空间生物学指南

简单地说，空间生物学就是研究分子、细胞和组织的组织和相互作用，以及它们之间在二维或三维空间里的关系。通过空间生物学，研究人员可以探索原生组织微环境中的相互作用，揭示其细胞表型多样性和空间结构。

下载免费电子书

空间生物学数据是利用不同的技术方法生成的，或者往往是这些方法的组合，其中最突出的方法包括

• 基于图像的方法，如利用抗体多标或 RNAScope 等技术进行转录组学和蛋白质组学研究
• 工作流程结合了质谱、质谱或测序技术，并与激光显微切割等补充方法相联系，后者可分离出区域，甚至是单细胞，用于下游的多组学分析，同时保留空间位置关系。

基于人工智能的空间关系量化分析是所有这些方法的补充，也是从复杂数据集中获得有意义的见解所必需的。

空间转录组学/基因组学

利用显微镜、RNA 测序、原位杂交和其他自动计数和剖析方法，研究具有空间背景的转录组或基因表达。为了提高灵敏度，在显微切割切割技术之后进行下游分析，可将 RNA 测序读数分配到特定的物理位置。

空间蛋白质组学

使用基于抗体的多重成像或质谱方法来了解蛋白质的定位及其动态，这些技术之间的主要区别在于所需的灵敏度。成像技术正越来越多地与下游质谱分析相结合，利用显微切割组织区域，将分析数据与参考图像重新对齐，以提供空间背景关系。

空间代谢组学

利用精确的测量标准，提供非蛋白质代谢物的定量空间信息，如脂质（脂质组学）、糖类（糖组学）和药物分子，以深入了解人体组织化学。

空间多组学怎么样？

空间多组学是一个新兴领域，它结合了多种组学技术，可提供更多的背景信息和更深入的见解。例如，将蛋白质组学和转录组学数据与对组织切片内定位的深入了解相结合。

在基于显微镜的方法中，"复杂性"（即样品中分析的分析物的数量）存在差异。十色以下的染色方法分析的生物标记物较少，而超多标方法则可分析数百或数千个生物标记物。研究人员可以选择基于较低复合成像的技术，如传统的光学显微镜，对组织样本进行更高分辨率的成像。当样品具有复杂的三维结构（如球体或厚组织）时，这一点至关重要。

目前已有许多不同的多标成像方法，每种方法都采用不同的方法来实现更高的染色。主要类别有

1. 单步染色和成像 ，单轮染色（一次通过），可用于数量有限的靶标。
2. 集成多组学工作流程 和迭代染色，可对组织样本中的蛋白质分布和相互作用进行详细分析。

空间生物学技术可以生成大量数据，通常以图像的形式出现，其中蕴含着许多研究问题的答案。然而，这些数据的庞大数量和复杂性给分析工作带来了挑战。此外，在分析多个标签和成千上万个数据点时，克服分析的主观性可能是一个重大障碍。这些因素正在助长使用人工智能驱动的多重染色图像分析的趋势，以从空间数据中获得有意义的、可量化的见解。例如，对异质组织样本进行人工智能驱动的机器学习分析，可以揭示独特的、以前未识别的细胞表型及其在组织微环境中的分布。这些见解能让科学家更好地划分肿瘤类型，更准确地预测对治疗的反应，最终改善患者的预后。

空间生物学包括各种工具、方法和分析，这些工具、方法和分析结合了不同的技术，如组学技术和基于成像的方法获取位置信息，增强我们对组织结构和空间相互作用的了解。随着这些技术的进步，研究人员可以解决的问题范围也将变得更加复杂。癌症生物学、神经科学和发育生物学等复杂领域有望从这些突破中获得重大影响。采用空间生物学思维方式将促进这些方法的整合，并激励研究人员在其实验系统中探索新方法。