的見解。此外，Moreno-Villena等[35]利用激光顯微切割技術(shù)分離了馬齒莧葉細(xì)胞，并將它們與空間轉(zhuǎn)錄組相結(jié)合，揭示了葉肉和葉鞘細(xì)胞中C4 和景天酸代謝途徑（crassulacean acidmetabolism，CAM）途徑的差異空間基因表達(dá)。這些發(fā)現(xiàn)為C4植物的光合途徑研究提供了全新的視角?？偟膩?lái)說(shuō)，這些研究表明空間轉(zhuǎn)錄組技術(shù)可以對(duì)植物組織結(jié)構(gòu)進(jìn)行精確分析，其將在未來(lái)的植物發(fā)育生物學(xué)研究中發(fā)揮重要作用。

4.2.2 植物細(xì)胞與病原細(xì)菌的相互作用 空間轉(zhuǎn)錄組學(xué)可用于分析病原菌在寄主植物中的基因表達(dá)模式和相互作用。在大豆與根瘤菌相互作用的研究中，Liu等[36]利用單細(xì)胞RNA 測(cè)序和立體測(cè)序相結(jié)合的方法，構(gòu)建了大豆結(jié)節(jié)和根的空間轉(zhuǎn)錄組圖譜，并基于感染細(xì)胞和未感染細(xì)胞中特異表達(dá)基因的空間表達(dá)模式，鑒定出在大豆?根瘤菌相互作用中發(fā)揮關(guān)鍵作用的功能基因，為深入了解大豆與根瘤菌之間的相互作用機(jī)制及共生關(guān)系奠定了基礎(chǔ)。此外，Saarenp??等[37]開發(fā)了一種空間元轉(zhuǎn)錄組學(xué)技術(shù)，即SmT，可以捕獲真菌、細(xì)菌和宿主信號(hào)，并保持它們的空間結(jié)構(gòu)，可以用于調(diào)查宿主和微生物組基因表達(dá)網(wǎng)絡(luò)。

4.2.3 細(xì)胞間的相互作用 細(xì)胞間相互作用是調(diào)節(jié)多細(xì)胞生物活動(dòng)，并確保其有序、高效運(yùn)作的主要途徑。這種相互作用可以通過(guò)相鄰細(xì)胞之間的直接接觸實(shí)現(xiàn)，也可以通過(guò)信號(hào)分子傳遞（如受體配體的結(jié)合）來(lái)實(shí)現(xiàn)?？臻g轉(zhuǎn)錄組技術(shù)可以捕獲單個(gè)細(xì)胞的完整形態(tài)，檢查細(xì)胞微環(huán)境，并理解單個(gè)細(xì)胞之間的相互作用[38-39]。此外，可以通過(guò)使用空間轉(zhuǎn)錄組數(shù)據(jù)對(duì)具有相鄰關(guān)系的細(xì)胞進(jìn)行篩選，分析細(xì)胞間的相互作用，從而挖掘關(guān)鍵的細(xì)胞間通信并揭示潛在的相互關(guān)系[40-41]。

5 結(jié)語(yǔ)

空間轉(zhuǎn)錄組學(xué)的迅速發(fā)展標(biāo)志著生物學(xué)研究進(jìn)入了一個(gè)新的階段。該技術(shù)通過(guò)捕捉組織內(nèi)基因表達(dá)的空間分布，為深入理解生物體內(nèi)部復(fù)雜結(jié)構(gòu)和相互作用提供了窗口。在數(shù)據(jù)分析方面，高度復(fù)雜的數(shù)據(jù)分析需要?jiǎng)?chuàng)新性的算法和工具，以揭示細(xì)胞類型、基因表達(dá)差異等關(guān)鍵信息。在醫(yī)學(xué)領(lǐng)域，空間轉(zhuǎn)錄組學(xué)的應(yīng)用為腫瘤生物學(xué)研究提供了更細(xì)致入微的視角，有助于解析腫瘤異質(zhì)性、藥物反應(yīng)機(jī)制和免疫微環(huán)境，這一技術(shù)的廣泛應(yīng)用也為個(gè)體化治療和精準(zhǔn)醫(yī)學(xué)奠定了基礎(chǔ)，為未來(lái)發(fā)展開辟了新的研究方向。在農(nóng)業(yè)領(lǐng)域，該技術(shù)有助于解決作物生長(zhǎng)發(fā)育、逆境應(yīng)對(duì)、品種改良、害蟲病原體防控、農(nóng)產(chǎn)品質(zhì)量安全等問(wèn)題，為農(nóng)業(yè)生產(chǎn)提供新的科學(xué)支持和技術(shù)手段。

