跳至正文

空间转录组学：在大脑的每一个角落读取基因密码

  • 由
🔭 前沿探索 📅 2026年3月 ⏱ 阅读约12分钟

想象一下，你手里有一张地图，不只能告诉你城市里有哪些建筑，还能精确显示每栋楼里每个房间正在发生什么对话——空间转录组学(spatial transcriptomics)做的，正是这样一件事。它给大脑里的每一个细胞打上”地址”，同时记录这个细胞在当下所说的每一句”分子语言”。

传统单细胞测序技术早已能解读细胞的基因表达，却要为此付出代价：在制备样本的过程中，细胞被从组织中分离，彼此之间的空间关系就此丢失。这就像把一本书的页码打乱再逐页分析——你能读懂每一页，却不知道故事的顺序。空间转录组学的出现，正是为了在保留空间坐标的前提下，完整记录基因表达的全貌。近年来，这项技术在脑科学领域催生了一系列里程碑式的成果：从全鼠脑细胞图谱[12]到人类大脑皮层的发育时序[7]，从阿尔茨海默病的免疫细胞生态位[10]到脑衰老的空间时钟[21]。

📋 目录

一、什么是空间转录组学？

转录组(transcriptome)是细胞在某一时刻所有活跃基因表达的集合——可以把它理解为一个细胞当下的”工作状态报告”。而空间转录组学，则是把这份报告和细胞在组织中的精确位置绑定在一起，同时解析成千上万个细胞。

🧠 核心概念：三个维度的整合

空间转录组学同时解析三个维度的信息：

  • 细胞身份 — 这个细胞是神经元还是胶质细胞？是兴奋性还是抑制性？
  • 基因状态 — 这个细胞现在哪些基因在工作，分别活跃到什么程度？
  • 空间坐标 — 这个细胞在组织切片上处于哪个位置？它的邻居是谁？

三者的叠加，使研究者能够回答一个过去无法直接回答的问题：在大脑的哪里，哪些细胞，正在做什么？

为什么这件事在脑科学中格外重要？因为大脑的功能本质上是空间依赖的。皮层第五层的锥体神经元与第二/三层的投射神经元，可能表达着截然不同的基因组合，执行着完全不同的功能；阿尔茨海默病的病理斑块周围与斑块外，免疫细胞的状态可能天壤之别。没有空间信息，我们对这些区别几乎是盲目的。综述研究指出，空间信息对于解释脑区特异细胞互作、回路组织和病理微环境具有不可替代的意义。[2]

二、主要技术路线

空间转录组学并非单一技术，而是一系列技术路线的集合。各路线在分辨率、通量、成本和组织适配性上各有侧重。[1]

⚡ 三大技术路线概览

1. 条形码捕获法（Barcoded Capture）

代表平台：Visium（10x Genomics）、Stereo-seq。将组织切片放置在预先布满带空间条形码的捕获阵列上，每个捕获点（spot）对应一个空间位置，其中的mRNA被逆转录并测序。优势在于通量高、可检测全转录组；局限在于传统方案的空间分辨率约为55微米/spot，略低于单细胞水平。

2. 原位杂交/成像法（In Situ Hybridization/Imaging）

代表平台：MERFISH（多重误差鲁棒荧光原位杂交）、seqFISH+。通过荧光探针直接在组织切片上标记特定RNA，实现单细胞乃至亚细胞级分辨率。局限在于每次实验可检测的基因数量（通常数百至数千个）少于全转录组测序。

3. 原位测序法（In Situ Sequencing）

代表平台：Xenium（10x Genomics）、STARmap。直接在组织原位对RNA进行测序，兼顾单细胞分辨率和相对较高的多基因检测能力。

以小鼠初级运动皮层为例，MERFISH在单细胞级分辨率下清晰揭示了神经元和非神经元细胞在皮层层级与微回路中的精细分布，证明原位高通量检测能够解析皮层的精细组织架构。[15] 而Stereo-seq方案的应用，使全鼠脑空间转录组图谱得以覆盖400多万个细胞和近3万个基因。[14]

三、绘制大脑的分子地图

空间转录组学在脑科学领域最直接的应用，是构建前所未有精度的脑细胞图谱。

全鼠脑图谱：里程碑式的系统工程

2023年，《自然》杂志连续发表了两项互相配套的全鼠脑图谱研究。其中一项整合单细胞转录组与高分辨率空间定位，覆盖数千个细胞亚型并解析其在全脑的分布[12]；另一项则从分子定义与空间定位两个维度系统描述鼠脑细胞群，展示不同神经元和胶质细胞在全脑尺度的组织结构。[13] 这两项研究共同为理解脑区功能分工和疾病易感区域提供了基础框架。

