《Nature Communications》：Ultra-precision deconvolution of spatial transcriptomics decodes immune heterogeneity and fate-defining programs in tissues
编辑推荐：
阐明复杂组织内免疫细胞的空间组织和功能特化仍具挑战。为此，研究人员开发了UCASpatial算法，利用熵加权实现超精度空间转录组去卷积。研究表明，20q获得协调肿瘤T细胞排斥微环境，而Igfbp5+软骨细胞、Cd36+Gpnmb+Il1b-巨噬细胞与Fmod+成纤维细胞形成的促纤维化群落及其IL11-IL11RA信号驱动疤痕形成。该工具为解析精细细胞图谱和探索动态微环境中的细胞间机制提供了通用方法。
我们的身体是一个由数十万亿细胞精密协作构成的复杂王国，其中免疫系统扮演着至关重要的“国防军”角色。然而，理解这支“国防军”在特定组织（如肿瘤或伤口）中是如何精准部署、不同兵种（细胞亚群）之间如何交流，一直是个巨大的科学难题。传统的单细胞测序技术虽然能识别细胞类型，却丢失了至关重要的空间位置信息——就好比我们知道了一支军队由步兵、炮兵、医护兵组成，却不知道他们在战场上具体如何布阵、如何协同。这种信息的缺失，限制了我们深入理解疾病发生、发展的微观“战场”动态，也阻碍了精准干预策略的开发。为了解决这一瓶颈，科学家们亟需一种能够高精度、高分辨率地“透视”组织内部细胞类型、功能状态及其空间排布关系的“超级显微镜”。
在《Nature Communications》发表的一项研究中，研究人员开发了名为UCASpatial的创新算法工具，旨在实现对空间转录组数据的“超精度去卷积”，从而以前所未有的精细度解码复杂组织中的细胞构成与功能程序。利用这一强大工具，研究团队分别在人类疾病模型（结直肠癌）和小鼠生理模型（伤口愈合）中展开探索，揭示了驱动不良预后的关键细胞群落和信号机制。
为开展此项研究，作者主要采用了以下几项关键技术方法：1. 开发了基于熵加权策略的空间转录组去卷积算法UCASpatial，并利用模拟数据和公开数据集进行了全面的基准测试验证其性能。2. 将UCASpatial应用于人类结直肠癌空间转录组数据，样本队列包含多个癌组织和正常对照，结合单细胞RNA测序参考图谱进行细胞定位分析。3. 构建了C57BL/6小鼠（疤痕性愈合）和同种异体移植模型（再生性愈合）的伤口愈合研究体系，获取其不同愈合阶段的空间转录组数据。4. 运用多重免疫荧光、RNA原位杂交等空间成像技术对算法预测的关键细胞类型和信号进行验证。5. 在体外细胞共培养体系和小鼠体内模型中，通过基因操作和抗体阻断等方法，对鉴定出的IL11-IL11RA信号通路进行功能获得和功能缺失实验验证。
UCASpatial：一种用于高精度空间转录组去卷积的新算法
研究人员首先开发了UCASpatial算法。其核心创新在于引入了基于信息熵的加权策略，能够更精准地解析空间转录组测序点中的细胞组成。基准测试结果表明，与现有方法相比，UCASpatial在识别低丰度细胞亚群和区分转录异质性高的细胞亚群方面具有显著优越性，为实现“超精度”细胞图谱解码奠定了基础。
解码肿瘤微环境：20q获得如何“驱逐”T细胞
在人类结直肠癌中的应用揭示了肿瘤克隆内部的遗传异质性如何塑造免疫微环境。研究发现，携带染色体20q获得（一种常见的拷贝数变异）的个体癌症克隆，能够“精心策划”一个T细胞排斥的微环境。进一步机制探索表明，这种状态与内源性逆转录病毒HERV-H的沉默以及I型干扰素反应受损相关联。这为理解某些肿瘤区域为何缺乏抗肿瘤免疫细胞（T细胞）提供了一个全新的遗传-表观遗传解释框架。
区分疤痕与再生：一个促纤维化细胞群落的发现
在小鼠伤口愈合模型中的应用，成功解析了导致疤痕形成与完美再生的关键空间动态差异。在倾向于形成疤痕的C57BL/6小鼠中，研究识别出一个独特的促纤维化细胞群落。该群落由三种空间相邻的细胞类型构成：表达胰岛素样生长因子结合蛋白5的Igfbp5+软骨细胞、特定亚群的Cd36+Gpnmb+Il1b-巨噬细胞，以及表达纤调蛋白的Fmod+成纤维细胞。这个“三细胞联盟”在疤痕组织形成区域特异性富集。
驱动疤痕的核心信号：IL11-IL11RA轴
研究进一步深入探索了这个促纤维化群落形成的驱动机制。细胞间通讯分析指出，白细胞介素11及其受体IL11RA介导的信号通路是维系该群落内部交流的关键。功能实验证实，阻断IL11-IL11RA信号可以破坏这个促纤维化细胞群落的形成，并在小鼠模型中显著改善愈合结局，减少纤维化、促进更接近再生的修复过程。这明确了IL11信号是该病理过程的一个可成药关键靶点。
该研究通过UCASpatial这一新型分析工具，在两个重要的生物医学场景中取得了关键发现。结论表明，组织的功能状态（如免疫抑制、纤维化）并非由单一细胞类型决定，而是由空间上紧密相互作用的特定细胞群落所主导。在结直肠癌中，癌细胞克隆的特定遗传变异（20q获得）可以通过表观遗传重编程（沉默HERV-H）抑制局部免疫反应，主动营造免疫排斥微环境。在伤口愈合中，疤痕形成是由一个由Igfbp5+软骨细胞、Cd36+Gpnmb+Il1b-巨噬细胞和Fmod+成纤维细胞通过IL11信号轴组装的跨谱系细胞群落所驱动。这些发现超越了传统上对单一细胞类型的关注，强调了从“空间细胞社会学”的角度理解疾病机制的重要性。UCASpatial算法作为一个通用性强、精度高的工具，其成功应用为未来在更多复杂组织和动态生物过程中解析精细细胞图谱、发现新的细胞间互作机制和治疗靶点铺平了道路。该研究不仅提供了关于癌症免疫逃逸和组织再生缺陷的新机制见解，也展示了计算生物学方法驱动生命科学核心发现的强大潜力。
