肿瘤微情形研究综述
2023年1月30日，，荷兰癌症研究院在Nat Rev Cancer上揭晓了一篇“Mechanisms driving the immunoregulatory function of cancer cells”的文章。。。癌症细胞的内在特征通常是由遗传和表观遗传变异、信号传导失控或代谢改变驱动的，，为癌症细胞提供了生长和生涯优势。。。癌细胞固有程序还通过渗透组、细胞与细胞的直接接触、细胞外囊泡的形成和运输或营养物质的可用性影响与免疫系统的通讯。。。作者讨论了癌细胞内在机制怎样协调肿瘤免疫微情形，，以及这些机制怎样导致肿瘤之间免疫情形的多样性、影响免疫逃避以及影响对癌症免疫治疗的反应。。。
别的，，2024年2月在Nat Rev Cancer杂志上也揭晓了一篇关于肿瘤微情形非遗传因素驱动癌症的综述（Beyond genetics: driving cancer with the tumour microenvironment behind the wheel）。。。首先对肿瘤微情形（TME）中驱动恶性肿瘤的细胞外因素举行了先容，，包括：转化细胞与周围康健组织间的竞争、炎症对肿瘤爆发的增进作用、间质成纤维细胞对癌症的驱动、微情形中的机械力以及血管淋巴管和神经新生对癌症的影响。。。第二部分先容了细胞固有的非遗传因素对癌症的驱行动用，，包括TME诱导的转录因子失调、染色质动力学的影响及癌症希望的转录后调控。。。文章周全的总结了驱动肿瘤的非遗传因素，，提出癌变和肿瘤希望的历程可以看作是遗传和非遗传因素之间的动态平衡，，这种平衡是为顺应癌细胞起源及肿瘤希望历程中一直转变的微情形而量身定制的。。。
空间转录组手艺
肿瘤微情形的异质性是阻碍抗癌治疗乐成的焦点问题之一。。。相识TME组装的空间结构关于发明肿瘤爆发气制和设计新的治疗战略至关主要。。？？？？？占渥甲(spatial transcription)的泛起为高通量测序加上了空间的坐标信息，，为神经科学、发育学、植物学、病理学等领域提供了强有力的研究手段。。。
空间转录组主要有两种战略：
（1）基于NGS的战略，，这一战略的焦点头脑是给差别位置泉源的reads带上具有空间信息的短序列(空间barcode/ID)（代表性手艺如10x Visium、10x CytAssist、10x Xenium、10x Visium HD、华大Stereo-seq等）；；；；；；
（2）基于图像(Image)的战略，，这一战略主要为原位扩增+原位测序、原位杂交（代表性手艺如SeqFISH、MERFISH等）。。。
无论是那种战略，，最终目的都是获得带有坐标信息的基因矩阵，，再加上分组中设置的时间关系，，甚至可以获得时空转录组数据。。。
1、基于NGS战略的空间组学手艺
基于NGS战略的空间组学手艺可进一步分为固相转录组捕获（Solid-phase transcriptome capture）手艺和确定性空间条形码（Deterministic spatial barcoding ）手艺,其中前者捕获规模大，，获取的信息更多。。。随着手艺更迭，，空间区分率在逐步提升。。。
下面先容几个代表性的固相转录组捕获手艺：
1）10x Visium
作为目今普遍应用的Visium手艺的前身，，其焦点原理是将空间条形码寡核苷酸引物牢靠在载玻片上，，然后将组织贴于载玻片实现组织内转录组序列的捕获与检测。。。每个Visium捕获区域面积为6.5mm×6.5mm，，包括约5000个直径为55μm的Spots（spot圆心之间的距离为100μm）。。。
2）10x CytAssist
基于CytAssist仪器举行检测，，可凭证组织巨细举行无邪选用（6.5mm×6.5mm 或11mm×11mm）。。。Visium平台还支持FFPE样本的检测，，极大提升了Visium手艺的可及性。。。
3）10x Visium HD
接纳2 μm的方形一连网格图案，，相互之间没有间隙，，大大提升了信号密度，，可以实现单细胞的区分率。。。Visium HD包括了6.5 x 6.5 mm捕获区域，，以2 x 2 µm为检测单位，，实现单细胞级的空间区分率。。。推荐以8 x 8 µm作为可视化和剖析单位。。。
4）华大Stereo-seq
在DNA纳米球（DNBs）上举行原位RNA捕获，，通过滚环扩增（RCA）爆发随机条形码序列并加载到芯片外貌，，Spot巨细约为220nm，，可爆发亚细胞级转录图谱。。。
各个平台手艺参数较量如下：
2、空间组转录组数据剖析内容
有许多能够剖析空转数据的工具包，，例如Giotto、Seurat、STUtility、STLearn等。。。在测序质量方面，，除了做定量时可以视察信噪比，，关于差别spots捕获到的转录本数目也可以一定水平上反应测序质量与批次效应。。。而在许多空间转录组可以抵达亚细胞区分率的现在，，怎样将spots划分到差别的细胞中也成为了一种“幸福的懊恼”。。。
下面举行详细先容：
1）Spot cluster聚类
