空间转录组与单细胞测序在肿瘤微环境研究中的应用

1. 项目背景与核心价值

垂体瘤作为颅内常见肿瘤之一，其微环境中的免疫细胞与肿瘤细胞的相互作用机制一直是研究热点。传统单细胞RNA测序（scRNA-Seq）虽然能解析细胞异质性，但丢失了关键的空间位置信息；而空间转录组技术（Spatial Transcriptomics）恰好弥补了这一缺陷，结合bulk RNA-Seq的全局视角，三者联用能实现从宏观到微观、从群体到单细胞的多维度解析。

我在实际研究中发现，垂体瘤微环境中存在大量浸润的免疫细胞（如T细胞、巨噬细胞），它们通过分泌细胞因子或直接细胞接触影响肿瘤生长。但具体哪些亚群起关键作用？它们的空间分布有何特征？这些问题的解答需要多组学数据的整合分析。本项目正是通过创新性的技术组合，首次系统揭示了垂体瘤中免疫微环境的时空动态特征。

2. 技术方案设计

2.1 多组学数据采集策略

实验设计采用"三明治"策略：

• 空间转录组：使用10x Genomics Visium平台，保留组织形态的同时获取mRNA表达数据（分辨率55μm）
• scRNA-Seq：对解离的相同样本进行10x Genomics单细胞3'测序（目标10,000细胞）
• bulk RNA-Seq：对整体组织进行Illumina NovaSeq 6000测序（PE150，30M reads）

关键细节：空间转录组与scRNA样本需取自同一患者的相邻组织块，并确保处理时间不超过2小时，避免RNA降解影响数据一致性。

2.2 计算分析流程

2.2.1 数据预处理

• 空间转录组：使用Space Ranger进行图像对齐和基因计数
• scRNA-Seq：Cell Ranger标准流程（包括UMI计数、细胞质控）
• bulk RNA-Seq：FastQC+STAR+featureCounts流程

2.2.2 关键分析步骤

1. 细胞类型注释：用SingleR工具基于Human Primary Cell Atlas参考数据集
2. 空间去卷积：采用SPOTlight算法将空间数据分解为细胞类型比例
3. 细胞通讯分析：CellPhoneDB推断配体-受体互作
4. 轨迹推断：Monocle3重建免疫细胞分化路径