从简单的微生物到复杂的高等生物，基因的调控不仅影响着所有生物的生命活动，还决定了生物的各种性状和生理功能。因此，了解基因如何表达是揭示生命奥秘的关键。

但在传统基因研究中，研究人员常常面临着以下难题。一方面数据量极其庞大，一个细胞或组织中包含有成千上万个基因，每个基因都可能在不同的条件下有不同的表达水平，传统的分析方法在处理如此大规模和复杂的数据时存在局限性；另一方面，传统转录组学难以阐明细胞与细胞之间的相互作用和定位生物/病理过程中的特定活动。

因此，空间转录组学（Spatial Transcriptomics, ST）技术应运而生。2021年，密歇根大学团队的研究人员 Jun Hee Lee、Hyun Min Kang 等人开发的 Seq-Scope 在 Cell 上首次亮相，它是第一种以亚微米级空间分辨率分析基因表达的方法，让科学家能够清晰地看到基因在微观分辨率下如何表达。不过面对复杂多变的细胞组织结构，高分辨率 ST 数据的分析还是面临着挑战，现有的细胞分割方法在处理不规则细胞大小和形状时显得力不从心。同时，也缺乏能够高效扩展到全转录组分析的无分割方法，即不依赖于传统图像分割技术来分析细胞空间分布和特性的方法。

日前，该团队对 Seq-Scope 进行了改进，使其更加通用、可扩展且易于访问。成果发表于 Nature Protocols。并进一步开发了一种新的计算工具 FICTURE，用于分析来自 Seq-Scope 和其他技术的高分辨率空间数据的算法，该成果在线发表于 Nature Methods。

图 | FICTURE 概览

Lee 和 Kang 的概念验证方法 Seq-Scope 证明测序仪可以重新用于分析空间分辨的转录组，使科学家能够在微观分辨率下看到基因的表达方式和表达位置。

自首次发布以来，Seq-Scope 经历了重大改进，包括成本大幅降低。高分辨率空间转录组学以前可能要花费高达 10,000 美元/样本，而增强的 Seq-Scope 流程现在只需约 500 美元即可实现这一目标，为更多研究人员扩大了可行性。

作为一种创新的无分割空间分解方法，FICTURE 使用了多层狄利克雷模型进行像素级空间因子的随机变分推断，专为处理带有数十亿个亚微米分辨率空间坐标的全转录组数据而设计，不仅数据处理的效率比现有方法高出几个数量级，速度和准确性也大大提高，无论这些数据是基于测序还是基于成像技术获得，FICTURE 都能轻松应对。

更令人惊喜的是，它通过汇集周围数据在微米水平进行更准确的推断，能够毫无偏差地分析大量数据，从而生成组织和细胞极其详细的图像。例如，通过 FICTURE 算法，研究人员可以看到小鼠胚胎中骨骼肌组织从成肌细胞分化为长条纹肌细胞的过程。这种微观层面的清晰展示，使得原本模糊不清的基因表达过程变得直观可见。

图 | FICTURE 在 Stereo-seq 全小鼠胚胎数据集中的应用

在人体疾病研究中，FICTURE 也得到了应用，并表现出显著优势。在分析人体乳腺癌相关的数据集时，FICTURE 的像素级分析与传统细胞分割分析相比，能更全面的显示切片。比如在脂肪和纤维化区域，细胞分割无法检测到脂肪细胞存在，而 FICTURE 却能识别分化脂肪细胞的特异性因子，并清晰的展示其含脂形态，还能鉴定所有已知的相关细胞类型并保留组织学结构。在纤维化组织区域，细胞分割可能因成纤维细胞形态和聚集问题受干扰，FICTURE 却能保留组织纹理，检测并区分不同基质细胞群。这些表明 FICTURE 在分析复杂人体组织病理相关区域时具有独特优势，或将为疾病研发提供有力支持。

FICTURE 的无分割方法尤其适合研究复杂组织、细胞外基质或细胞间通讯。它的可扩展性、稳定性和直观性，意味着其拥有着广泛的应用范围。

未来，FICTURE发展的另一个方向是将组织学图像与 FICTURE 的像素级因子推断相结合，以实现多模态细胞分割，进一步提高推断精度，并将原始数据转化为生物学结论。总之，FICTURE 作为探索高分辨率空间转录组学的有力工具，不仅将进一步加速基因研究领域发展，还有望在疾病诊断、药物研发和再生医学等领域发挥重要作用。

参考文献：

1. Si, Y., et al. (2024) FICTURE: scalable segmentation-free analysis of submicron-resolution spatial transcriptomics. Nature Methods. doi.org/10.1038/s41592-024-02415-2.