測序技術、質譜技術、多組學方法、成像技術和人工智能分析技術的進步，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。這些相互關聯的工具及其提供的不同見解，催生了一個快速發展的領域，即空間生物學。通過整合這些先進技術所提供的背景，空間生物學正在改變生物研究。但什么是空間生物學，研究人員如何利用其工具來滿足后組學時代日益增長的生物學問題的需求？

本文簡要概述了空間生物學及其技術，以及這一動態領域的關鍵研究問題。

簡單地說，空間生物學就是研究分子、細胞和組織在其原生二維或三維空間環境中的組織和相互作用，以及它們之間的關系。通過空間生物學，研究人員可以探索原生組織微環境中的相互作用，揭示其細胞表型多樣性和空間結構。

掃碼mianfei領取

《空間生物學指南》電子版（英文）

空間生物學數據是通過不同的技術方法生成的，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    

空間多組學是一個新興領域，它將多種組學技術結合起來，以獲得更大的背景和更深入的見解。例如，結合蛋白質組學和轉錄組學數據，深入了解組織切片內的定位情況。

腫瘤微環境（TME）等異質組織是具有不同表型變化的細胞的復雜組合。因此，研究腫瘤、基質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。與傳統的顯微鏡相比，多重成像技術能觀察到更多的生物標記物，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記物，可以識別和分析復雜的組織和細胞表型。基于抗體的多重成像技術使研究人員能夠研究蛋白質表達的時間和地點，并按細胞類型、生物標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，這對生物標記物的發現至關重要。

單步染色和成像、針對有限靶點的單輪染色（一次通過）。

綜合多組學工作流程和迭代染色，可對組織樣本中的蛋白質分布和相互作用進行詳細分析。

例如基于全息技術的方法，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，在癌癥生物學中，腫瘤區域和非腫瘤區域之間以及腫瘤內部都存在明顯的分子差異。只有通過分離這些區域的特定切片，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，從各種樣本中分離和解剖單個目標細胞或整個組織區域。這種方法可與人工智能（AI）引導的方法相結合，自動定義需要解剖的感興趣區（ROI）。

空間生物學技術可生成大量數據，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，這些數據的龐大數量和復雜性給分析工作帶來了挑戰。此外，在分析多個標簽和成千上萬個數據點時，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動的多路復用圖像分析從空間數據中獲得有意義和可量化見解的趨勢。例如，對異質組織樣本進行人工智能驅動的機器學習分析，可以揭示dute的、以前未識別的細胞表型及其在組織微環境中的分布。這種洞察力能讓科學家更好地對腫瘤類型進行分類，并對治療反應做出更準確的預測，最終改善患者的預后。

CELL DIVE 超多標組織成像分析系統

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