當(dāng)前位置：首頁 > 技術(shù)文章 > 空間生物學(xué)指南（上篇）

空間生物學(xué)指南（上篇）

更新時(shí)間：2024-10-25 點(diǎn)擊次數(shù)：140

空間生物學(xué)簡介

測序技術(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滿足后組學(xué)時(shí)代日益增長的生物學(xué)問題的需求？

本文簡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)鍵研究問題。

什么是空間生物學(xué)？

簡單地說，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）

如何生成空間生物學(xué)數(shù)據(jù)？

空間生物學(xué)數(shù)據(jù)是通過不同的技術(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：

基于圖像的方法，如轉(zhuǎn)錄組學(xué)和蛋白質(zhì)組學(xué)，使用基于抗體的多路復(fù)用或 RNAScope 等技術(shù)

將質(zhì)譜、質(zhì)譜或測序技術(shù)與激光顯微切割等互補(bǔ)方法結(jié)合起來的工作流程，這種方法可以分離出區(qū)域，甚至是單個(gè)細(xì)胞，用于下游的 omics 分析，同時(shí)保留空間上下文

基于人工智能的空間關(guān)系量化分析是所有這些方法的補(bǔ)充，也是從復(fù)雜數(shù)據(jù)集中獲得有意義的見解所必需的

空間轉(zhuǎn)錄組學(xué)/基因組學(xué)

利用顯微鏡、RNA 測序、原位雜交及其他自動(dòng)計(jì)數(shù)和剖析方法，研究具有空間背景的轉(zhuǎn)錄組或基因表達(dá)。為了提高靈敏度，在采用顯微切割技術(shù)后還需要進(jìn)行下游分析，以便將 RNA 測序讀數(shù)分配到特定的物理位置。

空間蛋白質(zhì)組學(xué)

使用基于抗體的多重成像或質(zhì)譜方法來了解蛋白質(zhì)的定位及其動(dòng)態(tài)，這些技術(shù)之間的主要區(qū)別在于所需的靈敏度。成像技術(shù)正越來越多地與下游質(zhì)譜技術(shù)相結(jié)合，利用微切片組織區(qū)域，將分析數(shù)據(jù)與參考圖像重新對齊，以提供空間背景。

空間代謝組學(xué)

利用精確的測量標(biāo)準(zhǔn)，提供非蛋白質(zhì)代謝物的定量空間信息，如脂類（脂質(zhì)組學(xué)）、糖類（糖組學(xué)）和藥物分子，以深入了解人體組織化學(xué)。

左右滑動(dòng)查看更多

空間多組學(xué)是什么？

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，以獲得更大的背景和更深入的見解。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。

激光顯微切割系統(tǒng) - 為下游蛋白質(zhì)組學(xué)、基因組學(xué)和轉(zhuǎn)錄組學(xué)分析保留空間背景。

空間生物學(xué)在組織研究中的重要性

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。

清晰的全組織成像。

生物標(biāo)記物的多重成像

通過同時(shí)觀察多種生物標(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)胞類型、生物標(biāo)記物表達(dá)譜和特定特征（稱為空間表型）繪制正常和患病組織的圖譜。通過對細(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，這對生物標(biāo)記物的發(fā)現(xiàn)至關(guān)重要。

Cell DIVE 多路復(fù)用成像解決方案 - Cell DIVE 是一種精確、開放的多路復(fù)用解決方案，可讓您的研究決定所需的自動(dòng)化程度、使用哪種抗體、如何構(gòu)建抗體面板等。

多重成像有哪些不同類型？

在基于顯微鏡的方法中，“復(fù)用性"（即樣本中分析的分析物數(shù)量）存在差異。低/中復(fù)用方法分析的生物標(biāo)記物數(shù)量較少，而高復(fù)用方法則可分析數(shù)百或數(shù)千個(gè)生物標(biāo)記物。研究人員可以選擇基于低復(fù)合物成像的技術(shù)，如傳統(tǒng)的光學(xué)顯微鏡，對組織樣本進(jìn)行更高分辨率的成像。當(dāng)樣本具有復(fù)雜的三維結(jié)構(gòu)（如球體或厚組織）時(shí)，這一點(diǎn)至關(guān)重要。

目前已有許多不同的復(fù)用成像方法，每種方法都采用不同的方法來實(shí)現(xiàn)更高的復(fù)用性。主要分為以下幾類：

單步染色和成像、針對有限靶點(diǎn)的單輪染色（一次通過）。

綜合多組學(xué)工作流程和迭代染色，可對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。

剖析目標(biāo)區(qū)域，進(jìn)行重點(diǎn)空間生物學(xué)分析

例如基于全息技術(shù)的方法，或者在不受周圍細(xì)胞污染的情況下對特定切片進(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），又稱激光捕獲顯微切割（LCM），正越來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）。

激光顯微切割簡介 - 精確定位或分離單個(gè)細(xì)胞和組織結(jié)構(gòu)。

人工智能在空間生物學(xué)中的興起

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了挑戰(zhàn)。此外，在分析多個(gè)標(biāo)簽和成千上萬個(gè)數(shù)據(jù)點(diǎn)時(shí)，克服分析的主觀性也是一大障礙。這些因素助長了使用人工智能驅(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解的趨勢。例如，對異質(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)家更好地對腫瘤類型進(jìn)行分類，并對治療反應(yīng)做出更準(zhǔn)確的預(yù)測，最終改善患者的預(yù)后。

用 STELLARIS 系統(tǒng)采集的標(biāo)有 8 種 OPAL 染料和 DAPI 的多重人體扁桃體組織，用 Aivia 14 進(jìn)行細(xì)胞分割。

空間生物學(xué)包括各種工具、方法和分析，它們將不同的技術(shù)（如組學(xué)技術(shù)）與基于成像的方法相結(jié)合，以獲取位置信息，從而增強(qiáng)我們對組織結(jié)構(gòu)和空間相互作用的理解。隨著這些技術(shù)的進(jìn)步，研究人員可以解決的問題范圍將變得更加復(fù)雜。癌癥生物學(xué)、神經(jīng)科學(xué)和發(fā)育生物學(xué)等復(fù)雜領(lǐng)域有望從這些突破中獲得重大影響。采用空間生物學(xué)思維方式將促進(jìn)這些方法的整合，并激勵(lì)研究人員在其實(shí)驗(yàn)系統(tǒng)中探索新方法。

相關(guān)產(chǎn)品

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 全場景顯微成像分析平臺(tái)

Mateo