🔬 全脑图谱的意义

在全鼠脑空间转录组图谱完成之前，神经科学家对大脑细胞类型的认知主要依赖电生理、形态学和有限基因标记。全脑分子图谱的建立意味着：

  • 可以用统一的分子语言对跨脑区细胞类型进行比较和命名
  • 能够精准定位某种疾病相关基因在哪些脑区、哪些细胞类型中表达
  • 为靶向神经疾病的治疗提供空间精度更高的”药物投递地图”

到2025年，单细胞级全鼠脑空间转录组图谱进一步细化了脑干、皮层等区域的分子分区，展示了空间转录组技术从局部组织解析推进到整脑尺度的历程。[14]

跨物种比较：从小鼠到人类

仅有鼠脑图谱还不够——人脑与鼠脑在结构和细胞组织上既有共性也有差异，跨物种比较是神经科学理解人脑演化的重要路径。

基于MERFISH的研究直接比较了人类与小鼠皮层细胞组织方式，既发现保守的层级结构，也识别出物种特异的空间排列与细胞邻域模式。[4] 而在猕猴皮层的研究则构建了一座连接啮齿动物与人类的灵长类桥梁，解析不同细胞类型在皮层层次和区域中的组织规律，对理解高级认知相关脑区的演化特征具有重要意义。[16] 跨物种小脑皮层空间转录组图谱则进一步展示了空间转录组学如何服务于进化神经科学和跨物种脑区对照。[5]

人类皮层的分子分区

在人类大脑皮层中，一项2025年发表于《自然》的研究在单细胞分辨率下直接解析了层级和脑区特异的空间表达模式，展示了人脑不同皮层区域如何在分子层面实现功能分化。[6] 这项工作标志着人类空间转录组学向高分辨区域规范化迈出重要一步。

四、发育中的大脑：时空故事

大脑的发育是一部精密的时空程序：特定的细胞在特定的时间、特定的地点，根据特定的基因指令分化、迁移、建立连接。空间转录组学让我们得以前所未有地观察这部程序的展开过程。

从原肠胚到早期脑的形成

一项研究描绘了人类原肠胚形成到早期脑发育阶段的单细胞与空间转录景观，追踪神经外胚层形成及早期脑组织模式化的全过程。[9] 聚焦妊娠早期的研究则联合细胞图谱与空间信息，解析了祖细胞、迁移神经元和区域分化模式，为理解人脑早期构建过程提供了高质量基准数据。[8]

人脑发育的时空图谱

🔬 人脑发育时空图谱（Cell, 2023）

一项发表于《Cell》的研究构建了发育中人脑的时空转录组图谱，核心发现包括：

  • 揭示脑区分化的时序基因程序——哪些基因在哪个时间窗口启动，驱动特定脑区的形成
  • 描绘细胞谱系迁移的空间路径，追踪不同前体细胞向各脑区迁移并定植的过程
  • 为回答”何时、何地、哪些细胞共同驱动脑区形成”这一核心问题提供了直接证据

研究类型：观察性研究（人类发育脑组织样本）[7]

神经免疫景观的发育

大脑免疫细胞（尤其是小胶质细胞）的定植和成熟，是脑发育过程中往往被忽视的重要环节。在发育中小鼠脑内，研究者定位了免疫配体与受体的空间分布，并评估了母体免疫激活和微生物组耗竭对神经免疫景观的影响，展示了空间转录组在神经发育与免疫交叉研究中的独特优势。[18]（小鼠实验，结论需谨慎外推至人类）

胚胎小鼠脑的空间转录组地图则重点展示了神经发生相关细胞群和区域表达模式，为解释神经祖细胞的分布、分化轨迹和局部微环境提供了发育神经科学层面的证据基础。[17]（小鼠实验）

五、疾病的空间病理学

细胞类型和基因表达的空间分布一旦被精确刻画，研究者便可以追问：在神经系统疾病中，这些分布发生了什么变化？病理特征具体出现在哪些区域、哪些细胞中？

阿尔茨海默病：耗竭的免疫卫士

小胶质细胞(microglia)是大脑的常驻免疫细胞，在阿尔茨海默病(Alzheimer’s disease, AD)的病理进程中扮演着关键角色。结合单细胞与空间信息的研究在衰老及携带APOE4基因型的AD患者脑中，识别出一类”耗竭样”微胶质细胞群——这类细胞在功能上类似慢性炎症状态下”精疲力竭”的免疫细胞，无法有效清理病理产物。[10]

