202XLOGO空間轉錄組學聯(lián)合蛋白質組學機制研究演講人2026-01-13空間轉錄組學與蛋白質組學：技術原理與局限性01應用場景：從機制解析到臨床轉化02聯(lián)合策略：構建“轉錄-蛋白質”空間整合框架03挑戰(zhàn)與展望：邁向時空多組學的精準機制研究04目錄空間轉錄組學聯(lián)合蛋白質組學機制研究1.引言：多組學聯(lián)合驅動機制研究進入空間維度在生命科學的探索歷程中，對生物機制的理解始終圍繞著“基因如何表達、表達產物如何執(zhí)行功能”這一核心命題。傳統(tǒng)轉錄組學揭示細胞群體基因表達譜，蛋白質組學反映蛋白質豐度與修飾狀態(tài)，卻均因缺乏空間信息而難以回答“在哪里表達”“如何與微環(huán)境互作”等關鍵問題。近年來，空間轉錄組學（SpatialTranscriptomics,ST）通過保留組織空間原位的RNA測序，實現了基因表達的空間定位；蛋白質組學（Proteomics）則依托質譜、多重熒光成像等技術，直接檢測蛋白質的豐度、修飾及空間分布。二者的聯(lián)合，并非簡單技術疊加，而是構建了從“轉錄-翻譯-功能”的空間閉環(huán)，為解析組織微環(huán)境異質性、細胞間通訊、疾病發(fā)生發(fā)展機制提供了前所未有的視角。作為一名長期從事腫瘤微環(huán)境機制研究的科研工作者，我在處理乳腺癌腦轉移樣本時曾深刻體會：空間轉錄組顯示轉移灶邊緣存在大量小膠質細胞高表達CX3CL1，而蛋白質組學在此區(qū)域檢測到其受體CX3CR1的顯著磷酸化——這種時空互證的發(fā)現，徹底顛覆了我們對“免疫逃逸僅依賴腫瘤細胞自主分泌因子”的認知。正是這樣的實踐經歷讓我堅信：空間轉錄組學與蛋白質組學的聯(lián)合，不僅是技術層面的革新，更是思維范式的轉變，它要求我們以“空間-分子-功能”三位一體的視角，重新審視生命現象的復雜性。本文將系統(tǒng)闡述兩種技術的核心原理、整合策略、應用場景及未來挑戰(zhàn)，旨在為機制研究者提供從技術選擇到生物學解讀的完整框架。01空間轉錄組學與蛋白質組學：技術原理與局限性1空間轉錄組學：捕捉基因表達的空間“地圖”空間轉錄組學的核心在于“原位捕獲+測序定位”，其發(fā)展經歷了從“粗分辨率”到“單細胞級精度”的跨越。目前主流技術可分為三類：1空間轉錄組學：捕捉基因表達的空間“地圖”1.1基于捕獲探針的測序技術以10xGenomicsVisium為代表，其原理是在載玻片上布滿帶有寡核苷酸探針的“捕獲點”，探針包含poly(dT)序列（捕獲mRNA的polyA尾）、唯一分子標識符（UMI）和空間條形碼。組織切片貼附于載玻片后，細胞內的mRNA通過滲透被原位捕獲，逆轉錄生成cDNA后進行建庫測序。通過空間條形碼，每個RNA序列可映射回其在組織中的原始位置，最終生成包含空間坐標的基因表達矩陣。該技術的優(yōu)勢在于通量高（可覆蓋全轉錄組），但空間分辨率受限于捕獲點間距（目前約55μm），相當于包含數個至數十個細胞。1空間轉錄組學：捕捉基因表達的空間“地圖”1.2基于成像的測序技術代表技術如Slide-seq、Seq-Scope。Slide-seq使用DNA微珠（bead）代替固定載玻片，微珠表面探針密度更高（直徑約10μm），可將分辨率提升至單細胞水平；Seq-Scope則通過超薄切片（1μm）和高密度探針陣列，實現亞細胞級的空間定位。這類技術的突破在于“用物理密度換分辨率”，但樣本制備要求極高（如切片厚度需控制在10μm內），且通量隨分辨率提升而下降。1空間轉錄組學：捕捉基因表達的空間“地圖”1.3原位測序技術如MERFISH、osmFISH，通過設計熒光標記的探針組合，對單個RNA分子進行原位擴增與成像，直接在顯微鏡下定位。其分辨率可達納米級（可區(qū)分細胞內的RNA顆粒），但通量較低（僅能檢測數十至數百個目標基因），適用于驗證特定基因的空間表達模式。局限性：空間轉錄組學的核心瓶頸在于“靈敏度-分辨率-通量”難以兼顧。