空间多组学测序

空间多组学测序

空间多组学测序(DBiT-seq):基于确定性空间条形码技术，在组织切片上实现高分辨率空间编码，将转录组与染色质可及性、组蛋白修饰等多维组学信息进行空间整合，构建从基因表达、表观遗传调控到细胞空间互作的多维分子图谱^[1-10]。空间多组学测序可在保留完整组织空间结构的基础上，解析疾病组织中不同细胞群及基因表达、修饰的精准空间分布，为肿瘤微环境、组织发育、免疫调控和疾病机制研究提供的技术支撑。

图1 空间多组学测序(DBiT-seq)实验流程

技术特色：

Ø 全转录组检测：可同时检测mRNA、lncRNA、microRNA、snoRNA、tRNA等。

Ø 多组学检测：在组织原位实现基因组、表观遗传组、转录组、表观转录组、蛋白组、微生物组检测。

Ø 可选组合模式：单组学检测/双组联合/三组学及以上整合/HE、IF、IHC病理图联合检测分析。

Ø 样本兼容性：新鲜组织样本、FFPE样本都可检测。

研究应用

1、临床保存FFPE组织中的RNA生物学空间解析--空间全转录组测序

在本研究中，作者通过病理学空间全转录组测序(Patho-DBiT)对临床FFPE样本中的多种RNA分子进行检测。对基因表达与RNA加工过程进行空间共分析（spatial co-profiling），揭示具有区域特异性的剪接异构体（splicing isoforms）；同时，可对保存5年的临床肿瘤FFPE组织进行高灵敏度的转录组空间定位。此外，Patho-DBiT还能够捕获全基因组范围的单核苷酸RNA变异（single-nucleotide RNA variants），从而区分人类淋巴瘤组织中的恶性亚克隆与非恶性细胞。Patho-DBiT还可以绘制microRNA调控网络及RNA剪接动态变化，解析这些RNA调控机制在肿瘤空间发生与发展（spatial tumorigenesis）过程中的作用。

研究人员首先进行组织切片的脱蜡和热诱导交联逆转。组织通透化后，通过酶促原位多聚腺苷酸化可检测各种RNA，随后进行cDNA链的合成。随后利用具有多个通道的微流控芯片实现空间条形码标记。成像后，对组织进行消化以提取带条形码的cDNA，从而进行下游处理（图2A）。

图2 FFPE样本空间全转录组实验流式示意图⁶

在两个独立的重复实验中，47%的reads比对到了蛋白质编码RNA，其余reads则分别比对到了lncRNA、microRNA、miscRNA、rRNA、snoRNA、snRNA、scaRNA、tRNA、vault RNA、Y RNA以及其他尚未分类的RNA（Figure 3F）。其中，tRNA、snRNA和lncRNA占据了相对较高的reads比例，这与它们在细胞中的已知高丰度相一致。与此前的DBiT-seq技术方案相比，Patho-DBiT对大多数非编码RNA的捕获率提高了10～100倍（Figure 3G）。这些非编码RNA的空间分布模式显示，它们总体上在脑和肝脏区域呈现富集，与编码mRNA所观察到的分布趋势一致（Figure 3H）。

图3 小鼠胚胎空间全转录组图谱⁶

2、哺乳动物组织染色质空间结构与可及性的联合分析--空间ATAC-Hi-C测序

细胞功能依赖于细胞及生物分子在组织微环境中的空间组织方式。本文作者通过Spatial-ATAC-Hi-C测序可在组织切片上实现全基因组范围、空间分辨的3D基因组结构与染色质可及性的联合检测。Spatial-ATAC-Hi-C揭示小鼠和人脑组织中神经元与非神经元细胞群之间存在不同的染色质空间结构及基因调控程序。在胶质母细胞瘤（glioblastoma）和星形细胞瘤（astrocytoma）样本中，作者检测到了具有空间分辨率的3D基因组改变、拷贝数变异（CNV）和结构变异（SV），从而揭示了具有临床意义的致癌事件及肿瘤克隆异质性。通过在保持组织空间结构的同时联合分析基因组空间结构与染色质可及性，Spatial-ATAC-Hi-C为研究人类生理与疾病状态下的空间基因调控机制提供了一种强有力的工具。

