Science最新綜述|空間組學技術概覽與展望，詳解技術原理與優勢

　　導讀

　　幾乎所有看似無限復雜的生物學都發生在三維空間中。在生物體內，細胞必須在三維組織中相互作用和組合，每個細胞的位置與其固有性質一樣重要，決定著組織的功能或疾病的功能障礙。因此，即使在研究簡單生物體或單個組織的結構時，不僅需要破譯成千上萬個細胞的分子譜，還需要了解空間環境如何以及造成怎樣的影響。近年來，隨著多重空間分子檢測技術的創新爆發，生物學研究開辟了新的篇章，使人們能夠進一步了解生命系統的復雜性。

　　空間組學是繼單細胞測序技術之后的又一個生物技術研究熱點，其能夠彌補單細胞測序技術無法獲取細胞空間分布信息的缺陷。空間組學技術主要研究細胞在組織樣品中的相對位置關系，用于揭示細胞空間分布關系對疾病的影響，主要檢測蛋白質及其修飾或mRNA。雖然空間組學技術存在成本高、耗時長等局限，但目前這一新興技術已為多個領域提供了大量新見解，包括動物發育和大腦結構以及與患者預后相關的腫瘤微環境（TME）的特征。

　　近日，英國癌癥研究中心（CRUK）劍橋研究所的研究團隊在Science上發表了綜述文章“The dawn of spatial omics”，系統地介紹了空間組學技術的豐富種類，闡明了其原理、優勢和局限性，并就這一領域目前面臨的挑戰提供了觀點和建議。

文章發表在Science

　　質譜流式細胞術

　　在過去20年間，通過免疫組織化學（IHC）和原位雜交（ISH）技術，人們已經能夠對組織進行原位檢測。近年來，科研人員開發了“質譜流式細胞術（MC）”（圖1），其將流式細胞技術與質譜分析技術結合在一起，使用穩定的重金屬同位素（主要是鑭系元素）代替熒光基團來標記抗體，并利用質譜來定量同位素標簽。

　　MC技術可在單細胞水平同時對50種參數進行分析，包括蛋白質、核酸和小分子等，信噪比（SNR）非常高，但其目前受到足夠純金屬可用性的限制。此外，該方法也是兩種空間成像技術的基礎，即成像質譜細胞術（IMC）和多重離子束成像（MIBI）。

圖1.基于多重抗體檢測的空間蛋白質組學方法

　　基于激光顯微切割的轉錄組學

　　顯微切割技術是指通過物理分離從特定區域純化生物分子，即對欲選取的材料（組織，細胞群，細胞等）進行切割分離并收集用于后續研究的技術，是為分子譜分析添加空間信息的簡易方法，也是空間轉錄組學（ST）的重要技術。顯微切割能夠提供非常深入的分析，幾乎可達到批量測序水平，并允許科研人員將目標區域從單個細胞擴展到整個區域，但其通量相對較低。

　　目前，應用最廣泛的顯微切割技術是激光捕獲顯微切割（LCM）。LCM通常用于分離小區域（數十到數百個細胞）以進行RNA測序（RNA-seq），并且可以達到單細胞分辨率。LCM的優勢包括廣泛的轉錄譜、精確的組織切片以及能夠與FFPE組織兼容，但難以擴展到更大數量的樣本，并存在潛在的RNA降解問題。

圖2. 空間選擇和剖析方法

　　基于圖像的原位轉錄組學

　　單分子熒光原位雜交（smFISH）可以同時檢測多個RNA，被認為是RNA定量方法中的“金標準”。smFISH可以檢測到低豐度的轉錄本，由此衍生的空間分析技術往往具有優異的靈敏度。循環雜交方法（osmFISH、seqFISH）是smFISH的衍生方法（圖3），這是一種將組織中的單個mRNA分子分解為亞衍射熒光點的技術。為實現檢測，循環雜交需要將多個探針與相同的mRNA分子進行結合，或是需要多個熒光團結合到一個小區域以產生信號，或是兩個探針在幾個核苷酸距離內同時結合以觸發信號擴增過程。

　　多重容錯性熒光原位雜交（MERFISH）和seqFISH+技術是目前兩種主要的基于雜交的原位轉錄組學方法。兩種方法通過結合寡聚抗體同時檢測mRNA和蛋白質，可達到全轉錄組水平，并成功應用于不同器官和組織的空間基因表達研究。兩者在靈敏度、通量和優缺點方面非常相似，但在流程操等方面存在一些技術差異。

圖3. 基于圖像的空間轉錄組學方法

　　基于空間條形碼的轉錄組學

　　與基于圖像的原位轉錄組技術不同，基于空間條形碼（Spatial barcoding）的方法允許在整個轉錄組水平上對有 RNA 的物種進行無偏倚測序。空間條形碼技術是通過使用空間條形碼寡核苷酸陣列捕獲組織RNA，將RNA序列及其空間位置關聯起來（圖4）。具體而言，在空間轉錄組學中，使用微陣列技術將有序的寡核苷酸陣列沉積在玻璃載玻片上；然后將薄的組織學切片放置在陣列上，通過滲透使細胞RNA擴散到條形碼寡核苷酸；并在原位逆轉錄以產生空間索引的cDNA，然后將后者擴增產生文庫并進行測序。

　　空間條形碼技術的關鍵優勢是能夠產生長測序reads，不依賴于復雜的成像儀器，具有高速度以及并行化的潛力，極大地促進了商業應用。目前，空間條形碼技術與批量測序相結合非常成功，但該技術仍存在一些不足，包括低分辨率（目前為50-100μm）、每個樣品的成本高以及RNA捕獲效率低。

圖4. 空間條形碼方法。

　　空間組學技術面臨的挑戰

　　數據采集通常被認為是空間組學方法中最困難的步驟，此外數據操作、分析和可視化同樣重要。其中，圖像配準是一個非常重要的問題，巨大的數據量使空間分析變得更加復雜。目前，大多數圖像配準方法采用易于識別的“基準地標”（熒光珠）作為特征來計算配準矩陣（圖5），這使得配準更容易，但代價是需要額外的實驗處理。

　　此外，大多數轉錄組學方法需要解碼步驟，這些處理流程需要量身定制，以考慮每種技術或顯微鏡特有的扭曲和畸變，因此很難標準化和優化。

圖5. 空間剖面數據集的分析工作流程。

　　展 望

　　空間組學領域未來的發展趨勢主要體現在三個方面：1）多組學，即同時檢測不同的參數（如 DNA、RNA 和蛋白質）；2）增加獲取和普及性，使技術變得更容易獲得、更可靠、更強大；3）改進分析框架。隨著技術的不斷發展，需要對數據分析和實驗設計給予更多關注。空間組學技術已經可以在單次實驗中產生數太字節（TB）的數據，這給數據處理、分析和可視化帶來了巨大挑戰。

　　結 語

　　綜上所述，空間組學被廣泛認為是生命科學的新前沿，有望改變生物學的多個領域，并通過同時檢測物理組織結構和分子特征來徹底改變病理學。雖然該領域在過去的5年里發展迅猛，但仍然面臨一些挑戰：進入技術壁壘，穩健性、實驗設計及最佳分析實踐不明確，以及缺乏標準化。該綜述中，研究團隊系統介紹了不同的空間組學技術，全面闡述了其優勢及局限性，并給出了合理的建議。

　　參考文獻：

　　Dario Bressan, Giorgia Battistoni, Gregory J. Hannon. The dawn of spatial omics. Science(2023). DOI: 10.1126/science.abq4964

　　原文鏈接：https://www.science.org/doi/10.1126/science.abq4964