ℹ️ AD研究的数据整合资源

阿尔茨海默病相关单细胞与空间RNA测序数据库（ssREAD）整合了多脑区、多队列的AD相关数据，为研究AD易损细胞、病理空间分布提供了开放获取的公共资源。[3] 这类数据库的建立，使研究者可以跨研究比较分析，提高结论的可重复性。

多发性硬化：病灶的细胞生态学

多发性硬化(multiple sclerosis, MS)是一种以炎症脱髓鞘为特征的神经系统疾病。传统研究能够在影像或病理层面识别病灶，但对病灶内细胞组成的认知较为粗略。

一项发表于《Cell》的研究结合空间转录组刻画MS炎症病灶的细胞组成与演化过程，展示了病灶边缘、核心和修复区在细胞组成和基因表达上的差异性。[11] 这一精细的空间分辨率，有助于理解病灶形成、扩展和修复的分子机制。

颞叶癫痫：海马的炎症重塑

颞叶癫痫(temporal lobe epilepsy)的重要病理特征之一是海马的结构和细胞重塑。综合运用单细胞、单核与Xenium空间转录组的研究在颞叶癫痫小鼠模型的海马中，发现了炎症激活和细胞互作网络的重塑，精确定位了癫痫病灶中的病理网络分布。[22]（小鼠实验）

六、脑衰老的空间特征

衰老对大脑的影响并非均匀发生——不同脑区、不同细胞类型对衰老的敏感程度各不相同。空间转录组学让这种异质性得以精确量化。

衰老的空间异质性

在单细胞分辨率下对衰老小鼠脑的分子与空间特征进行全面描绘的研究显示，不同脑区和细胞类型对衰老呈现出截然不同的敏感性，为理解年龄相关脑功能下降提供了空间层面的证据基础。[19]（小鼠实验）

白质：衰老最脆弱的靶点

🔬 脑衰老图谱的关键发现（Cell, 2023）

通过构建系统性脑衰老图谱，研究者发现白质是衰老易损焦点，具体表现为：

  • 少突胶质细胞（负责生成髓鞘）在衰老中出现显著的基因表达变化
  • 小胶质细胞的激活状态在白质区域随年龄发生特异性改变
  • 髓鞘相关区域呈现出明显的空间异质性衰老模式

研究类型：动物研究（小鼠）[20]

空间转录组时钟：衡量局部老化速度

受表观遗传时钟概念的启发，研究者提出了”空间转录组时钟”——利用局部细胞的基因表达模式来估算脑组织的老化状态。这项研究还发现，细胞的邻近关系会影响局部老化速度：不同类型细胞之间的空间关系，可以加速或减缓彼此的衰老进程。[21] 这一发现说明，脑衰老不仅是细胞内基因程序的自主变化，也受到微环境空间结构的调节。

🧠 微环境如何调节衰老速度？

细胞邻近效应对衰老的影响，可以用城市社区类比来理解：一个住在繁华商业区（周围是高度活跃的细胞）的神经元，与住在安静住宅区（周围是静息细胞）的神经元，可能以不同的速度老化。空间转录组时钟的建立，使研究者能够在整个大脑中绘制”老化速度地图”，识别哪些区域老化最快，以及为什么。（小鼠实验）[21]

七、未来方向

空间转录组学目前仍在快速迭代之中，几个方向值得关注：

ℹ️ 技术前沿与挑战
  • 分辨率与通量的平衡 — 实现亚细胞甚至单分子分辨率的同时覆盖全转录组，仍是主要技术挑战。[1]
  • 时间维度的整合 — 当前大多数空间转录组实验基于单个时间点的组织切片，如何捕捉同一脑区的动态变化仍是难题。
  • 三维重建 — 从二维切片到全脑三维空间重建，需要大量连续切片的计算整合。全鼠脑图谱的实现已证明这在技术上可行。[12]
  • 多组学整合 — 将空间转录组与空间蛋白质组学、表观基因组学整合，以获得更完整的细胞状态描述。
  • 人类脑组织的可及性 — 相比小鼠脑，人脑组织的获取更加困难，质量控制也更复杂，是人类脑图谱研究持续面临的挑战。[6]

从鼠脑到猕猴脑再到人脑，从胚胎到衰老，从健康到疾病，空间转录组学正在系统性地填补一张此前空白的地图——大脑的分子地理图。当我们能够精确知道每个细胞在哪里、做什么、与谁交流，关于脑功能和脑疾病的许多问题，将有可能以前所未有的精度获得解答。