然而，空間轉(zhuǎn)錄組學(xué)也面臨一些局限性：首先，數(shù)據(jù)處理和分析的復(fù)雜性較高，目前的算法和工具在處理海量、高維數(shù)據(jù)時(shí)仍存在挑戰(zhàn)；其次，高分辨率成像所帶來(lái)的數(shù)據(jù)量激增，給數(shù)據(jù)存儲(chǔ)和處理帶來(lái)了巨大壓力；此外，空間轉(zhuǎn)錄組學(xué)技術(shù)的成本較高，技術(shù)門檻限制了其在研究和應(yīng)用中的普及。

因此，未來(lái)的發(fā)展應(yīng)著重于以下幾個(gè)方面：一是推動(dòng)算法和工具的創(chuàng)新，特別是針對(duì)高維數(shù)據(jù)的處理；二是促進(jìn)跨領(lǐng)域合作，提高技術(shù)的應(yīng)用廣度；三是建立數(shù)據(jù)標(biāo)準(zhǔn)化和共享平臺(tái)，提高結(jié)果的可比性；四是開發(fā)更經(jīng)濟(jì)實(shí)用的技術(shù)方案，降低成本，使更多實(shí)驗(yàn)室能夠使用；五是拓展應(yīng)用領(lǐng)域，探索空間轉(zhuǎn)錄組學(xué)在新興領(lǐng)域的潛力。這些措施將有助于克服現(xiàn)有局限，推動(dòng)空間轉(zhuǎn)錄組學(xué)技術(shù)的進(jìn)一步發(fā)展和應(yīng)用。

綜上，隨著空間轉(zhuǎn)錄組學(xué)方法和分析工具的不斷創(chuàng)新，對(duì)生物體內(nèi)空間基因表達(dá)的理解也將更加全面，從而推動(dòng)醫(yī)學(xué)和生物學(xué)領(lǐng)域取得更深層次的突破。

參考文獻(xiàn)

［1］ MOSES L， PACHTER L. Museum of spatial transcriptomics [J].

Nat. Methods， 2022，19（5）：534-546.

［2］ CHEN S， LOPER J， CHEN X， et al .. BARcode DEmixing

through non-negative spatial regression （BarDensr） [J/OL].

PLoS Comput. Biol.， 2021，17（3）：e1008256 [2024-08-29]. https：//

doi.org/10.1371/journal.pcbi.1008256.

［3］ EICHENBERGER B T， ZHAN Y X， REMPFLER M， et al ..

deepBlink：threshold-independent detection and localization of

diffraction-limited spots [J]. Nucl. Acids Res.， 2021， 49（13）：

7292-7297.

［4］ PARTEL G， HILSCHER M M， MILLI G， et al .. Automated

identification of the mouse brain’s spatial compartments from

in situ sequencing data [J]. BMC Biol.， 2020，18（1）：144.

［5］ PARTEL G， W?HLBY C. Spage2vec：unsupervised representation

of localized spatial gene expression signatures [J]. FEBS J.， 2021，

288（6）：1859-1870.

［6］ LITTMAN R， HEMMINGER Z， FOREMAN R， et al .. Joint cell

segmentation and cell type annotation for spatial

transcriptomics [J/OL]. Mol. Syst. Biol.， 2021， 17（6）： e10108

[2024-08-29]. https：//doi.org/10.15252/msb.202010108.

［7］ PARK J， CHOI W， TIESMEYER S， et al .. Cell segmentationfree

inference of cell types from in situ transcriptomics data [J/OL].

Nat. Commun.，2021，12（1）：3545 [2024-08-29]. https：//doi.org/

10.1038/s41467-021-23807-4.

［8］ LIU S L， PUNTHAMBAKER S， IYER E P R， et al .. Barcoded

oligonucleotides ligated on RNA amplified for multiplexed and

parallel in situ analyses [J/OL]. Nucl. Acids Res.， 2021，49（10）：

e58 [2024-08-29]. https：//doi.org/10.1093/nar/gkab120.

［9］ HAO Y H， HAO S， ANDERSEN-NISSEN E， et al .. Integrated

analysis of multimodal single-cell data [J]. Cell， 2021，184（13）：

3573-3587.

［10］ KORSUNSKY I， MILLARD N， FAN J， et al .. Fast， sensitive

and accurate integration of single-cell data with Harmony [J].