高分辨率技術（如MERFISH）通量低，全轉錄組空間技術（如Visium）分辨率不足；此外，RNA易降解導致低豐度基因檢測困難，且僅反映轉錄水平，無法直接對應蛋白質功能狀態(tài)。2蛋白質組學：解碼功能分子的空間“執(zhí)行者”蛋白質是生命功能的直接載體，蛋白質組學通過大規(guī)模、高通量檢測蛋白質的豐度、翻譯后修飾（PTM）、相互作用及空間分布，填補了轉錄組與表型之間的空白?？臻g蛋白質組學技術主要分為三類：2蛋白質組學：解碼功能分子的空間“執(zhí)行者”2.1成像質譜技術代表如基質輔助激光解吸電離質譜成像（MALDI-IMS）、二次離子質譜成像（SIMS）。MALDI-IMS通過激光照射組織切片，使蛋白質/多肽解吸并離子化，經質譜檢測后生成分子離子強度的空間分布圖。其優(yōu)勢在于無需抗體標記，可檢測數千種內源性分子（包括蛋白質、代謝物），分辨率約10-20μm；但靈敏度較低（需fmol/μm2級別），且難以區(qū)分蛋白質異構體。SIMS分辨率可達50nm，主要用于小分子檢測，在蛋白質組學中應用較少。2蛋白質組學：解碼功能分子的空間“執(zhí)行者”2.2多重熒光成像技術以CODEX（MultiplexedIonBeamImaging）、IMC（ImagingMassCytometry）為代表，通過金屬標記抗體（如鉑、鉍同位素）或熒光標記抗體，結合質譜流式或共聚焦顯微鏡，可在同一組織切片上同時檢測30-40種蛋白質。CODEX利用“離子束濺射+質譜檢測”實現抗體標記的逐層成像，分辨率達亞細胞水平；IMC則通過時間延遲整合和金屬同位素標記，避免熒光串擾。這類技術的優(yōu)勢在于高特異性（依賴抗體）、高多重性，但需預先設定目標蛋白，無法進行“發(fā)現式”研究。2蛋白質組學：解碼功能分子的空間“執(zhí)行者”2.3原位proximityligation技術如PLA（ProximityLigationAssay）、PEA（ProximityExtensionAssay），通過設計一對特異性抗體，若兩個靶蛋白距離小于40nm，則連接探針并擴增產生可檢測信號（如熒光、PCR產物）。該技術可檢測蛋白質相互作用及低豐度蛋白（如信號分子），但通量低（通常檢測1-10種蛋白），適用于機制驗證而非大規(guī)模篩查。局限性：蛋白質組學的核心挑戰(zhàn)在于“動態(tài)范圍窄”與“抗體依賴性”。組織內蛋白質豐度差異可達10個數量級（高豐度蛋白如白蛋白可掩蓋低豐度信號）；多數技術依賴抗體，抗體的特異性與可用性限制了檢測范圍；此外，蛋白質翻譯后修飾（如磷酸化、糖基化）的檢測需要特異性富集，增加了實驗復雜度。02聯(lián)合策略：構建“轉錄-蛋白質”空間整合框架聯(lián)合策略：構建“轉錄-蛋白質”空間整合框架空間轉錄組學與蛋白質組學的聯(lián)合，本質是通過“空間錨點”將兩類數據對齊，實現“基因表達-蛋白質功能”的空間協(xié)同分析。其整合策略可分為“樣本級整合”與“數據級整合”，前者強調實驗設計層面的協(xié)同，后者聚焦算法層面的融合。1樣本級整合：基于原位樣本的協(xié)同制備1.1連續(xù)切片策略這是最經典的整合方式，將同一組織樣本切成連續(xù)切片（厚度10-20μm），分別用于空間轉錄組學和蛋白質組學檢測。例如，先進行Visium空間轉錄組測序，再對相鄰切片進行CODEX多重熒光成像。該策略的優(yōu)勢在于樣本批次效應小，空間坐標可通過切片序列精確對齊；但需嚴格控制切片厚度與形態(tài)一致性，避免組織變形導致的空間錯位。1樣本級整合：基于原位樣本的協(xié)同制備1.2同一樣本分區(qū)域檢測適用于樣本量稀缺的場景（如臨床活檢樣本）。將同一組織切片分為兩部分：大部分區(qū)域用于空間轉錄組學（如Visium），剩余小區(qū)域（如1/10）進行蛋白質組學檢測（如MALDI-IMS）。