📌 要点回顾

  • 空间转录组学是什么：在保留细胞空间坐标的前提下，同步解析基因表达信息，回答”哪里的细胞在做什么”。[1][2]
  • 三大技术路线：条形码捕获（高通量全转录组）、原位杂交成像（单细胞分辨率）、原位测序（兼顾两者），各有优劣。[1]
  • 全脑细胞图谱：鼠脑空间转录组图谱已覆盖数千细胞亚型，为脑区功能与疾病易感性研究提供了分子基础框架。[12][13]
  • 脑发育的时空程序：从原肠胚到成熟大脑，空间转录组学揭示了细胞分化、迁移与区域化的精确时序和空间路径。[7][8]
  • 疾病的空间病理学：在阿尔茨海默病、多发性硬化和癫痫等疾病中，空间转录组学精确定位了病理细胞的分布和互作，揭示了传统方法无法捕捉的微环境信息。[10][11]
  • 脑衰老的空间异质性：白质是衰老的重点易损区域；细胞邻近关系可影响局部老化速度，说明脑衰老受微环境空间结构调节。[20][21]

📚 参考文献

  1. Chen T et al. (2023). Spatial Transcriptomic Technologies. Cells. PMID: 37626852
  2. Chen R et al. (2024). Deciphering brain cellular and behavioral mechanisms: Insights from single-cell and spatial RNA sequencing. Wiley Interdisciplinary Reviews RNA. PMID: 38972934
  3. Wang C et al. (2024). Single-cell and spatial RNA-seq database for Alzheimer’s disease (ssREAD). Nature Communications. PMID: 38844475
  4. Fang R et al. (2022). Conservation and divergence of cortical cell organization in human and mouse revealed by MERFISH. Science. PMID: 35771910
  5. Hao S et al. (2024). Cross-species single-cell spatial transcriptomic atlases of the cerebellar cortex. Science. PMID: 39325889
  6. Qian X et al. (2025). Spatial transcriptomics reveals human cortical layer and area specification. Nature. PMID: 40369074
  7. Li Y et al. (2023). Spatiotemporal transcriptome atlas reveals the regional specification of the developing human brain. Cell. PMID: 38091994
  8. Braun E et al. (2023). Comprehensive cell atlas of the first-trimester developing human brain. Science. PMID: 37824650
  9. Zeng B et al. (2023). The single-cell and spatial transcriptional landscape of human gastrulation and early brain development. Cell Stem Cell. PMID: 37192616
  10. Millet A et al. (2024). An exhausted-like microglial population accumulates in aged and APOE4 genotype Alzheimer’s brains. Immunity. PMID: 38159571
  11. Kukanja P et al. (2024). Cellular architecture of evolving neuroinflammatory lesions and multiple sclerosis pathology. Cell. PMID: 38513664
  12. Yao Z et al. (2023). A high-resolution transcriptomic and spatial atlas of cell types in the whole mouse brain. Nature. PMID: 38092916
  13. Zhang M et al. (2023). Molecularly defined and spatially resolved cell atlas of the whole mouse brain. Nature. PMID: 38092912
  14. Han L et al. (2025). Single-cell spatial transcriptomic atlas of the whole mouse brain. Neuron. PMID: 40132589
  15. Zhang M et al. (2021). Spatially resolved cell atlas of the mouse primary motor cortex by MERFISH. Nature. PMID: 34616063
  16. Chen A et al. (2023). Single-cell spatial transcriptome reveals cell-type organization in the macaque cortex. Cell. PMID: 37442136
  17. Di Marco B et al. (2023). Spatial transcriptomics map of the embryonic mouse brain – a tool to explore neurogenesis. Biology Open. PMID: 37855382
  18. Kukreja B et al. (2026). Spatial transcriptomics of the developing mouse brain immune landscape reveals effects of maternal immune activation and microbiome depletion. Nature Neuroscience. PMID: 41495254
  19. Allen W et al. (2023). Molecular and spatial signatures of mouse brain aging at single-cell resolution. Cell. PMID: 36580914
  20. Hahn O et al. (2023). Atlas of the aging mouse brain reveals white matter as vulnerable foci. Cell. PMID: 37591239
  21. Sun E et al. (2025). Spatial transcriptomic clocks reveal cell proximity effects in brain ageing. Nature. PMID: 39695234
  22. Liu Q et al. (2024). Single-cell, single-nucleus and xenium-based spatial transcriptomics analyses reveal inflammatory activation and altered cell interactions in the hippocampus in mice with temporal lobe epilepsy. Biomarker Research. PMID: 39272194