空间代谢组在肿瘤代谢中的研究思路-备战国自然2025

空间代谢组是整合质谱成像和代谢组学技术，对动/植物组织中代谢物的种类、含量和空间分布差异进行分析，相比传统代谢组学增加了对空间信息的研究。适用于肿瘤研究、生物标志物发现、药物研发、代谢异常疾病研究等。

肿瘤组织最显著的特征之一是代谢过程的改变，代谢组学在了解关键的癌症代谢途径（如肉碱系统）方面做出了巨大贡献，在肿瘤的预后、诊断、治疗中都有一定的潜力。然而，肿瘤样本内部情况复杂，代谢产物空间信息的丢失阻碍了研究人员对癌症组织异质性的探索，空间代谢组学在肿瘤研究中提供了一种强有力的手段，能可视化复杂样本中的代谢分布。

空间代谢组组学技术可应用于肿瘤微环境中代谢物的空间分布及异质性、肿瘤代谢通路及发生发展机制研究、肿瘤诊断和预后标志物、肿瘤治疗、肿瘤相关关键代谢物的原位验证等。

通过空间代谢组学技术，可以在组织切片上对肿瘤微环境中的代谢物进行空间分析，观察不同区域代谢物的差异表达，有助于在分子层面上理解肿瘤代谢和发病机制，并引入潜在的代谢缺陷，可能成为靶向治疗的目标。例如，有研究利用MSI技术发现，与邻近组织相比，小鼠肺转移瘤中含有棕榈酸酯的脂质积累。Kampa等为了确定人多形性胶质母细胞瘤（GBM）中肿瘤和瘤周组织之间的代谢变化，利用MALDI-MSI技术对25例人GBM样本分析，对肿瘤和瘤周区域的代谢物平均强度差异进行统计评估，并在组织上观察其丰度。研究显示在肿瘤区域抗坏血酸、牛磺酸和谷胱甘肽水平显著提高，嘌呤和嘧啶代谢化合物水平也有增加，揭示了不同区域代谢物的表达差异。

空间代谢组可以用于肿瘤组织中发生变化的代谢途径及这些代谢途径中的关键代谢产物及代谢酶的表达模式进行研究，如对肿瘤相关脂质代谢、精氨酸/脯氨酸代谢、谷氨酰胺代谢、尿苷代谢、多胺合成等相关代谢通路中的关键物质含量和分布进行研究。通过分析这些关键代谢物，研究者可以进一步探索这些代谢物与肿瘤侵袭性、异质性等生物学特性之间的关联，或揭示肿瘤如何影响宿主的代谢状态以及宿主如何响应肿瘤的代谢需求。例如Sun等在256例食管癌患者的组织中定位不同代谢途径的各种代谢物，结果表明脯氨酸生物合成、谷氨酰胺代谢、尿苷代谢、组氨酸代谢、脂肪酸的生物合成和多胺的生物合成通路在食管鳞癌中发生显著的改变，还发现6种相关代谢酶的异常表达，它们广泛参与食管鳞癌的癌变过程。

肿瘤的诊断和预后取决于肿瘤类型和等级的区分，通过空间代谢组，设置相应的分组，可以揭示肿瘤特异性的代谢标志物，这些标志物可以用于分型、诊断和预后。目前已有多种质谱成像方法被用于识别和分级各种癌症类型。例如在非小细胞肺癌（NSCLC）的诊断方法中，HE染色切片的病理检查准确率不够理想，免疫组化在60%~100%的病例中效果良好，但该技术的缺点是检测时间长，检测单个标志物时需要消耗大量组织，而MALDI-MSI对数百种内源性化合物进行原位无标记分析，能够与组织学特征建立相关性。Kampa等对新鲜冷冻的NSCLC组织进行MALDI-MSI分析、染色和组织病理学检查，利用机器学习算法和MALDI-MSI分析结合，对腺癌和鳞癌进行分类。研究显示腺癌与鳞癌之间以及NSCLC肿瘤与肿瘤微环境之间存在差异。

