Mol Cancer（IF：27.7）| Mol Cancer（IF：27.7）| 全新洞察！看空间癌症生物学图谱如何赋能肿瘤研究！

细胞生物学的技术，如整体测序技术和单细胞测序技术，极大地帮助了肿瘤生物学中的新发现。最新发现表明，肿瘤构建了影响潜在癌变机制的结构。越来越多的研究报告了采用新技术在空间背景下或基于靶向采样的表征中来绘制组织图谱，并利用这些技术解决肿瘤学中肿瘤异质性、肿瘤微环境以及生物标记的空间定位等问题。在本综述中，我们探讨了在空间背景下描绘组学特征的空间技术，通过空间技术在肿瘤学中的新发现，提出了治疗方法和进一步技术发展的观点。

随着技术的进步，我们对癌症的理解也在不断增长。特别是，显微镜观察和染色方法在癌症研究中取得了重大进展。显微镜发现并确定了肿瘤生物学的基本原理，例如识别细胞作为生物体的基本单位、癌细胞的异常分裂现象、癌亚型的形态学区分以及发现源自正常细胞的癌细胞。为了更好地区分细胞，研究人员最终发现了一种目前广泛用于检查整体细胞组织的染色方法—HE染色。基于免疫染色和杂交的染色方法可用于检测抗原异质性、生物标志物发现、治疗预后、空间异质性等。

除了对癌症组织进行肉眼检查外，人类基因组计划（Human Genome Project）发现了癌细胞是由基因突变导致的正常细胞衍生而来的，因此基因组可以作为一种代码，构建癌症相关基因的综合图谱，供进一步研究。细胞异质性已在癌症研究中得到认可，随后开发了单细胞分选和测序技术，均用于破译肿瘤内异质性、肿瘤进展和转移。

但是肿瘤不仅仅是一组恶性细胞，它们还构建了肿瘤结构，从而产生潜在的癌细胞机制。越来越多的研究报道了肿瘤结构的空间背景对于解决肿瘤起始、进展、转移和治疗反应等机制的重要性。肿瘤细胞与附近的微环境相互作用，构建了免疫细胞的肿瘤免疫微环境。此外，肿瘤的空间分布对耐药性和癌症治疗策略有显著影响，这凸显了对治疗性生物标志物进行新的空间发现的必要性。因此，需要积极开展组织结构的空间分析，以破译肿瘤异质性和肿瘤微环境，并识别新的生物标志物。

肿瘤研究中的空间分析可以提供有关邻近性、细胞组成、形态和结构的主要信息（图 1）。邻近性是指细胞之间的物理距离，对于理解细胞间相互作用和肿瘤内不同细胞类型的分布非常重要。细胞组成是指构成肿瘤的细胞类型，包括癌细胞、免疫细胞和基质细胞，分析不同细胞类型的空间分布可以深入了解肿瘤微环境和潜在的治疗靶点。形态学是指肿瘤内细胞的形状和大小，这对于区分不同的细胞类型和理解其功能非常重要。结构是指肿瘤内细胞的整体组织，包括肿瘤内不同区域或带的存在。分析肿瘤的空间结构可以深入了解肿瘤的生长和进展。在分析肿瘤的空间背景时考虑这些组成部分，研究人员可以更全面地了解肿瘤微环境、潜在治疗靶点以及驱动肿瘤生长和进展的机制。

近年来，许多空间组学技术得到了发展，并被应用于各种癌症研究。它们可以分为类航天器技术和类望远镜技术，前者破译了对环境重要区域的深入表征，后者描绘了肿瘤结构的整体景观。类似航天器的技术，如靶向采样或ROI分析技术，使研究人员能够更深入地研究和分析肿瘤背景重要区域的特征。靶向采样技术允许研究人员分析肿瘤内特定的细胞亚群，并识别这些区域特有的分子变化。这有助于识别肿瘤内特定细胞亚群的潜在治疗靶点，并可提供对潜在治疗靶点的更详细了解驱动肿瘤生长和进展的分子机制。相比之下，类似望远镜的技术提供了广阔的视野肿瘤结构的分子景观。这些空间技术使研究人员能够观察肿瘤样本中的整体基因表达和蛋白质定位模式。有助于识别肿瘤分子生物学的趋势和模式，包括肿瘤微环境的变化，并且可以提供肿瘤结构的全局视图。

FACS（荧光激活细胞分选）是一种高度通用的技术，用于根据其物理和化学特性从异质群体中分离细胞。FACS的主要优点是可以进行各种检测，以分析其基因表达、蛋白质表达和其他功能检测。其他类似技术也专注于感兴趣的区域，提供更深层次的遗传信息（图2）。