通過“宏觀空間轉錄組+微觀蛋白質組”的組合，既保證全轉錄組空間覆蓋，又獲得高分辨率蛋白質數據。1樣本級整合：基于原位樣本的協(xié)同制備1.3原位同步檢測前沿技術如“SPATIAL”（SpatialProteogenomicAnalysisbyTaggingTranscriptomeandEpitopeswithRecombinantEnzymes），通過在空間轉錄組探針上融合HRP（辣根過氧化物酶）標簽，捕獲的RNA在原位被HRP標記后，再進行抗體染色（如DAB顯色），實現同一張切片上RNA與蛋白質的共定位。該技術避免了切片分割帶來的空間錯位，但通量較低（僅適用于目標基因驗證）。2數據級整合：從空間匹配到機制挖掘2.1空間坐標對齊數據整合的前提是建立空間坐標系。對于連續(xù)切片，可通過組織形態(tài)學特征（如血管、細胞核分布）進行圖像配準（如使用彈性配準算法）；對于同一樣本不同技術，需基于生物標志物進行錨定——例如，用空間轉錄組中高表達的細胞特異性基因（如EPCAMfor上皮細胞）作為參考點，與蛋白質組中對應的蛋白（EPCAM抗體染色）進行空間坐標映射。2數據級整合：從空間匹配到機制挖掘2.2多模態(tài)數據降維與聚類整合后的數據包含“空間坐標-基因表達-蛋白質豐度”三維信息，需通過多模態(tài)降維算法（如MOFA+、Seuratv5的多模態(tài)整合）提取共享特征。例如，將空間轉錄組的spot表達矩陣與蛋白質組的區(qū)域豐度矩陣輸入MOFA+，可識別“高表達基因A+高豐度蛋白B”的空間模塊，該模塊可能代表特定的細胞亞群或功能區(qū)域。2數據級整合：從空間匹配到機制挖掘2.3空間共定位與互作網絡分析通過計算基因表達與蛋白質豐度的空間相關性（如Spearman相關系數），識別“轉錄-翻譯”協(xié)同變化的區(qū)域。例如，在腫瘤微環(huán)境中，若空間轉錄組顯示巨噬細胞高表達IL10，蛋白質組檢測到IL10蛋白在巨噬細胞周圍形成濃度梯度，則提示IL10可能通過旁分泌作用于鄰近細胞。進一步結合細胞通訊數據庫（如CellChat），可構建包含“基因-蛋白質-受體-配體”的空間互作網絡，解析細胞間通訊的時空機制。2數據級整合：從空間匹配到機制挖掘2.4功能通路的空間富集分析利用轉錄組數據（全基因覆蓋）進行通路富集（如GO、KEGG），結合蛋白質組數據（直接反映功能分子）進行驗證。例如，空間轉錄組顯示某區(qū)域富集“T細胞活化通路”（CD28、ICOS基因高表達），蛋白質組檢測到CD28蛋白的磷酸化水平升高，則可確認該區(qū)域存在活躍的T細胞活化過程。03應用場景：從機制解析到臨床轉化應用場景：從機制解析到臨床轉化空間轉錄組學與蛋白質組學的聯(lián)合已在多個領域展現出突破性價值，尤其在腫瘤微環(huán)境、神經發(fā)育、疾病機制解析等方面，提供了傳統(tǒng)技術無法企及的精細視角。1腫瘤微環(huán)境：解析“空間生態(tài)位”與治療抵抗腫瘤微環(huán)境并非均質化存在，而是由腫瘤細胞、免疫細胞、基質細胞等構成的“空間生態(tài)位”，不同生態(tài)位中的細胞互作決定了腫瘤進展與治療響應。聯(lián)合多組學技術可精準刻畫這種異質性。以膠質母細胞瘤（GBM）為例，空間轉錄組顯示腫瘤核心區(qū)域以增殖性腫瘤細胞為主（表達MKI67、PCNA），而浸潤邊緣則以干細胞樣腫瘤細胞（表達SOX2、OLIG2）為主導；蛋白質組學在此邊緣區(qū)域檢測到EGFRvIII蛋白的高表達及其磷酸化水平升高，且與鄰近的小膠質細胞高表達TGF-β形成空間關聯(lián)。通過整合分析，我們發(fā)現“干細胞樣腫瘤細胞-EGFRvIII-TGF-β-小膠質細胞”這一空間軸是GBM放療抵抗的關鍵機制：腫瘤細胞通過EGFRvIII激活TGF-β信號，誘導小膠質細胞向免疫抑制型（M2型）轉化，從而逃避免疫監(jiān)視。這一發(fā)現為靶向EGFRvIII與TGF-β聯(lián)合治療提供了理論依據。