通过深入分析肿瘤的代谢特征，分析治疗前后、不同治疗效果下的肿瘤组织的空间代谢特征，有助于开发针对肿瘤特有代谢途径的靶向治疗策略，以提高治疗效果并减少副作用。此外，也有研究应用质谱成像在癌症组织中通过代谢物标志物定义肿瘤边缘、区分健康组织和癌症组织，从而辅助治疗或手术。例如肿瘤代谢物D-2-HG是由IDH突变的癌细胞产生的，使用MSI与循环免疫荧光相结合发现，D-2-HG高表达的肿瘤区域细胞毒性T细胞被耗尽，表明D-2-HG抑制了肿瘤微环境中T细胞的增殖。意味着体内D-2-HG高或低的患者对免疫治疗的反应可能不同。MSI数据揭示，肿瘤内药物分布不均匀或不足可能是治疗失败的原因。有研究结果表明，在肝转移瘤中没有检测到受体酪氨酸激酶抑制剂伊马替尼，但邻近组织中充满了这种药物。同样，紫杉醇在恶性胸膜间皮瘤中的分布也不均匀，这些一定程度上也解释了只有部分治疗成功的原因。

此外，通过空间代谢组也可以对临床关注的、通过其他各种方式筛选到的肿瘤相关关键代谢物在组织切片上进行原位验证，从空间维度更直观的展示代谢物的含量和分布。

空间代谢组在肿瘤代谢中的研究思路

实验分组：

癌和癌旁、疾病组和正常对照、不同肿瘤分型、肿瘤进展不同时期、治疗前后、多个治疗阶段、多种治疗方式等。

样本取材：

l 单组样本：采集病人癌和癌旁交界部位，一张切片同时包含癌和癌旁组织，其中癌旁组织可包含多种类型，如上皮组织、脂肪组织、基质等，癌组织也可以包含不同病理分区，具体可根据实验目的选取合适部位。

l 两组样本：正常组织和肿瘤组织，正常组织可来自健康人，也可来源于同一病人邻近的健康部位。原发灶和转移灶，研究肿瘤发生发展机制，原发灶也可同时包含癌和癌旁。

l 多组样本：分别采集癌组织、癌旁组织及转移灶，癌组织不同分型/分级、正常组织。同样，正常组织可来自健康人，也可来自同一病人相邻健康部位。癌组织也可取交界处，设置多个分型进行研究。

生物学重复：≥3个/组（因肿瘤异质性，研究标志物或冲击高分文章，生物学重复可≥10）

案例一：空间多组学破译胶质母细胞瘤中的肿瘤-宿主相互依赖性

英文标题：Spatially resolved multi-omics deciphers bidirectional tumor-host interdependence in glioblastoma

发表期刊：Cancer Cell（IF=48.8）

发表时间：2022.6

样本类型：脑皮层（空转28例，空代6例、空间蛋白6例14个区域）

组学技术：空间转录组、空间代谢组、空间蛋白、单细胞转录组

研究内容：本文通过空间转录组学、空间代谢组学与蛋白质组学三种新兴的组学技术，并联合应用scRNA-seq技术，探究了GBM及其局部微环境的空间转录模式和细胞相互作用图谱。确立了以免疫和代谢应激为特征的TME，共阐明了GBM五个空间转录程序受TME影响后对炎症或代谢刺激的转录适应模式，并绘制了它们的微环境景观，包括代谢和肿瘤—宿主细胞相互作用-——两个与胶质相关基因高表达相关的空间不同的转录模式：一个与放射状神经胶质相关基因表达增加相关，称为“Radial Glia”；另一个显示了炎症相关基因和INF-γ通路的功能富集，称为“Reactive Immune”；其余的转录模式显示出与神经胶质谱系一致：Neuronal Development和Spatial OPC；第五个转录模式称为“Reactive Hypoxia”，该模式与缺氧反应和糖酵解基因相关。随后研究者进行空间代谢组来探索空间上不同的Reactive Hypoxia模式。进一步分析识别出三个显著的代谢亚组。他们的发现为代谢变化和氧化应激是基因组多样性的潜在相互驱动因素提供了证据，从而导致胶质母细胞瘤的克隆进化。空间蛋白质组分析发现Reactive Immune和Reactive Hypoxia区域均显示肿瘤相关髓系细胞和T细胞显著富集。总的来说，作者发现局部微环境与患者间的异质性密切相关，证实了宿主环境在重塑遗传和转录异质性中发挥着重要作用。