Nat. Meth.， 2019，16（12）：1289-1296.

［11］ KLESHCHEVNIKOV V， SHMATKO A， DANN E， et al ..

Cell2location maps fine-grained cell types in spatial

transcriptomics [J]. Nat. Biotechnol.， 2022，40（5）：661-671.

［12］ HIE B， BRYSON B， BERGER B. Efficient integration of

heterogeneous single-cell transcriptomes using Scanorama [J].

Nat. Biotechnol.， 2019，37（6）：685-691.

［13］ GHAZANFAR S， LIN Y X， SU X B， et al .. Investigating higherorder

interactions in single-cell data with scHOT [J]. Nat.

Meth.， 2020，17 （8）：799-806.

［14］ BERGENSTR?HLE J， LARSSON L， LUNDEBERG J.

Seamless integration of image and molecular analysis for

spatial transcriptomics workflows [J/OL]. BMC Genom.， 2020，

21（1）： 482 [2024-08-29]. https：//doi.org/10.1186/s12864-020-

06832-3.

［15］ FAN Z， CHEN R S， CHEN X W. SpatialDB： a database for

spatially resolved transcriptomes [J]. Nucl. Acids Res.， 2020，48

（D1）：D233-D237.

［16］ XU Z C， WANG W W， YANG T， et al .. STOmicsDB： a

comprehensive database for spatial transcriptomics data

sharing， analysis and visualization [J].Nucl. Acids Res.， 2024，

52（D1）：D1053-D1061.

［17］ REGEV A， TEICHMANN SA， LANDER ES， et al .. The human

cell atlas [J/OL]. Elife， 2017， 6：e27041 [2024-08-29]. https：//

doi.org/10.7554/eLife.27041.

［18］ SHAH S， LUBECK E， ZHOU W， et al .. In situ transcription

profiling of single cells reveals spatial organization of cells in

the mouse hippocampus [J]. Neuron， 2016，92（2）：342-357.

［19］ OVADIA S， CUI G， ELKON R， et al .. SWI/SNF complexes are

required for retinal pigmented epithelium differentiation and

for the inhibition of cell proliferation and neural differentiation

programs [J/OL]. Development， 2023， 150（16）： dev201488

[2024-08-29]. https：//doi.org/10.1242/dev.201488.

［20］ WEITZ J， GARG B， MARTSINKOVSKIY A， et al .. Pancreatic

ductal adenocarcinoma induces neural injury that promotes a

transcriptomic and functional repair signature by peripheral

neuroglia [J]. Oncogene， 2023，42（34）：2536-2546.

［21］ FATEMI M Y， LU Y， SHARMA C，et al.. Feasibility of inferring

spatial transcriptomics from single-cell histological patterns for

studying colon cancer tumor heterogeneity [J/OL]. MedRxiv，

2023 [2024-08-29]. https：//doi.org/10.1101/2023.10.09.23296701.

［22］ FIGIEL S， YIN W C， DOULTSINOS D， et al .. Spatial

transcriptomic analysis of virtual prostate biopsy reveals

confounding effect of tissue heterogeneity on genomic

signatures [J/OL]. Mol. Cancer， 2023，22（1）： 162 [2024-08-29].

https：//doi.org/10.1186/s12943-023-01863-2.

［23］ FENG Y W， WANG S G， XIE J J， et al .. Spatial

transcriptomics reveals heterogeneity of macrophages in the

tumor microenvironment of granulomatous slack skin [J]. J.

Pathol.， 2023，261（1）：105-119.

［24］ LIU Y Q， LI N S， QI J，et al .. A hybrid machine learning and

regression method for cell type deconvolution of spatial

barcoding-based transcriptomic data [J/OL]. BioRxiv， 2023

[2024-08-29]. https：//doi.org/10.1101/2023.08.24.554722.

［25］ LI Y W， LUO Y. STdGCN： spatial transcriptomic cell-type

deconvolution using graph convolutional networks [J/OL].

Genome Biol.， 2024， 25（1）： 206 [2024-08-29]. https：//doi.org/

10.1186/s13059-024-03353-0.

［26］ ROBERTSON A G， MEGHANI K， COOLEY L F， et al ..

Expression-based subtypes define pathologic response to

neoadjuvant immune-checkpoint inhibitors in muscle-invasive

bladder cancer [J/OL]. Nat. Commun.， 2023， 14 （1）： 2126

[2024-08-29].https：//doi.org/10.1038/s41467-023-37568-9.

