測(cè)序技術(shù)、質(zhì)譜技術(shù)、多組學(xué)方法、成像技術(shù)和人工智能分析技術(shù)的進(jìn)步，大大提高了從生物樣本（尤其是人體組織）中獲取信息的深度。這些相互關(guān)聯(lián)的工具及其提供的不同見(jiàn)解，催生了一個(gè)快速發(fā)展的領(lǐng)域，即空間生物學(xué)。通過(guò)整合這些先進(jìn)技術(shù)所提供的背景，空間生物學(xué)正在改變生物研究。但什么是空間生物學(xué)，研究人員如何利用其工具來(lái)滿(mǎn)足后組學(xué)時(shí)代日益增長(zhǎng)的生物學(xué)問(wèn)題的需求？

本文簡(jiǎn)要概述了空間生物學(xué)及其技術(shù)，以及這一動(dòng)態(tài)領(lǐng)域的關(guān)鍵研究問(wèn)題。

簡(jiǎn)單地說(shuō)，空間生物學(xué)就是研究分子、細(xì)胞和組織在其原生二維或三維空間環(huán)境中的組織和相互作用，以及它們之間的關(guān)系。通過(guò)空間生物學(xué)，研究人員可以探索原生組織微環(huán)境中的相互作用，揭示其細(xì)胞表型多樣性和空間結(jié)構(gòu)。

掃碼mianfei領(lǐng)取

《空間生物學(xué)指南》電子版（英文）

空間生物學(xué)數(shù)據(jù)是通過(guò)不同的技術(shù)方法生成的，或者通常是這些方法的組合，其中最主要的方法包括：

    左右滑動(dòng)查看更多    

空間多組學(xué)是一個(gè)新興領(lǐng)域，它將多種組學(xué)技術(shù)結(jié)合起來(lái)，以獲得更大的背景和更深入的見(jiàn)解。例如，結(jié)合蛋白質(zhì)組學(xué)和轉(zhuǎn)錄組學(xué)數(shù)據(jù)，深入了解組織切片內(nèi)的定位情況。

腫瘤微環(huán)境（TME）等異質(zhì)組織是具有不同表型變化的細(xì)胞的復(fù)雜組合。因此，研究腫瘤、基質(zhì)和免疫細(xì)胞之間的組織和相互作用需要一種空間多重成像研究方法，為此需要高靈敏度和特異性的抗體。與傳統(tǒng)的顯微鏡相比，多重成像技術(shù)能觀(guān)察到更多的生物標(biāo)記物，因此能從人體組織樣本中提取更多的信息。

通過(guò)同時(shí)觀(guān)察多種生物標(biāo)記物，可以識(shí)別和分析復(fù)雜的組織和細(xì)胞表型?；诳贵w的多重成像技術(shù)使研究人員能夠研究蛋白質(zhì)表達(dá)的時(shí)間和地點(diǎn)，并按細(xì)胞類(lèi)型、生物標(biāo)記物表達(dá)譜和特定特征（稱(chēng)為空間表型）繪制正常和患病組織的圖譜。通過(guò)對(duì)細(xì)胞的空間圖譜繪制和分析，可以更深入地了解組織狀況和疾病進(jìn)展，這對(duì)生物標(biāo)記物的發(fā)現(xiàn)至關(guān)重要。

單步染色和成像、針對(duì)有限靶點(diǎn)的單輪染色（一次通過(guò)）。

綜合多組學(xué)工作流程和迭代染色，可對(duì)組織樣本中的蛋白質(zhì)分布和相互作用進(jìn)行詳細(xì)分析。

例如基于全息技術(shù)的方法，或者在不受周?chē)?xì)胞污染的情況下對(duì)特定切片進(jìn)行進(jìn)一步研究。例如，在癌癥生物學(xué)中，腫瘤區(qū)域和非腫瘤區(qū)域之間以及腫瘤內(nèi)部都存在明顯的分子差異。只有通過(guò)分離這些區(qū)域的特定切片，才能解讀這些差異。激光顯微切割（LMD），又稱(chēng)激光捕獲顯微切割（LCM），正越來(lái)越多地用于空間生物學(xué)，從各種樣本中分離和解剖單個(gè)目標(biāo)細(xì)胞或整個(gè)組織區(qū)域。這種方法可與人工智能（AI）引導(dǎo)的方法相結(jié)合，自動(dòng)定義需要解剖的感興趣區(qū)（ROI）。

空間生物學(xué)技術(shù)可生成大量數(shù)據(jù)，通常以圖像的形式存在，其中蘊(yùn)含著許多研究問(wèn)題的答案。然而，這些數(shù)據(jù)的龐大數(shù)量和復(fù)雜性給分析工作帶來(lái)了挑戰(zhàn)。此外，在分析多個(gè)標(biāo)簽和成千上萬(wàn)個(gè)數(shù)據(jù)點(diǎn)時(shí)，克服分析的主觀(guān)性也是一大障礙。這些因素助長(zhǎng)了使用人工智能驅(qū)動(dòng)的多路復(fù)用圖像分析從空間數(shù)據(jù)中獲得有意義和可量化見(jiàn)解的趨勢(shì)。例如，對(duì)異質(zhì)組織樣本進(jìn)行人工智能驅(qū)動(dòng)的機(jī)器學(xué)習(xí)分析，可以揭示dute的、以前未識(shí)別的細(xì)胞表型及其在組織微環(huán)境中的分布。這種洞察力能讓科學(xué)家更好地對(duì)腫瘤類(lèi)型進(jìn)行分類(lèi)，并對(duì)治療反應(yīng)做出更準(zhǔn)確的預(yù)測(cè)，最終改善患者的預(yù)后。

CELL DIVE 超多標(biāo)組織成像分析系統(tǒng)

激光顯微切割 Leica LMD6 & LMD7

AI圖像分析軟件 Aivia

STELLARIS 5 & STELLARIS 8 共聚焦顯微鏡平臺(tái)

MICA 全場(chǎng)景顯微成像分析平臺(tái)

Mateo