1腫瘤微環(huán)境：解析“空間生態(tài)位”與治療抵抗在乳腺癌腦轉移研究中，我們通過Visium空間轉錄組結合CODEX蛋白質組，發(fā)現轉移灶邊緣存在“腫瘤細胞-中性粒細胞”的空間集群，中性粒細胞高表達IL8（轉錄組），其受體CXCR2在腫瘤細胞膜上高表達（蛋白質組）。體外實驗證實，IL8-CXCR2軸通過促進腫瘤細胞遷移突破血腦屏障，而抗CXCR2抗體可顯著抑制轉移灶形成。這一研究首次揭示了中性粒細胞在乳腺癌腦轉移中的“空間導航”作用，為轉移防治提供了新靶點。2神經科學：解碼神經元發(fā)育與突觸形成的時空邏輯大腦功能的復雜性源于神經元亞型的精準定位與突觸連接的時空特異性。聯(lián)合多組學技術可解析“神經元分化-突觸蛋白表達-神經網絡形成”的全過程。在皮層發(fā)育研究中，我們使用Slide-seq單細胞級空間轉錄組結合MALDI-IMS蛋白質組，繪制了小鼠胚胎期E14.5-E18.5皮層發(fā)育的空間動態(tài)圖譜。結果顯示：神經干細胞（表達SOX2）向神經元分化過程中，空間轉錄組檢測到中間前體細胞（表達TBR2）向深層皮層遷移，而蛋白質組在此區(qū)域檢測到遷移相關蛋白DCX的磷酸化水平升高；當神經元到達目標位置后，突觸前蛋白（SYN1）與突觸后蛋白（PSD95）在空間上形成“熱點區(qū)域”，與空間轉錄組中突觸形成相關基因（NLGN1、NRXN1）的高表達區(qū)域完全重疊。這表明神經元的遷移與突觸形成受“轉錄-翻譯”時空協(xié)同調控，而DCX的磷酸化可能是神經元遷移啟動的關鍵開關。2神經科學：解碼神經元發(fā)育與突觸形成的時空邏輯在阿爾茨海默?。ˋD）研究中，空間轉錄組顯示AD患者海馬區(qū)小膠質細胞高表達APOE（與AD風險相關基因），蛋白質組檢測到APOE蛋白與β淀粉樣蛋白（Aβ）在空間上共定位，且形成“核心-暈”結構：Aβ為核心，APOE圍繞其分布。進一步分析發(fā)現，APOE通過與Aβ結合，促進其沉積形成斑塊，同時激活小膠質細胞的炎癥通路（TLR4/NF-κB），導致神經元損傷。這一發(fā)現為靶向APOE治療AD提供了直接證據。3發(fā)育生物學：揭示器官發(fā)生的細胞命運決定機制器官發(fā)育是細胞命運動態(tài)變化的過程，不同細胞亞型的空間分布與分子互作決定了器官的結構與功能。聯(lián)合多組學技術可解析“干細胞分化-組織邊界形成-器官形態(tài)發(fā)生”的時空機制。在心臟發(fā)育研究中，我們使用MERFISH檢測40個關鍵基因的空間表達，結合IMC檢測30種蛋白質，構建了小鼠胚胎E9.5-E11.5心臟發(fā)育的多組學圖譜。結果顯示：心內膜細胞（表達NKX2-5）在心室區(qū)域高表達BMP10，而心肌細胞在其鄰近區(qū)域高表達BMPR1A（蛋白質組檢測到BMPR1A的磷酸化），形成“BMP10-BMPR1A”空間信號軸，促進心肌細胞增殖與心室壁增厚；當心室發(fā)育完成后，心外膜細胞（表達WT1）高表達FGF10，其受體FGFR2在心肌細胞膜上激活，啟動心外膜-心肌轉化，形成室間隔。這一研究首次揭示了心臟發(fā)育中“組織邊界信號軸”的存在，為先天性心臟病機制解析提供了新思路。4臨床轉化：尋找疾病生物標志物與治療靶點聯(lián)合多組學技術在臨床轉化中的核心價值在于發(fā)現“空間特異性生物標志物”——即僅在特定病理區(qū)域（如腫瘤浸潤邊緣、炎癥病灶）異常表達的分子，其可作為診斷、預后或治療響應的指標。在肝癌研究中，我們對肝癌患者癌、癌旁、正常肝組織進行Visium空間轉錄組與MALDI-IMS蛋白質組檢測，發(fā)現癌組織邊緣區(qū)域存在“肝癌細胞-癌相關成纖維細胞（CAFs）”的空間集群：肝癌細胞高表達SAA1（急性期反應蛋白），CAFs高表達SAA1受體（FPRL1，蛋白質組檢測到其高表達）。