案例二：空间代谢组学助力评估非小细胞肺癌患者治疗的反应

英文标题：Spatial metabolomics for evaluating response to neoadjuvant therapy in non‐small cell lung cancer patients

发表期刊：Cancer communications（IF=20.1）

发表时间：2022.5

样本类型：新辅助治疗（N=88）和未治疗（N=85）的非小细胞肺癌肿瘤和基质组织

组学技术：空间代谢组

研究内容：不同的非小细胞肺癌（NSCLC）患者对新辅助化疗（NAC）的反应大不相同。本文首次利用空间代谢组学，对新辅助治疗和未接受新辅助治疗的NSCLC患者的肿瘤和基质组织进行检测，并结合机器学习算法，开发了分别含有100个代谢物的肿瘤细胞代谢分类器和基质代谢分类器。两个分类器将患者分为不同预后组的准确性分别为81.6%和78.4%，高于MPR（62.5%）和TNM分期（54.1%）的分层准确率。总的来说，代谢反应在预测患者预后方面表现出优于常规临床病理学特征（如MPR和TNM分期）的性能，且与未接受化疗的NSCLC患者相比，代谢分类器对NAC处理的患者具有特异性。除此之外，在NAC组中，肿瘤相较于正常组织，显示出19个上调代谢物，大多与肿瘤组织特有的脂质代谢有关。对肿瘤和基质的代谢物进行了通路富集分析，结果表明肿瘤和基质在NSCLC患者中表现出代谢异质性。本文利用质谱成像与机器学习相结合，评估了空间代谢组学在癌症组织中的潜在应用，空间代谢组学可能为评估NSCLC患者的组织病理学反应提供另一种方法。

案例三：空间代谢组学识别胃癌患者中不同的肿瘤特异性亚型

英文标题：Spatial Metabolomics Identifies Distinct Tumor-Specific Subtypes in Gastric Cancer Patients

发表期刊：Clinical cancer research（IF=10）

发表时间：2022.7

样本类型：先前未接受过化疗、曲妥珠单抗治疗或免疫治疗的胃癌患者的原发性胃癌切除组织样本（n=362）

组学技术：空间代谢组

研究内容：胃癌（GC）的死亡率较高，且不同亚型的GC对治疗的反应和效果显著不同，当前的GC分类系统包括基因组、分子和形态学特征，但基于组织代谢组学的GC分类仍然缺乏。研究开发了一种新的肿瘤和基质特异性分类模型，应用基于组织的空间代谢组学结合 K-means 聚类分析对大量GC患者进行分类。最终定义了三种不同的肿瘤特异性亚型：T1、 T2 和 T3，三种基质特异性亚型：S1、 S2 和 S3。T1 的特征是免疫细胞高浸润，核苷酸代谢和预后良好；T2的特点是免疫细胞浸润低，预后差；T3 的特征是高pEGFR。独立的验证队列证实 T1 亚型对曲妥珠单抗的疗效具有预测能力。T1 和S3 具有相似的代谢途径，但与病理参数和分子特征的相关性不同。表明亚型识别必须更精确地针对单个肿瘤或基质区域，而不是混合组织区域。这是第一项基于组织代谢组学对GC患者进行分类的研究，患者亚型的代谢差异及其与分子特征的关联可以改善个性化治疗方案。

[1] Ravi VM, Will P, Kueckelhaus J, Sun N, et al. Spatially resolved multi-omics deciphers bidirectional tumor-host interdependence in glioblastoma. Cancer Cell. 2022 Jun 13;40(6):639-655.e13.

[2] Shen J, Sun N, Zens P, et al. Spatial metabolomics for evaluating response to neoadjuvant therapy in non-small cell lung cancer patients. Cancer Commun (Lond). 2022 Jun;42(6):517-535.

[3] Wang J, Kunzke T, Prade VM, et al. Spatial Metabolomics Identifies Distinct Tumor-Specific Subtypes in Gastric Cancer Patients. Clin Cancer Res. 2022 Jul 1;28(13):2865-2877.