Cancer Cell：肿瘤空间组学技术的研究现状及临床应用 | Cell Press论文速递

▲长按图片识别二维码阅读原文

自约翰内斯·穆勒首次通过光学显微镜观察肿瘤以来，我们在细胞层面对癌症组织的可视化研究已有200年历史，在此期间，诊断病理学的发展得到了极大推动。通过特异性标记和形态学染色（如苏木精-伊红染色、免疫组织化学、荧光原位杂交等），我们得以可视化癌细胞和肿瘤微环境，从而深入理解从良性病变到侵袭性恶性的进展过程。这些技术不仅支持肿瘤分期、预后评估，也在指导临床治疗决策中发挥关键作用。随着下一代测序技术在肿瘤遗传学中的应用，癌症诊断和靶向治疗得到了快速发展。然而，传统的高通量组学方法无法区分恶性与非恶性细胞信号且缺乏空间信息，难以全面反映肿瘤组织的复杂性。尽管单细胞测序在分辨率上取得了突破，但其缺乏细胞空间位置信息，限制了对细胞间通讯和空间关系的深入解析，并因样本制备要求高而在临床应用上面临挑战。近年来，空间分子分析技术的发展弥补了这些不足，使我们能够在组织背景下获得丰富的分子信息，从而解答了与治疗耐药性、肿瘤异质性和克隆进化相关的重要问题。

当下正处于肿瘤空间组学技术飞速发展的时代，空间解析的多重检测技术正在填补临床样本中分子分析与组织空间背景之间的空白，并迅速推进商品化。利用这些空间技术，研究者能够描绘出肿瘤微环境中影响免疫浸润和治疗敏感性的结构特征，发现与患者预后和疗效相关的空间特性，革新了我们对肿瘤免疫微环境的理解。目前商用的空间技术主要分为基于成像和测序的工具，检测靶标集中在RNA和蛋白（图1）。成像方法提供了更高的空间分辨率，相较于测序平台，具备更高的灵敏度和特异性，但代价是耗时长且成本较高；而测序技术则以更低的成本和更高的通量提供无偏的覆盖，适用于探索性研究。新兴技术如Slide多组学进一步提升了解析复杂组织表型的能力。由于空间表观遗传学、代谢组学和基因组学技术仍主要处于概念验证阶段，尚未实现商业化或广泛用于临床样本，因而空间蛋白质组学和转录组学在临床组织空间分析中仍占据主导地位。

图1 空间组学技术平台示意图

肿瘤空间组学技术的迅速发展伴随着数据处理和分析计算工具及流程的快速进步，包括细胞分割工具、构建空间单细胞谱系的方法以及解析肿瘤异质性的算法。在基于成像的技术中，细胞分割是构建精确单细胞图谱的关键第一步，通常依赖于形态学标记（如细胞膜和核染色）。机器学习算法，如CellPose和StarDist，经过手动整理的分割示例训练后，能够提供有效的初步结果。例如，Brbić等人开发的STELLAR方法，利用几何深度学习，使不同组织和疾病中的细胞自动注释成为可能。STELLAR分析空间解析的单细胞数据集，学习单细胞的空间和分子相似性，以及它们的邻域组成和结构，进而对细胞进行评分，判断其是否与已注释的参考集匹配，或是否属于新的细胞类型或状态。在基于测序的方法中，分辨率受到斑点大小的限制。即使在亚细胞分辨率下，由于细胞重叠和样本处理过程中的转录物扩散，准确分割依然具有挑战性。因此，具备解卷积和错误校正功能的统计算法极大提高了空间分析的可解释性。例如，稳健细胞类型分解利用单细胞图谱，学习典型的单细胞特征，将其与空间分布的斑点匹配，并校正错误分配的转录物。最近，集成亚细胞测序的方法进一步细化了细胞注释到亚细胞斑点水平。一旦完成细胞类型注释，许多用于分析单细胞数据的基本分析方法可应用于研究肿瘤异质性，同时整合空间信息。这些方法包括层次聚类，用于识别肿瘤内细胞类型亚群，以及共识非负矩阵分解（cNMF）等主题建模方法，用于识别与特定细胞功能相关的共享基因程序。最后，空间可变表达算法被应用于识别不同位置上差异表达基因及具有空间限制表达的特征生物标志物。

空间转录组技术的进步使我们能够深入研究肿瘤微环境中复杂的多细胞相互作用的结构与功能。本文作者提到了一些空间组学技术在肿瘤微环境研究中的应用实例，包括识别新的细胞互作作为潜在的治疗靶点。文章讨论了空间技术在肿瘤-间质、肿瘤-免疫和肿瘤-神经相互作用分析中的重要性。例如，不同亚型的肿瘤相关成纤维细胞和肿瘤相关巨噬细胞在空间定位上存在差异，这些差异与患者的预后和治疗反应相关（见图2）。在分析方法方面，文章强调了细胞邻域分析的重要性。这是一种表征空间微环境中细胞组成的有效方法，有助于研究细胞的空间组织如何影响与疾病进展相关的特性。邻域分析不仅可以检测组织的相似性和差异性，还能够深入了解驱动空间邻域的细胞特性及其动态的细胞/分子相互作用。例如，Greenwald等人通过将PCF空间单细胞蛋白组与Visium空间转录组结合，运用空间邻域分析揭示了胶质母细胞瘤中细胞状态的组织结构。他们从肿瘤核心开始，确定了五种不同的细胞状态层次，包括缺氧生态位，缺氧邻近生态位，免疫和血管生成相关的生态位，神经发育型GBM状态和正常大脑组织。此外，配体-受体相互作用在多细胞通讯中扮演着关键角色，这种通讯有助于癌细胞的存活、增殖以及逃避免疫和治疗引发的细胞死亡。因此，将参与这些相互作用的细胞的空间位置与分子信息相结合，可以更准确地推断出相关的配体-受体相互作用及其作为治疗靶点的潜力。为了支持这项分析，通常会将稀疏的空间数据集与灵敏度更高的单细胞RNA测序数据结合，以在空间上绘制单细胞图谱。例如，Ji等人将单细胞RNA测序与空间转录组学和多重离子束成像相结合，以识别在皮肤鳞状细胞癌中存在的配体-受体网络。尽管已有研究通过整合不同组学方法推断配体-受体相互作用，但基于RNA原位杂交的空间分子成像能够在原生组织中以单细胞分辨率识别这些相互作用。例如，对人类胰腺导管癌进行的研究揭示了在治疗反应中发生变化的配体-受体相互作用。为此，作者开发了SCOTIA（空间约束最优传输相互作用分析）方法，考虑了肿瘤微环境中细胞间的空间距离及其配体-受体基因表达，从而推断相互作用。尽管将这些临床前发现整合到临床实践中还有许多步骤需要完成，但这些早期空间生物标志物的例子显示出巨大的潜力，最终将在临床前发现和临床管理中产生重大影响。

