作者，Evil Genius

马上又要接触这个社会的险恶了，但愿自己能抗得住。

今天继续分享一些Atera的项目经验。

目前手里只有一个Atera的项目，客户要求是很高的，当然也是积累经验的绝佳机会。

Atera 在细胞 niche、细胞邻域与空间亚群分析中的应用与提升

一、Atera 的核心价值：从空间表达图谱走向细胞生态位解析

Atera与传统的空间转录组分析相比，它的主要技术方向是将全转录组检测、细胞级表达分析和组织空间定位结合起来。厂商公布的 Atera WTA 方案覆盖约 18,000 个蛋白编码基因，并强调较高通量和亚细胞尺度的转录本定位能力。

首先回顾以下几个层次的问题：

• 细胞是什么？ 识别中性粒细胞、单核/巨噬细胞、T 细胞、B 细胞、内皮细胞等。

• 细胞处于什么状态？ 判断细胞是否表现出炎症激活、吞噬、抗原呈递、免疫抑制或组织修复等表达程序。

• 细胞周围是谁？ 解析特定细胞与周围其他细胞形成的邻域组合。

• 细胞在哪里、为什么在那里？ 识别具有特定空间分布和表达特征的细胞群及其潜在生态位。

这四个层次可以进一步组织成一条分析主线：

1、全转录组原位检测

基因表达、转录本坐标、组织形态

2、细胞分割与细胞类型注释

细胞边界、表达矩阵、细胞状态

3、细胞邻域与空间亚群识别

空间距离、邻居组合、局部表达状态

4、Niche 解析与机制验证

差异通路、空间共定位、候选细胞互作

这里有一个关键区别：Atera 提供的是更丰富的空间分子测量基础；niche、邻域和空间亚群仍需要通过下游算法与统计检验定义，并不是平台检测后自动得到的确定性生物学结论。

二、细胞 niche 分析：从细胞组成走向局部功能微环境

2.1 什么是细胞 niche？

细胞 niche 通常可以理解为组织中具有一定空间范围、细胞组成和分子功能特征的局部微环境。一个 niche 可能包含多种细胞类型，也可能由同一种细胞的不同功能状态共同构成。

例如，在炎症组织中，可以探索：

• 炎症细胞富集区域；

• 血管周围的免疫细胞区域；

• 抗原呈递细胞与 T 细胞共同富集的区域；

• 具有吞噬和组织修复特征的髓系细胞区域。

需要注意，niche 并没有一个适用于所有研究的统一定义。不同研究可以根据细胞组成、空间邻近关系、基因表达程序或组织学结构来定义生态位，因此必须说明所采用的判定标准。