为了精确选择特定区域，20世纪90年代出现的激光捕获显微切割（LCM）技术被用于分离肿瘤组织中的感兴趣区域，以整合基因组、表观基因组转录组、蛋白质组、代谢组和多组学的分子分析。LCM使用两种主要技术进行隔离：一种使用红外激光熔化附着感兴趣区域（ROI）的EVA聚合物，另一种使用紫外激光束解剖ROI部分。LCM可以从异质性肿瘤组织中分离出低均质群体，从而快速提取单细胞或亚细胞组织。LCM能够轻松地从整个组织中分离出ROI，因此提供了对癌症的详细见解。在早期阶段，LCM用于检查异质性丢失、DNA基因分型、基因表达分析、信号通路分析和蛋白质分析。目前被应用于癌症研究，在癌症组学中提供一种用于治疗和诊断目的的空间模态。基于LCM的空间蛋白质组学可以将空间信息添加到质谱法中具有显著的优势，且质谱法是定量分析蛋白质的最全面工具。有研究通过LCM-MS分析差异表达的蛋白质，发现了一种新的生物标志物，即基质中甲基转移酶烟酰胺N-甲基转移酶的表达，它影响癌症相关的成纤维细胞分化、肿瘤进展和转移^[2]。另一项针对肺癌的研究确定了与肿瘤进展相关的特征性蛋白质组组成^[3]。与侵入小体相关的亚细胞结构蛋白被鉴定出来，提示了潜在的治疗性生物标志物^[4]。与传统的空间蛋白质组学技术必须为靶蛋白设计抗体相比，基于LCM-MS的空间蛋白技术具有从头发现空间标志物的优势。LCM的优点是可以与现有化学成分兼容，并且能够分析两个或多个分子靶标。LCM-MS与RNA测序相结合有助于更好地提示肿瘤亚型分层。此外，通过在LCM解剖的空间微生态位中结合DNA测序和RNA测序，可以区分与三阴性乳腺癌（TNBC）中具有不同生存结果的特定mRNA特征相关的三种进化途径。同样，将现有的分子分析技术与具有空间意义的微生态位相结合，为肿瘤细胞的表征提供了更好的信息。

空间分辨激光激活细胞分选 （SLACS） 技术利用基于图像的信息对细胞进行分选而不会丢失任何空间信息，已被用于在空间环境中研究癌症的多种应用。SLACS 不同于 LCM 技术，没有任何解剖步骤，而是用近红外激光脉冲分离细胞。SLACS的主要优势在于可以根据用户的需求指导要分离的区域，进行空间和组学分析的多功能性分析。此外，从组学的角度来看，检索到的目标细胞可以进行基于NGS的检测或基于质谱的检测。Nanostring一直在积极开发其技术，从空间维度分析RNA表达和蛋白质丰度。数字空间剖析（DSP;2019年，商业化为GeoMx）是一个分析蛋白质和RNA的平台。成像质谱流式技术（Image Mass Cytometry，IMC）已是蛋白质空间分析的革新技术之一（商业化为Hyperion）。同样，多路复用离子束成像（MIBI）（商业化为MIBI scope）也是其中之一。这些技术使蛋白质在单细胞水平的精确定量和定位成为可能，从而能够深入了解组织微环境中的细胞组成和功能。它们在研究癌症等复杂疾病方面发挥了关键作用，为肿瘤异质性、免疫微环境和治疗靶点的空间分布提供了详细的见解。

研究人员对空间蛋白质组学分析非常重视。H&E和免疫荧光染色用于区分细胞以进行肿瘤表征。由于荧光探针的光谱重叠，免疫荧光染色技术本身在靶蛋白数量上存在限制。空间分辨的蛋白质谱分析技术已经被开发出来，以增加共定位的蛋白质数量。如迭代荧光条形码技术被广泛用于增加靶蛋白的数量。还有CODEX技术（由Akoya Biosciences商业化）具有多达60个靶标的空间分辨蛋白质的工具，能够分析高度多路复用的蛋白质特征，从而能够对肿瘤微环境进行全面表征。并且有很多相关临床研究已应用该技术。以上均说明空间蛋白质组学是在功能水平上分析细胞生物学的强大发现工具。

观察基因表达有助于概括组织的整体模式，然而，仅仅理解细胞动力学是不够的。转录组学是一个中间维度，还有代表表观基因组学调控的功能蛋白。通过整合多维空间信息，可以构建一个完整的图谱，用于理解细胞动力学和解释细胞类型、状态、分化和功能。空间组学技术（空间转录、空间基因、空间表型和空间蛋白）有助于在空间背景下对肿瘤进行深入表征。总的来说，多组学数据整合有助于全面了解的空间生物学背景，以系统地分析肿瘤的功能机制，指导精确有效的医疗干预。

[1]Lee S, Kim G, Lee J, et al. Mapping cancer biology in space: applications and perspectives on spatial omics for oncology. Mol Cancer. 2024;23(1):26.

[2]Yang J, Tong Q, Zhang Y, et al. Overexpression of Nicotinamide N-methyltransferase mainly covers stroma of colorectal cancer and correlates with unfavorable survival by its product 1-MNA. J Cancer. 2021;12(20):6170-6181.

[3]Herrera JA, Mallikarjun V, Rosini S, et al. Laser capture microdissection coupled mass spectrometry (LCM-MS) for spatially resolved analysis of formalin-fixed and stained human lung tissues. Clin Proteomics. 2020;17:24.

[4]Ezzoukhry Z, Henriet E, Cordelières FP, et al. Combining laser capture microdissection and proteomics reveals an active translation machinery controlling invadosome formation. Nat Commun. 2018;9(1):2031.