图2 利用空间组学技术识别肿瘤微环境中多细胞间相互作用

空间技术的另一个重要应用是发现新的空间标志物，尤其是那些能够预测免疫治疗反应的标志物。例如，Phillips等人开发了一种名为SpatialScore的指标，基于每个CD4+ T细胞与其最近肿瘤细胞和最近Treg细胞之间的物理距离比值。较低的SpatialScore表明T细胞的效应活性较高，而较高的SpatialScore则反映了T细胞抑制作用的增强。这一指标在预测anti-PD-1治疗效果方面表现优越，超越了传统的免疫组织化学、基因表达谱和质谱流式等检测方法。此外，在一项针对乳腺癌和结直肠癌的研究中，研究人员通过细胞邻域分析发现，与浆细胞共定位的FOLFR+ TAMs与患者的高生存率相关，而与坏死肿瘤细胞共定位的SPP1+ TAMs则与患者的低生存率相关。这些发现为肿瘤微环境中的细胞相互作用及其临床意义提供了重要见解。

最后，作者指出，肿瘤空间组学分析技术仍面临诸多挑战。随着技术的发展，尽管在提高空间分辨率方面值得期待，但在临床整合上，困难依旧显著。虽然单细胞测序技术曾被视为分析临床样本及空间原位技术的先决条件，但迄今为止尚未在常规患者护理中得到应用。前瞻性临床验证研究、临床疗效研究和监管基准测试可能会限制空间原位技术的应用，就像它们对更简单的诊断和预后检测所造成的影响一样。尽管存在这些障碍，空间技术依然为临床决策提供了令人期待的前景。与常规的分离组学方法相比，空间分析技术特别适合整合进临床工作流程，因为临床医生在多学科联合诊疗中习惯分析研究组织病理学结果（图3）。此外，空间组学技术能够拓展空间分析的维度，将为深入理解癌症的空间组织架构提供新的见解。另一个令人兴奋的发展方向是同时探索基因表达在空间和时间上的变化。一项新兴研究领域专注于利用人工智能方法，从常规的苏木精-伊红染色中预测生物标志物和基因表达。未来，结合苏木精-伊红图像、整合转录组数据、基因组分析和临床病史的多组学分析方法，机器学习模型有望提高对临床相关指标的预测能力，包括治疗反应、疾病复发和预后。重要的是，空间分析技术的临床应用并不一定需要在临床样本中使用高度多重空间分析。相反，通过已经广泛使用且具有临床效能的低重分析，空间分析的优势或许能以更经济的方式实现。尽管在使用空间分析技术识别新药物靶点的研究仍处于初期阶段，但通过表征癌症进展和治疗耐药机制中细胞-细胞相互作用的高度多重空间分析，有望推动药物开发和临床试验流程的发展。

图3 肿瘤空间组学分析技术的临床应用

肿瘤原位空间组学分析技术是一类具有突破性的重要方法，正在重新定义癌症生物学研究的进行方式。这些技术的不断发展和广泛应用使得研究者能够将生物学现象置于其原生组织环境中，从而观察癌症进展过程中的特性。这种空间分辨率的提高不仅使得细胞间相互作用的推断成为可能，也为靶向肿瘤微环境的新治疗策略设计开辟新的方向。然而，作为一种新兴的检测技术，这些方法面临着在前瞻性研究中验证其临床应用价值和技术改进的挑战。这些挑战包括确保获得始终如一的高质量和可解释的数据。此外，为了将这些技术有效整合到临床研究中，必须建立支持性的基础设施。这包括安全的数据存储平台、易于理解的数据分析流程以及检测协议的标准化，这些因素在推动更广泛的应用中发挥着关键作用。

总体而言，作者对这些新技术在识别新的治疗干预策略和发现新的空间生物标志物方面持积极态度。这些进展不仅推动癌症研究的深入，还将加快精准肿瘤学的发展，为患者提供更为个性化和有效的治疗方案。通过结合空间分析技术与传统方法，研究人员有望更全面的理解肿瘤的生物学特性，从而推动更精准的肿瘤治疗策略的开发。

论文原文刊载于Cell Press细胞出版社旗下期刊Cancer Cell，点击“阅读原文”或扫描下方二维码查看论文

▲长按图片识别二维码阅读原文

推荐阅读

▲长按识别二维码关注细胞科学