［27］ LARROQUETTE M， GUEGAN J P， BESSE B， et al .. Spatial

transcriptomics of macrophage infiltration in non-small cell

lung cancer reveals determinants of sensitivity and resistance

to anti-PD1/PD-L1 antibodies [J/OL]. J. Immunother. Cancer，

2022，10（5）：e003890 [2024-08-29]. https：//doi.org/10.1136/jitc-

2021-003890.

［28］ SONG X Y， XIONG A W， WU F Y， et al .. Spatial multi-omics

revealed the impact of tumor ecosystem heterogeneity on

immunotherapy efficacy in patients with advanced non-small

cell lung cancer treated with bispecific antibody [J/OL]. J.

Immunother. Cancer， 2023，11（2）： e006234 [2024-08-29]. https：//

doi.org/10.1136/jitc-2022-006234.

［29］ MOSQUERA M J， KIM S， BAREJA R，et al .. Extracellular

matrix in synthetic hydrogel-based prostate cancer organoids

regulate therapeutic response to EZH2 and DRD2 inhibitors [J/OL].

Adv. Mater.， 2022，34（2）： e2100096 [2024-08-29]. https：//doi.

org/10.1002/adma.202100096.

［30］ BARECHE Y， BUISSERET L， GRUOSSO T， et al.. Unraveling

triple-negative breast cancer tumor microenvironment heterogeneity：

towards an optimized treatment approach [J]. J. Natl. Cancer

Inst.， 2020，112（7）：708-719.

［31］ LIU G，HU Q F，PENG S G，et al .. The spatial and single-cell

analysis reveals remodeled immune microenvironment induced

by synthetic oncolytic adenovirus treatment [J/OL]. Cancer

Lett.， 2024，581：216485 [2024-08-29].https：//doi.org/10.1016/j.

canlet.2023.216485.

［32］ GIACOMELLO S， SALMéN F， TEREBIENIEC B K， et al ..

Spatially resolved transcriptome profiling in model plant

species [J/OL]. Nat. Plants， 2017，3：17061 [2024-08-29]. https：//

doi.org/10.1038/nplants.2017.61.

［33］ YANG X L， POELMANS W， GRONES C， et al .. Spatial

transcriptomics of a lycophyte root sheds light on root evolution [J].

Curr. Biol.，2023，33（19）： 4069-4084.

［34］ FU Y X， XIAO W X， TIAN L， et al.. Spatial transcriptomics

uncover sucrose post-phloem transport during maize kernel

development [J/OL]. Nat. Commun.，2023，14 （1）： 7191 [2024-

08-29]. https：//doi.org/10.1038/s41467-023-43006-7.

［35］ MORENO-VILLENA J J， ZHOU H， GILMAN I S， et al ..

Spatial resolution of an integrated C4

+CAM photosynthetic

metabolism [J/OL].Sci. Adv.， 2022，8（31）：eabn2349 [2024-08-

29]. https：//doi.org/10.1126/sciadv.abn2349.

［36］ LIU Z J， KONG X Y， LONG Y P， et al .. Integrated single-nucleus

and spatial transcriptomics captures transitional states in soybean

nodule maturation [J]. Nat. Plants， 2023，9 （4）： 515-524.

［37］ SAARENP?? S， SHALEV O， ASHKENAZY H， et al ..

Spatially resolved host-bacteria-fungi interactomes via spatial

metatranscriptomics [J/OL]. BioRxiv，2022 [2024-08-29]. https：//

doi.org/10.1101/2022.07.18.496977.

［38］ WALKER B L， CANG Z X， REN H L， et al .. Deciphering

tissue structure and function using spatial transcriptomics [J/OL].

Commun. Biol.， 2022， 5（1）： 220 [2024-08-29]. https：//doi.org/

10.1038/s42003-022-03175-5.

［39］ RAO A， BARKLEY D， FRAN?A G S， et al .. Exploring tissue

architecture using spatial transcriptomics [J]. Nature， 2021，596

（7871）：211-220.

［40］ ARMINGOL E， OFFICER A， HARISMENDY O， et al ..

Deciphering cell-cell interactions and communication from

gene expression [J]. Nat. Rev. Genet.， 2021，22（2）：71-88.

［41］ TIAN L Y， CHEN F， MACOSKO E Z. The expanding vistas of

spatial transcriptomics [J]. Nat. Biotechnol.， 2023，41（6）：773-782.