空间转录组技术在2020年被Nature Methods评为当年的年度技术，并在2022年被Nature评为2022年重点关注技术。其实空间技术已经由来已久，但是随着近几年，技术的不断迭代优化以及对空间组学大数据的生信分析能力的提升，空间组学技术可以进一步为了解生物分子机制、疾病发生发展以及药物治疗机制提供更加坚实的数据基础。如今，空间/原位技术百花齐放，小编将根据最新的一些文章综述进行空间技术的大盘点。
1.基于探针或抗体的靶向显微成像空间组学技术（如IMC,MERSCOPE，Xenium,CosMx,Codex等）
当需要鉴定细胞状态，身份和功能时，靶向空间组学方式是更合适的选择。抗体和RNA探针，如内源转录本或蛋白质，是最常见的检测方法。传统的免疫荧光检测，受到荧光通道的限制，只能检测几种RNA或蛋白。目前通过抗体孵育或RNA探针杂交，多轮染色，成像和淬灭/洗脱荧光的方式，可以大大提高检检测RNA或者蛋白的种类。其中不同的方法在这些基本步骤的实现上有所不同。
使用原位mRNA探针的荧光标记和高分辨率荧光显微镜来检测和区分单个mRNA转录本。
使用标记抗体进行组织染色，图像采集和信号灭活或去除进行蛋白质的检测。
2.基于NGS测序的全转录组空间分析技术（Slide-seqV2，Stereo-Seq,VisiumHD等）
当需要对一个组织进行全局的了解，发现更多未知的细胞亚群时，那么选择基于NGS测序的空间组学技术分析将更加合适。基于测序的空转通常首先要构建一个像素化的平面，其中每个像素都包含一个特征序列引物作为barcode，用来标记这个像素的位置。将组织放置在这个平面上并且将mRNA扩散到表面上与引物进行结合并被barcode标记。
如下图所示，图A展示自2010年以来所有超分辨率技术的时间轴。颜色强度对应每年发表的技术数量，蓝色技术是基于测序的，而红色技术是多重免疫组织化学/免疫荧光技术。红色方框的顶部和底部分别代表非FISH和基于FISH。图B展示目标类型和分析方法的比例，其中Y量化检测给定分子（DNA、RNA或蛋白质）的方法。图C比较基于成像的技术。可以做到的最高分辨率，一些基于超分辨率显微镜的方法估计在50纳米，以及可以在实验中检测到的标记物或基因的最大数量。请注意，根据技术的不同，其中一些技术尚未经过优化，可能在未来的几年中可以扩展。
下表列出了可以做到单细胞/亚细胞分辨率的空间组学技术，我们可以看到，10x Genomics Xenium原位分析技术是基于mFISH的原理，可以达到50nm的分辨率，基因检测数量可达1000个，并且可以实现RNA和蛋白的检测。Akoya的PhenoCycler是基于抗体的原理，可以实现RNA和蛋白的同时检测，蛋白检测数量可达100个。
图注：单细胞或亚细胞空间组学技术摘要。表格仅包括单细胞或亚细胞分辨率的空间组学技术，不包括失去组织结构上下文的空间条形码方法（例如CITE-seq、ZipSeq、ExSeq、XYZeq和sci-space）。MERSCOPE采用MERFISH作为平台解决方案。Slide-SeqV2和DBiT-seq可能接近单细胞。多重数基于截至2022年3月的已验证或声明的最大值。Ab-基于抗体的方法（多重光谱法），mFISH-多重FISH（探针法），NGS-下一代测序，SR-未指定并声明为亚细胞分辨率；在分辨率显微镜的能力范围内，WT-全转录组。
尽管这个领域相对较新，但有一些参考数据源可供使用，以探索不同的方法并用作健康对照。例如，GeoMx空间器官图谱提供了来自五个器官系统的人类组织空间数据：肾脏、大脑、肠道、淋巴结和胰腺（https:// nanos tring. com/ produ cts/geomx- digit al- spati al- profi ler/ spati al- organ- atlas/）。Vizgen还发布了一份小鼠肝脏空间图谱，供人们探索和理解技术的范围，Akoya biosciences也在网上分享了一些组织的数据，包括大脑、胎盘、乳房、肺、头颈和扁桃体（https://www.akoyabio.com/fusion/data-gallery/）。由于许多这些研究重点是癌症样本和正常对照样本，因此一些数据集可以通过人类肿瘤图谱（https://data.humantumoratlas.org/）或人类生物分子图谱计划（HuBMAP，https://portal.hubmapconsortium.org/）进行访问。
下表列出了截至2022年3月可用于空间组学应用的参考图谱列表。HPA人类蛋白质图谱（https://www.proteinatlas.org/），HCA人类细胞图谱（https://www.humancellatlas.org/），Tabula Sapiens（https://tabula-sapiens-portal.ds.czbiohub.org/）。
由于大多数最新的空间组学技术支持的标记数比传统图像格式支持的要多，因此可视化空间组学数据的结果是一项非常重要的任务。目前已经有很多软件可以进行空间组学技术的分析。比如单细胞的分割，空间微环境的分析，细胞间相互作用的推断，以及空间多组学数据的整合分析等。各种分析软件请阅读综述《Spatial omics technologies at multimodal and single cell/subcellular level》原文查找。
参考文献：
[1] Spatial omics technologies at multimodal and single cell/subcellular level. Genome Biol(2022).
[2] Spatial profiling technologies illuminate the tumor microenvironment. Cancer Cell(2023)
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/273429.html