在空间组学研究中转录层信息与蛋白层信息的关系常被讨论但二者如何形成有效的联合分析框架仍是一个需要更多方法学探索的问题。2025年斯坦福大学团队在Nature Communications发表的一项研究虽然未直接使用空间转录组但其建立的colocatome定量分析框架——基于超多重蛋白成像技术系统比较体外模型与临床样本的空间特征——为PCF与空间转录组的联合应用提供了重要的方法学参考。该研究围绕肺腺癌肿瘤-基质相互作用展开使用PhenoCycler平台获取了15个蛋白标志物的单细胞分辨率空间数据。研究团队首先基于assembloid模型鉴定出18个细胞亚群的空间共定位特征然后将这些特征与3例LUAD患者、13个组织学区域的临床样本进行定量比较。结果显示assembloid模型能够有效复现临床样本中的大多数空间共定位特征107/133且solid生长模式区域主要与TAF-PDO assembloid聚类而lepidic和acinar区域则与TCF-PDO assembloid聚类。这一发现提示不同组织学生长模式可能具有特征性的空间蛋白组织模式。如果我们设想在该研究基础上加入空间转录组联合框架将呈现怎样的科研价值首先空间转录组可以在组织层面发现基因表达的空间分布模式识别不同区域的转录特征差异随后PCF可以在同一组织切片上通过蛋白标志物Panel确认这些区域中的细胞身份、功能状态和邻域关系。例如空间转录组可能发现某个区域免疫相关基因上调PCF则可以进一步观察该区域是否存在特定T细胞亚群、是否表达耗竭相关蛋白标志物、是否与肿瘤细胞或CAF形成特定邻近关系。在该文献中研究团队观察到的MUC1癌细胞与所有成纤维细胞亚群的空间分离、CAV1成纤维细胞在erlotinib处理后的空间富集等特征正是需要蛋白层技术才能直接呈现的空间组织线索。从课题设计角度PCF与空间转录组联合策略适合以下研究方向肿瘤微环境空间异质性分析、免疫治疗相关基础研究中的组织层线索挖掘、TLS三级淋巴结构的转录-蛋白联合表征、CAF生态位的空间边界定义、炎症组织分区中的细胞状态比较等。在这些场景中空间转录组负责绘制基因表达地图回答哪些基因在哪里表达PCF则负责组织原位蛋白观察回答对应细胞是否表达关键蛋白、处于什么功能状态、与哪些细胞相邻。需要明确的是这种联合不是为了简单堆叠技术而是为了形成更完整的空间组学证据链。该文献建立的colocatome分析框架——包括CLQ共定位计算、空间置换显著性检验和跨条件标准化——可以作为联合分析中的蛋白层空间特征提取方法。未来研究若将空间转录组的基因模块分析与PCF的蛋白共定位分析相结合有望从空间表达图谱走向蛋白功能观察和空间机制假设生成。对于医学转化研究而言蛋白层信息往往更接近病理标志物、功能状态和潜在干预靶点因此PCF在空间多组学联合框架中具有不可忽视的科研分析价值。【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】Bouchard G, et al. A quantitative spatial cell-cell colocalizations framework enabling comparisons between in vitro assembloids and pathological specimens. Nature Communications. 2025;16:1392. doi:10.1038/s41467-024-55129-6