臨床數據顯示，邊緣區(qū)域SAA1/FPRL1共表達水平高的患者，術后復發(fā)風險增加3倍（HR=3.2，P<0.001）。進一步機制研究發(fā)現，SAA1-FPRL1軸通過激活CAFs的TGF-β信號，促進細胞外基質沉積，形成免疫抑制微環(huán)境。這一標志物不僅可用于預后預測，還可作為靶向治療的新靶點（如抗SAA1抗體）。04挑戰(zhàn)與展望：邁向時空多組學的精準機制研究挑戰(zhàn)與展望：邁向時空多組學的精準機制研究盡管空間轉錄組學與蛋白質組學的聯(lián)合已展現出巨大潛力，但在技術、數據、臨床轉化等方面仍面臨諸多挑戰(zhàn)，而新技術的突破將推動機制研究進入“時空動態(tài)、單細胞分辨率、多組學融合”的新時代。1現存挑戰(zhàn)1.1技術層面的瓶頸-樣本制備的一致性：空間轉錄組與蛋白質組對樣本處理要求不同（如空間轉錄組需RNA完整性，蛋白質組需避免蛋白降解），連續(xù)切片易導致組織變形、樣本損失，影響空間對齊精度。01-檢測靈敏度的差異：空間轉錄組可檢測低豐度基因（如轉錄因子），而蛋白質組對低豐度蛋白（如信號分子）檢測能力有限，導致“高轉錄-低蛋白”現象普遍存在，難以直接對應。02-空間分辨率的匹配：高分辨率空間轉錄組（如MERFISH）可達單細胞級，而高分辨率蛋白質組（如CODEX）通常為亞細胞級，二者分辨率不匹配會影響數據整合效果。031現存挑戰(zhàn)1.2數據分析的復雜性-多模態(tài)數據的異質性：轉錄組數據（高維稀疏）與蛋白質組數據（低維稠密）特征差異大，現有整合算法（如MOFA+、Seurat）難以完全消除批次效應與數據偏差。-動態(tài)過程的捕捉：多數技術為“時間點”檢測，難以捕捉發(fā)育、疾病進程中的動態(tài)變化；而時間序列多組學實驗成本高昂，樣本需求量大。-功能驗證的困難：聯(lián)合數據可提示“相關性”，但“因果關系”仍需實驗驗證（如基因敲除、抗體阻斷），而空間特異性操作（如靶向特定區(qū)域的細胞）技術難度大。1現存挑戰(zhàn)1.3臨床轉化的障礙-樣本獲取的局限性：臨床樣本（如活檢組織）量少、易降解，難以滿足兩種技術的檢測需求；空間多組學檢測成本高，難以大規(guī)模應用于臨床隊列研究。-生物標志物的特異性：空間特異性標志物需在獨立隊列中驗證，而不同患者樣本的異質性（如腫瘤分型、治療史）可能導致標志物普適性差。2未來展望2.1技術革新：從“靜態(tài)空間”到“動態(tài)時空”-原位同步檢測技術：開發(fā)“RNA-蛋白質”一體化檢測平臺，如“SPRITE”（SpatiallyResolvedTranscriptome-ProteinInteractions），通過在單細胞內同時捕獲RNA與蛋白質，實現“同一細胞、同一時間”的多組學檢測，徹底解決空間錯位問題。-時空動態(tài)追蹤：結合單細胞測序與活體成像技術（如光片顯微鏡），在發(fā)育、疾病模型中實現“時間序列-空間分辨”的多組學檢測，捕捉細胞命運決定與分子互作的動態(tài)過程。-高分辨率高通量技術：如“納米級空間轉錄組”（通過納米孔陣列實現單細胞級分辨率）與“質譜流式成像”（檢測100種以上蛋白質），兼顧分辨率與通量，滿足精細機制研究需求。2未來展望2.2算法突破：從“數據整合”到“機制挖掘”-人工智能驅動的多模態(tài)整合：利用深度學習模型（如圖神經網絡、Transformer），整合空間轉錄組、蛋白質組、代謝組等多組學數據，構建“分子-細胞-組織”多層次互作網絡，預測關鍵調控節(jié)點。-空間單細胞多組學算法：針對空間轉錄組的“spot內細胞異質性”問題，開發(fā)“解卷積算法”（如SPOTlight），將spot表達矩陣拆分為單細胞類型；結合蛋白質組數據，實現“單細胞類型-蛋白質功能”的空間映射。-因果推斷模型：整合多組學數據與干預實驗結果（如CRISPR篩選），構建“因果網絡”，區(qū)分“驅動因素”與“伴隨現象”，為靶點發(fā)現提供精準依