bulk RNA-seq是组织微环境研究中常用的初筛工具它可以快速获得整块组织的基因表达谱帮助研究者识别差异表达基因和富集通路。但bulk测序有一个天然的局限它将组织中所有细胞的RNA混合分析最终得到的是一个加权平均的结果。研究者可能看到某个免疫相关基因集在组间存在差异但无法确定这种差异是由哪种细胞贡献的、这些细胞在组织中如何分布、是否形成特定的空间结构。这种看得见但说不清的现象正是组织原位空间蛋白组学可以发挥作用的场景。一项针对非小细胞肺癌NSCLC的多模态研究为这一问题提供了具体的文献案例。该研究对122例患者样本进行了bulk RNA-seq分析通过CIBERSORTx反卷积估计了免疫细胞类型比例观察到不同研究分组中CD8 T细胞和CD4记忆T细胞比例存在差异。然而bulk反卷积的结果只是基于算法的推断它无法告诉研究者这些CD8 T细胞在肿瘤组织中位于哪里它们是否处于活化状态是否与抗原呈递细胞如树突状细胞形成空间邻域这些问题的答案对于理解组织微环境的空间组织结构至关重要。PCFPhenoCycler-Fusion作为一种单细胞组织原位空间蛋白组学技术可以在组织切片上同时检测多种蛋白标志物将bulk测序的平均信号转化为单细胞空间图像。在上述研究中研究者利用33抗体panel在组织原位观察了150万个细胞不仅鉴定了13种细胞类型还分析了细胞之间的空间邻域关系。例如研究发现树突状细胞Dc与细胞毒性T细胞Tc之间的空间距离在不同研究分组中存在差异在部分样本中Dc与Tc的空间距离较短伴随CXCL16趋化因子表达升高而在距离较远的样本中肿瘤细胞的Ki67表达和DNA复制通路活性相对较高。这些空间层面的观察是bulk RNA-seq无法直接提供的。从方法学角度分析bulk RNA-seq适合回答组织中哪些基因表达发生了变化这一整体性问题而PCF更适合回答哪些细胞表达了这些蛋白、它们位于哪里、与谁相邻的组织原位问题。二者不是重复检测而是从转录层和蛋白层分别提供组织微环境研究线索。当bulk分析提示了候选细胞类型或通路后PCF可以将这些线索转化为具体的抗体panel在组织原位进行验证性观察——这里的验证不是指证明因果机制而是指在组织结构中进一步观察bulk数据提示的现象是否对应特定的细胞分布和蛋白表达模式。该文献的研究路径提示bulk RNA-seq与PCF的联合可以形成整体发现→原位观察的研究逻辑。bulk数据帮助研究者从宏观层面识别值得关注的表达差异PCF则把这些差异带回组织切片中从单细胞分辨率解析细胞身份、功能状态和空间邻域关系。对于希望从bulk测序结果出发、进一步深入组织原位层面的课题组而言这一联合策略可作为科研设计参考。【说明】本文仅为科研技术方法介绍不涉及疾病诊断、治疗建议、疗效预测、用药指导或临床决策。文中提及的研究发现均来自学术文献相关分析结果需结合更多实验和研究进一步验证不构成任何医疗意见。【参考文献】Zheng Y, Sadée C, Ozawa M, Howitt BE, Gevaert O. Single-cell multimodal analysis reveals tumor microenvironment predictive of treatment response in non-small cell lung cancer.Sci Adv. 2025;11(21):eadu2151.