图4 Spatial-ATAC-Hi-C测序实验流程图⁹

Spatial-ATAC-Hi-C不仅能做空间ATAC和Hi-C，还能够在空间维度上解析肿瘤CNV异质性。基于拷贝数变异（CNV）图谱，作者鉴定出三个cluster，其中C0和C1在空间上呈现明显的分离（图5c）。为探究导致该异质性的因素，作者首先聚焦于局部扩增区域。在Hi-C图谱上，位于chr7和chr12的两个区域与整个基因组其余部分存在相互作用，并形成条纹状模式（图5d）。这种模式提示拷贝数较高，且与我们由图5b中CNV图谱所观察到的结果一致。进一步放大Hi-C图谱后，作者发现这些局部扩增区域包含已知的癌基因，如EGFR、MDM2和CDK4（图5e、f）。这些扩增区域的拷贝数可能约为80~100份。其中，C0聚类在EGFR和MDM2区域的拷贝数较低，而在CDK4区域的拷贝数较高（图5e、f）。

图5 GBM样本三维基因组与表观基因组的空间联合解析⁹

3、基于m6A-ARTR-DBiT的空间分辨m6A修饰谱分析--空间表观转录组

RNA N⁶-甲基腺嘌呤（m6A甲基化）具有多种调控功能，但其在组织内的空间分布还需进一步探索。本文作者开发了一种空间m6A检测技术-m6A-ARTR-DBiT，该技术利用基于逆转录的检测方法和组织内确定性条形码编码，在保留组织结构的同时，绘制全转录组范围的m6A分布图谱。作者将m6A-ARTR-DBiT应用于小鼠胚胎组织和成年大脑，生成了具有空间分辨率的m6A修饰景观，并揭示了不同功能结构域中与区域相关的m6A特征。通过将空间m6A图谱与空间转录组数据进行配对比较，作者发现m6A水平与其甲基转移酶和结合蛋白的表达呈正相关。在小鼠海马中，m6A-ARTR-DBiT能够在精细的解剖结构内对m6A的组织表达模式进行高分辨率定位。m6A-ARTR-DBiT为探究完整组织切片中RNA修饰的分布提供了一个技术平台，有助于深入理解m6A空间分布模式与基因调控之间的关联。

m6A-ARTR-DBiT的实验流程（图6）：组织切片经甲醛固定，再透化处理后，使用特异性一抗靶向m6A位点，随后通过二抗和蛋白A/G-逆转录酶（pAG-RTase）融合蛋白进行信号放大。该复合物将逆转录酶招募至抗体结合的m6A位点，并在标记的转录本上原位合成互补DNA（cDNA）。与大多数需要分离RNA的m6A测序方法不同，ARTR-seq支持原位生成cDNA，从而为组织切片内的空间条形码编码奠定了基础。

图6 空间m6A表观转录组实验流程¹⁰

研究人员将空间m⁶A-ARTR-DBiT检测技术应用于小鼠冠状脑切片（图7a）。通过对带有荧光标记的二抗进行荧光成像，在同一张组织切片上观察m⁶A的整体空间分布；随后，对该组织切片进行空间条形码标记和测序。最终，每个50μm空间像素（pixel）可平均捕获2,489个UMI和1,664个基因。UMI的空间分布图与荧光成像所观察到的整体m⁶A分布高度一致（图7b）。随后，对gene-by-pixel表达矩阵进行无监督聚类，共鉴定出20个具有空间组织特征的m⁶A聚类区域（图7c）。最终获得的空间m⁶A图谱与Allen Mouse Brain Atlas中参考脑切片的解剖学区域注释高度吻合（图7c）。mRNA上的m⁶A峰（peak）及测序reads分布结果显示典型的终止密码子区域富集（图7d）。为研究m⁶A修饰的区域差异，作者汇总每个脑区内各空间像素（pixel）的m⁶A信号（图7e），并鉴定出了m⁶A富集程度具有明显脑区特异性差异的高排名基因。其中许多基因与其对应脑区的功能具有较强的相关性。Shox2是维持丘脑神经元功能的重要基因，其m⁶A信号主要在丘脑区域呈现明显富集（图7f）。以上结果进一步支持了m⁶A-ARTR-DBiT检测结果的准确性和稳定性。