2.2 Atera 的潜在优势是什么？

第一，能够同时利用细胞身份与细胞状态信息。

如果仅使用少量标志基因，某个区域可能被注释为“巨噬细胞富集区域”。但巨噬细胞在不同组织和疾病状态下可能具有不同的转录程序。

全转录组信息有机会进一步区分：

• 炎症相关的单核/巨噬细胞；

• 吞噬与溶酶体功能较活跃的细胞；

• 抗原呈递相关状态；

• 组织修复或免疫调节相关状态。

这些类别必须依据实际表达数据和合适的标志基因确定，不能仅根据细胞所在的位置直接推断。

第二，有机会识别由相同细胞类型构成、但功能不同的 niche。

例如，两个组织区域都包含巨噬细胞、T 细胞和内皮细胞，但一个区域可能富集炎症相关表达程序，另一个区域则更偏向组织修复。仅比较细胞类型比例，可能难以揭示这种差异。

第三，有利于探索未预先设定的分子特征。

与仅检测预选基因的方案相比，全转录组设计有利于探索面板外的候选标志基因和表达程序。但实际发现能力仍受检测灵敏度、细胞分割、组织质量和数据分析方法影响。

2.3 建议的 niche 分析流程

步骤 1：建立细胞图谱

完成细胞分割、质控、标准化、聚类和细胞类型注释，保留每个细胞的空间坐标及表达矩阵。

步骤 2：定义候选生态位

根据细胞组成、局部空间结构和表达状态，识别候选区域或局部细胞群。可以考虑空间图聚类、局部细胞组成统计或 niche 专用算法。

步骤 3：解释生态位功能

对不同 niche 进行差异表达和通路富集，分析炎症、免疫活化、细胞黏附、吞噬、血管相关过程等是否存在差异。

步骤 4：跨样本验证

检查候选 niche 是否在独立样本中重复出现，评估其组成和功能特征是否稳定，并排除由组织结构、样本质量或细胞密度造成的假象。

三、细胞邻域分析：识别谁与谁共同构成局部微环境

3.1 细胞邻域与 niche 有什么不同？

两者关系密切，但不是同一个概念。

• 细胞邻域（cellular neighborhood） 更强调一个细胞周围的邻居是谁，以及邻居的组合如何变化。

• 细胞 niche 更强调一个局部微环境整体的细胞组成、表达状态和潜在功能。

例如，以某个巨噬细胞为中心，在其周围一定距离内统计邻居，发现该区域主要包含中性粒细胞、T 细胞和内皮细胞。这可以定义为一种候选邻域类型。

如果进一步发现这类邻域在多个样本中重复出现，并且富集特定炎症表达程序，就可以进一步讨论其是否构成一种炎症相关 niche。

3.2 Atera 可能带来的提升

1. 更丰富的细胞状态特征。 除了邻居的细胞类型，还可以利用每个细胞的基因表达特征，比较同一种邻域内的细胞是否具有不同的功能状态。

2. 更细致地分析稀有细胞参与的邻域。 如果某种稀有细胞被可靠地检测和分割，便有机会分析它是否集中出现在某类局部细胞组合中。这里的关键是稀有细胞的检测可靠性，而不是单纯的全转录组覆盖。

3. 将邻域组成与邻域功能联系起来。 例如，可以同时研究一个邻域中的髓系细胞比例，以及这些细胞的炎症相关表达程序，从而区分“细胞数量变化”和“细胞状态变化”。

3.3 推荐的分析方法

实际分析时，应当对邻域半径、k 值、细胞分割参数进行敏感性分析。不同尺度可能回答不同问题：较小的邻域强调直接接触附近的细胞，较大的邻域则可能反映更广泛的组织微环境。

尤其需要注意：空间相邻不等于直接接触，更不等于发生了功能性信号传递。 若研究细胞互作，应结合配体—受体表达、空间距离、表达程序和其他独立证据。

四、空间亚群分析：同一种细胞能否进一步分出不同的空间状态？

4.1 传统细胞亚群分析的局限

在常规单细胞 RNA 测序中，细胞通常根据表达矩阵进行降维和聚类。这样可以发现不同细胞亚群，但细胞的原始组织坐标通常无法保留。

空间转录组则允许继续追问：

• 同一种细胞的不同亚群是否位于不同组织区域？

• 某个亚群是否更集中于血管附近或炎症区域？

• 同一种细胞在不同空间位置是否具有不同的基因表达程序？

• 某个亚群是否只出现在特定的细胞邻域中？

这就是空间亚群分析的价值。

4.2 Atera 在这方面的潜在提升

Atera 的全转录组检测设计有望减少对预设基因集合的依赖，可以在同一种细胞内部，利用更多基因特征识别潜在的功能状态。

例如，将单核/巨噬细胞作为一个大类，可以进一步分析：

• 炎症相关亚群；

• 吞噬和溶酶体功能相关亚群；

• 抗原呈递相关亚群；

• 组织修复或免疫调节相关亚群。

随后将亚群映射回组织坐标，比较它们是否存在不同的空间分布，并进一步分析这些亚群周围的细胞组合。

但必须避免将空间位置直接当作亚群定义依据。可靠的空间亚群通常需要同时满足表达特征可区分、空间分布具有可解释性，以及结果在样本之间具有一定可重复性。

4.3 推荐的空间亚群分析路线

第一步：确定主要细胞类型

例如先提取全部髓系细胞，再单独分析单核/巨噬细胞。

第二步：在细胞类型内部聚类

结合差异基因、经典标志基因和通路特征确定候选状态。

第三步：将亚群映射回组织

绘制组织空间图，比较各亚群的空间分布和富集区域。

第四步：结合邻域和生态位分析

分析亚群周围有哪些细胞、局部表达程序是否不同，以及候选互作是否具有空间支持。

五、Atera、Visium HD 与 Xenium 5K：应该怎样理解差异？

三种平台的差别，不能简单概括成一个绝对的“谁更好”，而应结合研究目标和具体数据质量判断。

Atera 的潜在优势在于把较广的基因覆盖与细胞级空间分析结合起来，尤其适合提出新的细胞状态和局部微环境假设。不过，是否能比另外两种平台识别出更多可信的空间亚群，需要在匹配组织、相近质量控制标准下直接验证。

总结

Atera 对细胞 niche、邻域和空间亚群分析的主要潜在提升，可以归纳为三点：

1. 更广的分子特征： 有利于从细胞类型进一步探索细胞功能状态和未知表达程序。

2. 细胞与空间信息结合： 有机会把细胞状态、空间邻居和组织局部环境联系起来。

3. 更完整的分析链条： 从细胞注释延伸到邻域组成、空间亚群、生态位差异和候选互作机制。

但这些提升不是由基因数量单独决定的。真正决定研究质量的，仍然是转录本检测质量、细胞分割准确性、样本重复性、空间分析尺度以及统计验证。

生活很好，有你更好。