波士頓訊 — 空間轉錄體學領域迎來重大突破！一項最新研究揭示，廣泛應用的 Slide-tags 技術中隱藏著一個未被充分利用的空間信息網絡，該網絡能夠實現無需參考基因組的細胞空間位置重建。這項發現不僅簡化了空間基因組學的研究流程，更為大規模、高通量的組織結構分析開闢了新途徑。

空間轉錄體學的新挑戰與 Slide-tags 的應運而生

傳統的單細胞和單核 RNA 測序技術為研究基因活動提供了寶貴的資訊，但長期以來，精確定位細胞在組織中的位置一直是個難題。為了解決這個問題，哈佛大學和麻省理工學院博德研究所的研究人員開發了 Slide-tags 技術。該技術利用附著在完整組織切片中個別細胞核上的特殊 DNA 條碼，這些條碼就像精確的「位置標籤」，使科學家能夠將高品質的 RNA 測序和其他分子數據與組織中每個細胞的確切位置聯繫起來。

Slide-tags 的核心原理是將帶有位置信息的 DNA 條碼附著到組織切片中的細胞核上。這些條碼如同 GPS 坐標，研究人員可以根據每個細胞核吸收的不同條碼信號強度，推算出其在組織中的位置。

隱藏的空間信息網絡：無需參考基因組重建的關鍵

然而，最近一項由 Dahlberg 等人發表在《自然通訊》(Nature Communications) 上的研究表明，Slide-tags 數據中隱藏著一個空間信息網絡，這個網絡是在空間標籤轉移到細胞核的過程中形成的。這個網絡的結構包含了足夠的信息，可以直接推斷細胞的位置，而無需依賴傳統的空間索引提供的參考基因組。

研究人員利用他們之前開發的 Spatio-Topological Reconstruction by Network Discovery (STRND) 算法，將 Slide-tags 數據解釋為一個空間細胞-珠子網絡，並直接從其結構中推斷出細胞的位置，即使在沒有明確坐標的情況下也能實現。

實驗驗證：重現組織結構，驗證重建準確性

為了驗證這一發現，研究人員對小鼠海馬組織切片進行了 Slide-tags 實驗，並利用 STRND 算法進行了空間重建。結果顯示，重建後的細胞位置與真實的組織結構高度吻合，成功重現了海馬組織中不同細胞類型的空間分布。

研究人員還將重建結果與原 Slide-tags 方法中使用的顯微鏡解碼步驟獲得的「真實地圖」進行了比較。結果表明，即使沒有參考基因組，也能夠準確地重建細胞的空間位置。

技術優勢：高通量、低成本、易於普及

這項新發現具有多重優勢：

無需參考基因組：

簡化了實驗流程，降低了對特殊設備的依賴。

高通量：

適用於大規模組織樣本的分析，加速研究進程。

低成本：

降低了實驗成本，使更多實驗室能夠參與空間基因組學研究。

易於普及：

基於現有的 Slide-tags 技術，易於推廣和應用。

實際應用：揭示生物學奧秘，助力疾病研究

Slide-tags 技術的應用範圍廣泛，包括：

組織結構分析：

揭示組織中不同細胞類型的空間分布和相互作用。

發育生物學研究：

追蹤細胞在發育過程中的位置變化和基因表達調控。

腫瘤微環境研究：

分析腫瘤細胞與免疫細胞的相互作用，尋找新的治療靶點。

神經科學研究：

研究大腦中不同神經元的空間連接和功能。

Slide-tags技術的優勢與挑戰

Slide-tags 作為一種空間基因組學技術，具有許多優勢。它能夠有效地整合到現有的測序工作流程中，在不影響數據品質的前提下增加空間分辨率，且無需專門的設備。該技術本身能夠以單細胞分辨率獲取數據，無需複雜的解旋積。此外，它還具有高靈敏度和高通量，能夠同時處理大量的組織切片。Slide-tags 適用於各種基因組和表觀基因組分析方法，有望在 DNA 分析、表觀遺傳修飾和蛋白質分析方面實現進一步的創新。

儘管 Slide-tags 具有許多優勢，但仍存在一些改進空間。由於分離和條碼標記過程中的損失，只有一部分細胞核被捕獲，估計有 75% 在這些過程中丟失，這嚴重影響了細胞相互作用的發現。此外，目前尚不清楚現有的 sc-RNA 測序工作流程是否能夠處理這種程度的稀疏性。而且，Slide-tags 主要限於單核測序。雖然對於某些應用有效，但這限制了那些受益於完整單細胞數據的方法的使用，例如譜系追蹤和轉錄動力學分析。

結論與展望

這項研究為空間轉錄體學領域帶來了令人振奮的進展。通過揭示 Slide-tags 數據中隱藏的空間信息網絡，研究人員成功實現了無需參考基因組的細胞空間位置重建，為大規模、高通量的組織結構分析開闢了新途徑。

雖然 Slide-tags 技術在空間基因組學領域取得了顯著進展，但仍有許多挑戰需要克服。例如，如何提高細胞捕獲率，減少數據稀疏性，以及如何將 Slide-tags 技術與其他單細胞分析方法更好地整合。

隨著技術的不斷發展和完善，Slide-tags 有望在生物醫學研究中發揮更大的作用，為我們更深入地理解生命奧秘、攻克疾病難題提供強大的工具。未來，研究人員可以進一步探索如何利用這個隱藏的網絡來研究更複雜的生物學問題，例如細胞間的信號傳遞、組織的發育和再生，以及疾病的發生和發展。

Newsflash | Powered by GeneOnline AI
For any suggestion and feedback, please contact us.
原始資料來源: GO-AI-6號機 Date: October 31, 2025