图7 空间m6A修饰谱揭示小鼠脑组织区域异质性¹⁰

服务项目

单组学检测：空间全转录组、空间全RNA图谱、空间基因组、空间全表观组、空间全表观组、空间组蛋白修饰。

多组学检测：转录组+组蛋白修饰、转录组+ATAC、转录组+Genome、转录组+Epigenome、转录组+Proteome、Tri-omics。

样本要求及选择

人、小鼠物种的FFPE/FF/FxF样本（其他物种也可咨询）。按以下要求准备RNA质检、HE染色选片、正式实验所需样本：

1、石蜡包埋组织块：建议厚度5-10mm，石蜡块封装好常温或4℃寄送至实验室。

2、石蜡薄片：白片或贴片建议准备6-13片（10µm厚度），需要将切下来的石蜡贴在玻片上（采用世泰免疫组化的玻片），且42℃进行烤片处理3小时之后，密封好（可放置在玻片盒中），常温或4℃寄送至实验室。

3、OCT包埋的样本:提供新鲜组织的OCT包埋块，建议组织大小为长×宽不超6.5mm×6.5mm，高度≥5mm，封装好干冰寄送至实验室。

4、新鲜固定冻存组织OCT包埋样本：提供经过PFA固定的新鲜组织的OCT包埋块，建议组织大小为长×宽不超过6.5mm×6.5mm，高度≥5mm，封装好干冰寄送至实验室。

文献：

1、Liu Y, Yang M, Deng Y, et al. High-Spatial-Resolution Multi-Omics Sequencing via Deterministic Barcoding in Tissue. Cell. 2020;183(6):1665-1681.e18. IF: 45.1 Q1

2、Deng Y, Bartosovic M, Ma S, et al. Spatial profiling of chromatin accessibility in mouse and human tissues. Nature. 2022;609(7926):375-383. IF: 56.1 Q1

3、Deng Y, Bartosovic M, Kukanja P, et al. Spatial-CUT&Tag: Spatially resolved chromatin modification profiling at the cellular level. Science. 2022;375(6581):681-686. IF: 47.3 Q1

4、Liu Y, DiStasio M, Su G, et al. High-plex protein and whole transcriptome co-mapping at cellular resolution with spatial CITE-seq. Nat Biotechnol. 2023;41(10):1405-1409. IF: 44.5 Q1

5、Zhang D, Deng Y, Kukanja P, et al. Spatial epigenome-transcriptome co-profiling of mammalian tissues. Nature. 2023;616(7955):113-122. IF: 56.1 Q1 

6、Bai Z, Zhang D, Gao Y, et al. Spatially exploring RNA biology in archival formalin-fixed paraffin-embedded tissues. Cell. 2024;187(23):6760-6779.e24. IF: 45.1 Q1

7、Zhang D, Rubio Rodríguez-Kirby LA, Lin Y, et al. Spatial dynamics of brain development and neuroinflammation. Nature. 2025;647(8088):213-227. IF: 56.1 Q1

8、Li H, Bao S, Farzad N, et al. Spatially resolved genome-wide joint profiling of epigenome and transcriptome with spatial-ATAC-RNA-seq and spatial-CUT&Tag-RNA-seq. Nat Protoc. 2025;20(9):2383-2417. IF: 18.4 Q1

9、Wang P, Wang J, Wang Q, et al. Spatial chromatin architecture and accessibility co-profiling of mammalian tissues. Nat Methods. Published online September 1, 2026. IF: 28.3 Q1

10、Xiao Y, Bai Z, Zou Z, et al. Spatially resolved m⁶A profiling using m⁶A-ARTR-DBiT. Nat Methods. 2026;23(7):1318-1326. IF: 28.3 Q1