专题分析 | 空间生物学临床突围：从实验室“火种”到病床“曙光”，还有多远？

摘要：当Parambir Dulai在2020年初次接触空间转录组学技术时，这位西北大学费因伯格医学院的胃肠病学家兼医师科学家，或许未曾想到，这项被称为“生命显微镜”的技术，会在五年后掀起一场临床转化的“探秘热潮”。如今，全球临床科学家正加速解锁空间生物学的“空间密

当Parambir Dulai在2020年初次接触空间转录组学技术时，这位西北大学费因伯格医学院的胃肠病学家兼医师科学家，或许未曾想到，这项被称为“生命显微镜”的技术，会在五年后掀起一场临床转化的“探秘热潮”。如今，全球临床科学家正加速解锁空间生物学的“空间密码”，但要从实验室的“发现工具”迈向病床的“诊断利器”，他们仍需跨越成本、流程与数据的三重门槛。近日，GenomeWeb发布深度分析文章，对空间生物学现状，以及未来的应用进行展望！

我们发现了火种，却还没学会用它

空间转录组学的魅力，在于它能将基因表达的“数字地图”精准叠加在组织切片的“物理坐标”上——不仅能看到单个细胞的基因“声音”，更能还原它们在肿瘤微环境、炎症病灶中的“对话场景”。对Dulai而言，这是破解复杂疾病的“关键钥匙”：他的团队正将这一技术嵌入一项针对急性溃疡性结肠炎的三期临床试验，通过分析130名患者治疗前后的肠道活检样本，试图用空间数据回答“为何部分患者对高压氧疗法无响应”。

“我们已能稳定分析目标组织的空间数据，并将其整合到临床试验中。”Dulai表示。但他的团队用了两年半时间，才完成技术筛选、多中心样本标准化流程搭建，以及海量数据的分析框架构建。“现在我们就像刚学会用火的原始人——知道它能取暖做饭，却还没掌握如何高效利用。”

这种“发现热”正在全球蔓延。肿瘤学因拥有成熟的生物样本库，被视为最有潜力的“试验田”。西班牙巴塞罗那Josep Carreras白血病研究所的Eduard Porta-Pardo团队，通过10x Visium和Xenium平台分析膀胱癌组织，颠覆性地发现：免疫细胞与癌细胞的“空间距离”，比单纯的“数量多少”更能预测免疫治疗效果。这一发现若被大规模验证，可能改写癌症治疗的生物标志物选择逻辑。

临床落地的“三重门”：成本高、流程乱、数据散

然而，从“发现”到“应用”，空间生物学正卡在“理想很丰满，现实很骨感”的阶段。

首当其冲的是成本之痛。圣裘德儿童研究医院空间组学中心主任Jasmine Plummer直言：“最基础的实验单张切片成本就达3000美元，若想基于7000例样本的生物库开展研究，资金需求根本无法承受。”尽管10x Genomics、BGI等企业承诺通过技术迭代降低成本，但研究人员普遍认为，探针法的空间检测因需覆盖全基因靶标，成本难有大幅下降；测序法虽受益于测序成本降低，但其工作流程的可扩展性仍有限。

其次是标准化难题。空间数据的复杂性远超传统组学：文件格式不兼容（“我们有10种互不‘对话’的文件类型”）、数据量庞大（“每轮实验生成TB级数据”）、分析流程缺乏统一标准（“理解数据集需要深厚的领域知识”）。这些痛点使得大规模研究的可重复性与结果共享举步维艰。

最后是工作流程的临床适配性。从样本处理到数据分析，空间组学的技术流程仍高度依赖专业团队，难以在常规临床实验室中普及。“我们需要开发更标准化、自动化的操作方案，才能让空间技术走出研究实验室。”BGI旗下STOmics北美负责人Yuan Jiang强调。

“曲线救国”：从空间组学到临床检测的转化路径

尽管空间转录组学短期内难以直接进入临床，研究者已开始探索“间接转化”的可能——通过空间组学发现生物标志物，再利用更成熟的多重免疫荧光（mIF）或传统免疫组化（IHC）技术验证并落地。

“我们需要与病理学家‘说同一种语言’，而不是让他们从头学习空间转录组学的原理。”圣裘德中心的Plummer表示，mIF技术可在单张组织切片上同时检测多种生物标志物，与临床现有IHC技术兼容，被视为“近期最具临床转化潜力的方向”。

这一趋势已获行业响应：Vizgen收购Ultivue以整合其InSituPlex多重蛋白分析技术；MGI推出FluoXpert mIF平台；赛默飞推出Evos S1000空间成像系统。Providence Genomics首席医疗官Carlo Bifulco团队正基于Lunaphore的Comet平台和Hamamatsu的MoxiePlex系统，开发用于癌症抗体药物偶联物（ADC）疗效预测的mIF检测方法。

未来愿景：空间数据与AI的“病理革命”

更远的未来，研究者希望将空间组学的分子洞察与经典病理学（如H&E染色）深度融合，借助AI实现“从图像到诊断”的跨越。

“病理学家的传统培训基于历史认知的疾病特征，但如果我们能通过空间组学揭示细胞层面的真实活动，并用这些信息重新解读H&E切片，就能发现过去忽略的关键特征。”Dulai举例道。

这一设想已有初步实践：布列根和妇女医院病理学副教授Faisal Mahmood正开发AI算法，结合空间转录组学数据与H&E图像识别临床相关表型；新加坡A*STAR的Joe Yeong Poh Sheng团队则尝试将空间蛋白质组学数据与病理图像关联，训练AI模型直接从H&E图像预测蛋白质表达模式——“就像人脸识别，AI通过学习空间组学的‘知识’，最终能仅凭H&E切片预测健康风险。”Plummer如此比喻。

对于Dulai而言，空间生物学的临床应用仍处于“发现火种”的阶段——“我们已经知道如何生火，但如何有效利用它仍是未知数。”但随着技术迭代、成本下降与跨学科协作（如AI与病理学结合），这场“空间革命”或许会比预期更快照亮临床。

正如10x Genomics首席执行官Serge Saxonov所言：“小规模研究的证据正在积累，下一步是开展大规模验证，真正锁定可用于临床的生物标志物。”当空间组学从“科研利器”转化为“临床工具”，人类对疾病的理解与治疗，或将迎来新的纪元。

【关于投稿】

转化医学网（360zhyx.com）是转化医学核心门户，旨在推动基础研究、临床诊疗和产业的发展，核心内容涵盖组学、检验、免疫、肿瘤、心血管、糖尿病等。如您有最新的研究内容发表，欢迎联系我们进行免费报道（公众号菜单栏-在线客服联系），我们的理念：内容创造价值，转化铸就未来！

转化医学网（360zhyx.com）发布的文章旨在介绍前沿医学研究进展，不能作为治疗方案使用；如需获得健康指导，请至正规医院就诊。

责任声明：本稿件如有错误之处，敬请联系转化医学网客服进行修改事宜！