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,，催生了一個快速發(fā)展的領(lǐng)域,，即空間生物學(xué)。通過整合這些先進技術(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),，以及這一動態(tài)領(lǐng)域的關(guān)鍵研究問題。

簡單地說,，空間生物學(xué)就是研究分子、細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）

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：

    左右滑動查看更多    

空間多組學(xué)是一個新興領(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,。

腫瘤微環(huán)境（TME）等異質(zhì)組織是具有不同表型變化的細胞的復(fù)雜組合,。因此，研究腫瘤,、基質(zhì)和免疫細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。

通過同時觀察多種生物標(biāo)記物,，可以識別和分析復(fù)雜的組織和細胞表型,。基于抗體的多重成像技術(shù)使研究人員能夠研究蛋白質(zhì)表達的時間和地點,，并按細胞類型,、生物標(biāo)記物表達譜和特定特征（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展,，這對生物標(biāo)記物的發(fā)現(xiàn)至關(guān)重要。

單步染色和成像、針對有限靶點的單輪染色（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)分布和相互作用進行詳細分析。

例如基于全息技術(shù)的方法,，或者在不受周圍細胞污染的情況下對特定切片進行進一步研究。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目標(biāo)細胞或整個組織區(qū)域,。這種方法可與人工智能（AI）引導(dǎo)的方法相結(jié)合，自動定義需要解剖的感興趣區(qū)（ROI）,。

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,，在分析多個標(biāo)簽和成千上萬個數(shù)據(jù)點時，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)組織樣本進行人工智能驅(qū)動的機器學(xué)習(xí)分析,，可以揭示dute的,、以前未識別的細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。

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

MICA 全場景顯微成像分析平臺

Mateo