在空间多组学研究中不同技术平台各有侧重。bulk RNA-seq擅长从组织整体层面发现基因表达差异和通路富集空间转录组擅长定位基因表达在组织中的空间分布而PCFPhenoCycler-Fusion等超多重免疫荧光成像技术则擅长在组织切片中直接观察蛋白表达、细胞身份、功能状态和空间邻域关系。这三种技术不是相互替代的关系而是从转录层到蛋白层、从整体到空间的不同观察维度。对于已经拥有bulk RNA-seq数据的课题组而言如何进一步在组织原位层面深化研究是一个值得思考的科研设计问题。一项发表于Science Advances的NSCLC研究为这一问题提供了具体的文献参考。该研究同时使用了bulk RNA-seq122例、超多重免疫荧光成像50例33抗体150万细胞和全切片组织学分析115例4560万细胞三种数据模态。在bulk层面研究者通过反卷积分析估计了免疫细胞组成并构建了基于CD8 T细胞比例的评分在超多重免疫荧光成像层面研究者通过33抗体panel在组织原位观察了细胞类型、蛋白表达和空间邻域构建了基于Tc_enriched邻域比例的评分在组织学层面研究者通过深度学习模型NucSegAI对全切片细胞进行了分类和拓扑分析鉴定了12种淋巴细胞表型。三种模态独立构建的评分在文献样本中均呈现出一定的分析区分度而多模态融合后的评分在具有全部数据的样本中表现出更高的区分能力。这一研究设计展示了bulk发现→PCF原位观察→组织学拓扑分析→多模态整合的完整研究路径。bulk RNA-seq作为初筛工具帮助研究者从整体上识别值得关注的基因表达差异和细胞组成变化PCF则把这些线索带回组织切片中从单细胞分辨率观察蛋白表达和空间结构。例如bulk分析可能提示某样本中CD8 T细胞相关基因表达较高PCF可以进一步观察这些细胞是否表达Granzyme B、是否与树突状细胞相邻、是否形成Tc_enriched邻域。组织学分析则可以进一步在全切片尺度上观察淋巴细胞的拓扑特征识别与免疫激活通路相关的淋巴细胞表型。从空间多组学的角度考虑如果该研究再加入空间转录组如Visium HD或Xenium研究框架将更为完整bulk RNA-seq提供整体转录组线索空间转录组定位基因表达的空间区域PCF观察对应区域的蛋白表达和细胞状态组织学分析提供全切片的形态学和拓扑学特征。四种模态联合可以形成从整体表达差异到空间表达定位再到蛋白层功能观察的完整证据链。当然这并不意味着所有研究都必须使用全部四种技术——技术选择应取决于具体的科研问题和样本条件。该文献的研究路径提示bulk RNA-seq与PCF的联合可以作为空间多组学研究的起点或核心框架。bulk数据帮助研究者从宏观层面提出问题PCF帮助研究者在组织原位层面观察蛋白表达和空间结构。对于希望构建转录层蛋白层联合分析框架的课题组而言这一策略可作为空间多组学研究设计的参考。【说明】本文仅为科研技术方法介绍不涉及疾病诊断、治疗建议、疗效预测、用药指导或临床决策。文中提及的研究发现均来自学术文献相关分析结果需结合更多实验和研究进一步验证不构成任何医疗意见。【参考文献】Zheng Y, Sadée C, Ozawa M, Howitt BE, Gevaert O. Single-cell multimodal analysis reveals tumor microenvironment predictive of treatment response in non-small cell lung cancer.Sci Adv. 2025;11(21):eadu2151.
