肿瘤微环境的异质性是癌症研究的关键问题，空间组学技术为此提供了新视角。文章综述了空间多组学技术如LCM-seq、smFISH等，以及计算方法如SCTransform、SpatialDE，揭示了它们在癌症研究中的应用，尤其是在肿瘤生态学和临床转化中的潜力。空间组学在识别肿瘤边界的细胞类型和基因表达、预测免疫治疗反应方面展现出优势，有望推动精准医疗的发展。
肿瘤微环境（TME）的异质性是阻碍抗癌治疗成功的核心问题之一。了解TME组装的空间结构对于发现肿瘤发生机制和设计新的治疗策略至关重要。今年1月，复旦大学附属中山医院的科研团队在《Clin Transl Med》发表综述文章，回顾了空间组学的技术进步，以及先进的计算方法如何促进多模态空间数据分析；讨论了空间组学研究在精确肿瘤学中的潜在临床转化，并提出了在空间数据解释中将空间生态学原理转移到癌症生物学中。
空间多组学技术
>基于激光捕获显微切割（LCM）的高通量技术可以在细胞水平上量化转录组，但这些技术无法达到更高的分辨率，只能追踪区域位置信息，相关技术包括LCM-seq、TSCS、GEO-seq、Tomo-seq等。
> 大多数基于图像的原位转录组学技术不能捕获整个转录组的概况，但可以提供组织内单细胞甚至亚细胞的分辨率，因此能够发现癌细胞的复杂细胞状态，相关技术包括smFISH、ExFISH、osmFISH、seqFISH+、MERFISH、STARmap等。
>基于空间条形码的转录组学技术使我们在探索细胞器的新功能方面处于独特的地位，相关技术包括Stereo-seq、Visium by 10× Genomics、HDST、Slide-seq等。
>空间蛋白组学技术的发展使我们能够在不丢失空间位置的情况下检测几十种蛋白质，相关技术包括MIBI、IMC、CODEX等。
>空间代谢组学技术将成为识别新疾病特征的实用工具，相关技术包括MALDI-IMS、DESI-IMS、AFADESI-IMS等。
>空间多组学技术联合解析空间的多组学图谱使我们能够重建肿瘤发生的关键过程，相关技术包括DBiT-seq（支持同时记录空间条形码mRNA和感兴趣的蛋白质）、STvEA（可以利用scRNA-seq丰富的多重免疫组化数据，还可以将CODEX成像数据映射到scRNA-seq）
空间组学的计算方法
> 数据预处理&
最低0.47元/天 解锁文章
扫一扫
949
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