单细胞中的降维要领如PCA、tSNE、UMAP等依旧可以用于spots聚类。。；；；；；Ｉ杏幸恍└卮蟮木卣笃饰鲆，，例如共表达？？？？？槠饰觥⒎歉壕卣笃饰觥⒁蜃悠饰龅纫廊豢梢杂糜谑侗鹛囟ǖ南赴鹀luster。。。但在空转数据中，，除了思量细胞/spots之间的表达相似水平外，，还需要思量在空间中是否相邻或一连。。。
2）Select ？？？？？槠饰
像单细胞中提取特定亚群举行剖析，，空间转录组也可以选取特定的？？？？？榫傩衅饰，，如恶性组织的边沿就是一个很值得关注的区域。。。虽然，，选择特定的基因视察其是否具有特定的空间漫衍也是一种思绪，，如使用BinSpect举行邻近富集剖析、使用Haystack举行熵值盘算、使用SpatialDE或SPARK举行高斯回归盘算都是不错的实验。。。
3）基因集评分剖析（Score）
针对对一些特定基因集举行生物学意义的探寻，，许多基因集评分要领（如AddModuleScore、ssGSEA、GSVA、AUCell等）都可以用。。。
4）细胞类型判断（Characterize）
对细胞类型的判别一直是一个难题，，除了纯粹看marker基因表达外，，富集剖析(如GSEA、KEGG、GO等)也是很好的要领。。。别的，，对spot所属细胞类型的判断也有许多战略，，通过使用scRNA-seq 数据的细胞类型特异性基因表达信息对空间转录组学数据举行反卷积（如MuSiC、RCTD、SPOTlight、Cell2location、SpatialDWLS、Stereoscope、CARD等），，推断每个空间位置的细胞类型组成。。。
5）其他剖析
在单细胞中常用到的剖析如拟时序剖析、细胞通讯剖析等也都可以在空间转录组数据中举行盘算。。。
6）联合剖析
一些组织病理学相关的机械学习要领可以与空间转录组联合剖析，，或是一些DNA seqFISH、RNA seqFISH等杂交手艺亦可以与空间转录组相互佐证。。。多重免疫荧光（Multiplexed Immunofluorescence）, 超多卵白检测平台 (CODEX，，CO-Detection by IndEXing)、t-cyCIF等空间卵白高通量检测手艺与空间转录组也能形成很好的互补。。。
3、样本网络
1）OCT包埋冰冻组织/白片/切片
制备 OCT包埋冰冻组织块，，建议组织巨细为长×宽不凌驾 6.5mm×6.5mm，，高度≥5mm；；；；；；白片或贴片建议准备6-13 片（10μm 厚度）。。。封装好用干冰举行寄送。。。
2）FFPE包埋组织/白片/切片
石蜡包埋组织封装好后，，4℃举行寄送。。。
石蜡包埋白片或贴片建议准备6-13 片（5μm 厚度），，4℃举行寄送。。。
参考文献
【1】van Weverwijk A, de Visser KE. Mechanisms driving the immunoregulatory function of cancer cells. Nat Rev Cancer. 2023 Apr;23(4):193-215. doi: 10.1038/s41568-022-00544-4. Epub 2023 Jan 30. PMID: 36717668.
【2】Yuan S, Almagro J, Fuchs E. Beyond genetics: driving cancer with the tumour microenvironment behind the wheel. Nat Rev Cancer. 2024 Apr;24(4):274-286. doi: 10.1038/s41568-023-00660-9. Epub 2024 Feb 12. PMID: 38347101.
【3】Rao A, Barkley D, França GS, Yanai I. Exploring tissue architecture using spatial transcriptomics. Nature. 2021 Aug;596(7871):211-220. doi: 10.1038/s41586-021-03634-9. Epub 2021 Aug 11. PMID: 34381231;
【4】Moffitt JR, Lundberg E, Heyn H. The emerging landscape of spatial profiling technologies. Nat Rev Genet. 2022 Dec;23(12):741-759. doi: 10.1038/s41576-022-00515-3. Epub 2022 Jul 20. PMID: 35859028.
【5】Ma Y, Zhou X. Spatially informed cell-type deconvolution for spatial transcriptomics. Nat Biotechnol. 2022 Sep;40(9):1349-1359. doi: 10.1038/s41587-022-01273-7. Epub 2022 May 2. PMID: 35501392.
