空间分辨组学在肿瘤研究中的前景
空间分辨组学在肿瘤研究中的前景
在新近出版的《Journal of Pharmaceutical Analysis》（Impact Factor 2022: 8.8 (Q1)）专栏-单细胞和空间分辨组学- II中，中国医学科学院药物研究所天然药物活性物质与功能国家重点实验室贺玖明研究员团队与中国医学科学院药物研究所新药安全评价研究中心靳洪涛研究员团队联合发表了“Promise of spatially resolved omics for tumor research”（空间分辨组学在肿瘤研究中的前景）的综述。文章重点包括1、空间分辨代谢组学（SRM）和空间分辨转录组学（SRT）的原理和特点；2、肿瘤通过微环境相互作用表现出时空变化；3、单细胞空间分辨组学揭示肿瘤的异质性。本次特意请文章第一作者周晏合对文章进行了解读，以供交流学习。
本文图形摘要
前言
肿瘤是空间异质的组织，由具有复杂结构的多种细胞类型组成。通过与微环境的相互作用，肿瘤细胞经历基因表达和代谢的动态变化，导致其增殖和转移能力的时空变化。近年来，组织学技术的快速发展使高效和高通量的生物分子分析成为可能。空间分辨代谢组学（SRM）和空间分辨转录组学（SRT）方法在获取大量基因和分子数据的同时保留位置信息，可为肿瘤的深入研究提供新的思路和可靠的工具。因此，开发高分辨率空间分辨组学方法，用于原位检测组织中的生物分子，分析肿瘤在代谢和转录水平上的空间异质性，并深入了解其发生，进展和转移的分子机制，已成为癌症研究中最紧迫的挑战之一。
空间分辨组学技术
1、基于成像的空间分辨组学原理
随着图像技术的进步，通过将样品表面划分为虚拟网格来系统地执行采样正逐渐成为SRM中使用的主导技术。在SRM研究中，MSI作为一种基于质谱技术的成像方法，具有重要地位。其原理是网格化样品表面，通过逐点扫描同时获得代谢物分子信息和像素位置坐标，并使用软件重建数据（即获得包含不同信息的离子图像），有利于分析具有微区的器官或组织。
在SRT中，空间条形码与测序相结合的原理是相似的。mRNA在组织穿孔后从细胞中释放出来，并通过与空间条形码结合转化为cDNA，然后基于NGS的RNA-seq生成转录组。这可用于通过相关的空间条形码和在相应的组织学图像上使用参考标记来追踪特定组织位置的基因表达，以及解码位置信息。
2、基于质谱成像的SRM算法
MSI的典型电离技术包括基质辅助激光解吸电离（MALDI）、解吸电喷雾电离（DESI）、二次离子质谱（SIMS）。不同的电离技术具有不同的优势。MALDI-MSI 通常用于检测脂质或蛋白质等大分子，它们的质量范围几乎是无限的。DESI-MSI不需要应用基质，并且具有简单的预处理步骤。AFADESI-MSI利用高泵送流速，显著提高了DESI对远程样品分析的灵敏度。
（A）MALDI-TOF MSI平台
（B）DESI SYNAPT G2-Si高分辨率MSI平台
（C）AFADESI orbitrap MSI平台。
3、SRT技术
SRT是一种将高分辨率组织学成像与高通量空间分辨测序相结合的技术，旨在表征基因表达谱，同时保留组织的空间信息，它能够揭示组织中复杂转录网络的空间结构，从而全面了解分子。现有的SRT方法大致可分为三类：LCM结合高通量基因测序，基于成像的原位转录组学和基于空间条形码的转录组学。
LCM技术可以确定单细胞位置信息与其基因组、转录组或蛋白质组信息之间的关联，但该测定的通量较低。原位转录组学中的方法提高了捕获效率和在原位空间中解析基因表达的能力，支持容纳更大的基因组合，并增加了灵活性和多路复用，但对技术要求很高，需要高灵敏度的单分子荧光成像系统，以及复杂的图像分析过程。基于空间条形码的转录组学能够在整个转录组水平上对RNA进行无偏测序，并且可以捕获数千个转录表达水平低的基因。
空间分辨组学在肿瘤研究中的应用
据研究表明MSI结合组织病理学图像和统计方法适用于分析异质性实体瘤代谢变化，揭示其内在异质性。利用SRM 和 SRT技术可更灵敏地表征早发性疾病状态，发现肿瘤生物标志物，确定肿瘤的边界并预测肿瘤的恶化情况。SRM和SRT技术还可以建模以进行无偏预测分析肿瘤的类型，并可用于同时获得不同类型的信息。
MSI同时提供关于药物在组织中的生物分布、代谢和递送的数据，内源性代谢物、脂质和蛋白质的分子谱，以及组织切片或临床活检中以细胞分辨率进行的药代动力学和药效学测量，是一种有效且通用的技术，有利于当代药物研发。也可通过研究TME中细胞和分子重塑的机制，提高免疫治疗法的疗效。
结论和展望
为了解释肿瘤的空间和时间动态，肿瘤异质性的困难研究需要一种非靶向分子分析方法。SRT和SRM可用于可视化生物体中的基因表达，并分别获取有关生物体中代谢物浓度和组织分布的信息，这两者都对癌症研究至关重要。近年来，技术进步大大提高了空间分辨率和检测通量，MALDI-MSI、AFADESI-MSI、10X Genomics Visium和FISSEQ等空间组学技术已经商业化，成为研究肿瘤发展机制和识别生物标志物的重要方法。尽管目前的空间多组学技术已经进行了多次优化，但在精确定量和数据处理方面仍有相当大的改进空间。
第一作者简介：周晏合，药物研究所2020级药物分析学硕士生，导师贺玖明研究员，研究课题：组织微区分辨的高清空间代谢组学方法及应用研究。
通讯作者：靳洪涛研究员，博士生导师，北京协和建昊总经理，机构负责人，医科院药物所新药安评中心党支部书记。先后荣获2015 IUTOX Astra Zeneca Travel Award，中国产学研合作创新成果奖，第七批中央和国家机关、中央企业援疆工作优秀个人等荣誉称号。发表署名文章超过150篇，包括Acta Pharm Sin B(14.5,Q1)、Biomed Pharmacother(7.5,Q1)、J Ethnopharmacology(5.4,Q1)等领域内权威杂志。主编、参编著作8部，授权国家发明专利8项，PCT申请2项。
通讯作者：贺玖明研究员，博士生导师，医科院药物所分析代谢中心PI，协和建昊资深药物分析专家，先后荣获中国分析测试协会科学技术奖-CAIA奖，“第十四届全国医药卫生青年科技论坛”药学组一等奖。发表系列重要研究成果包括 Adv. Sci.(15.1，Q1)，Nat Commun(16.6，Q1)，Proc Natl Acad Sci(11.1，Q1) ， Acta Pharm Sin B(14.5，Q1)等领域内权威杂志；授权国家发明专利5项，软件著作权1项。
本文链接：https://www.sciencedirect.com/science/article/pii/S2095177923001405?via%3Dihub