作者，Evil Genius

生化小课，CADD计算机辅助药物设计已经开启，对分子对接/分子动力学感兴趣的同学可以报名参加，我自己做了个合集，在分子动力学，感兴趣可以关注一下。

在我们的2026年空间转录组系列课程中专门有一节课讲解了依据空间微环境区分细胞亚型，这一篇我们来总结一下其核心的生物学意义。

可以把这个问题概括成一句话：

Xenium、CosMx 等单细胞/单分子空间转录组技术中，依据空间微环境（spatial microenvironment / niche）划分细胞亚群，核心不是“细胞在哪里”，而是识别“细胞所处的邻域如何塑造其状态和功能”。

1. 传统亚群划分：主要回答“它是谁”

传统 scRNA-seq 的聚类基本逻辑是：

单细胞
 ↓
基因表达矩阵
 ↓
聚类
 ↓
Cluster
 ↓
细胞类型/亚群

例如肿瘤中发现：

T cell
 ├── CD8+ T
 ├── Treg
 ├── exhausted T
 └── memory T

Macrophage
 ├── C1QC+ macrophage
 ├── SPP1+ macrophage
 └── inflammatory macrophage

这种方法主要依据：

“这个细胞表达什么基因？”

因此它回答的是：

Cell identity / cell state

2. 空间微环境划分：进一步回答“它为什么会成为这样”

Xenium、CosMx 等技术最大的优势之一，是能够获得：

细胞类型
+
细胞位置
+
细胞间距离
+
邻近细胞组成
+
局部基因表达

于是可以进一步问：

两个表达谱很相似的细胞，如果处在完全不同的空间环境中，它们的功能是否也不同？

例如：

             肿瘤核心

       Tumor ─ Tumor ─ Tumor
          │
       Macrophage
          │
       CD8 T cell

             肿瘤边缘

       Tumor ─ Fibroblast
          │
       CD8 T ─ DC
          │
       Endothelial

即使两个 CD8 T cell：

CD8 T cell A
CD8 T cell B

传统转录组聚类可能认为：

A ≈ B

但空间分析可能发现：

A → 位于肿瘤核心
   → 周围是巨噬细胞
   → PD-L1高
   → exhausted

B → 位于肿瘤边缘
   → 周围是DC
   → TCF7高
   → proliferative / activated

因此：

相同“身份”的细胞，在不同空间生态位中可能具有不同功能。

这就是空间微环境定义亚群最核心的生物学意义。

3. 真正核心的概念：从“Cell type”走向“Cell state + Cell context”

可以把整个发展过程理解为：

传统单细胞

Cell identity
     ↓
“它是谁？”

↓

空间单细胞

Cell identity
      +
Cell state
      +
Spatial context
      ↓
“它是谁？”
“它处于什么状态？”
“它为什么处于这种状态？”

因此空间微环境分析真正增加的是：

Context（上下文）

4. 为什么空间微环境能够定义新的亚群？

因为一个细胞的功能并不是完全由自身基因表达决定的。

可以简化成：

也就是说：细胞状态=细胞自身程序+空间微环境影响

微环境包括：

邻近肿瘤细胞
成纤维细胞
巨噬细胞
T细胞
B细胞
DC
endothelial cells
ECM
cytokines
chemokines
hypoxia
metabolites

所以空间微环境实际上是一个：

局部生物学生态系统。

5. 最重要的应用之一：发现“空间定义的亚群”

这是 Xenium / CosMx 等技术非常有价值的地方。

例如传统分析得到：

Fibroblast

但进一步加入空间信息：

Fibroblast
│
├── Tumor-associated fibroblast
│       ↓
│   紧邻肿瘤细胞
│
├── Immune-associated fibroblast
│       ↓
│   紧邻T细胞/巨噬细胞
│
└── Vessel-associated fibroblast
        ↓
    紧邻 endothelial

这些细胞可能在转录组上存在一定相似性。

但是：

它们处在不同的空间生态位，因此可能承担不同的生物学功能。

这就是：

Spatially defined cell states

6. 肿瘤研究中尤其重要

例如一个肿瘤组织：

可以存在：

Zone 1：Tumor core

Tumor
Tumor
Tumor
Macrophage
Hypoxic cells

形成：

immune-suppressive niche

Zone 2：Invasive margin

Tumor ─ Fibroblast ─ T cell
          │
         ECM

形成：

invasive niche

Zone 3：Immune-rich niche

CD8 T
DC
B cell
T cell
      ↓
Tumor

形成：

immune-active niche

Zone 4：Vascular niche

Endothelial
     │
Pericyte
     │
Fibroblast
     │
Tumor

形成：

vascular-associated niche

所以同一个肿瘤里面：

细胞类型没有发生改变，但细胞所处的空间生态位不同，可能产生完全不同的功能状态。

7. 一个特别重要的概念：Cellular Neighborhood

Xenium / CosMx 分析中经常会看到：

Cellular Neighborhood（细胞邻域）

它的核心逻辑是：

一个细胞
   ↓
寻找一定半径内的邻居
   ↓
统计邻居细胞类型
   ↓
形成局部细胞组成
   ↓
Neighborhood

例如规定：r = 50 um

某个 CD8 T cell 周围：

40% Tumor
25% Fibroblast
20% Macrophage
10% DC
5% T cell

那么这个细胞就具有一个特定的：

spatial neighborhood

进一步聚类：

Neighborhood 1
Tumor + Fibroblast

Neighborhood 2
Tumor + Macrophage

Neighborhood 3
T cell + DC + B cell

Neighborhood 4
Endothelial + Pericyte

这时候你划分的已经不只是：

“CD8 T cell”

而是：

“位于某种特定细胞生态位中的 CD8 T cell”。

8. 更进一步：空间微环境实际上可以解释“功能”

这是最有生物学价值的一步。

例如：

CD8 T cell

本身只能告诉你：

这是 CD8 T。

但是：

CD8 T
+
Tumor cells
+
SPP1+ macrophage
+
CAF
+
PD-L1

就可以提出：

该 CD8 T cell 处于免疫抑制性肿瘤生态位。

进一步分析：

CD8 T
 ↓
Exhaustion ↑
 ↓
Cytotoxicity ↓
 ↓
IFNG ↓

于是：

空间位置 → 邻居组成 → 信号交流 → 细胞状态 → 肿瘤表型

这条因果链就建立起来了。

9. 最重要的生物学意义：研究“细胞之间的相互作用”

空间分析的价值并不仅仅是画图。

真正重要的是：

例如：

CAF
 │
 │ TGFβ
 ↓
CD8 T
 │
 ↓
Exhaustion

或者：

Tumor cell
     │
     │ CXCL
     ↓
Macrophage
     │
     │ immunosuppressive signals
     ↓
CD8 T
     ↓
T-cell dysfunction

因此空间微环境可以帮助我们从：

“谁和谁表达什么”

进一步走向：

“谁可能影响谁”。

当然，这种空间关联本身通常不能单独证明因果关系，需要结合扰动实验、功能实验等验证。

10. 对肿瘤耐药研究尤其有意义

这个方向非常值得关注。

例如：

                    Tumor
              ┌──────┴──────┐
              ↓             ↓
            CAF          Macrophage
              ↓             ↓
          ECM barrier   Immunosuppression
              └──────┬──────┘
                     ↓
                   CD8 T
                     ↓
               Immune exclusion
                     ↓
                  Therapy
                     ↓
                  Resistance

这时候你发现：

耐药并不一定来自某一个“耐药细胞”。

而可能来自：

一个耐药空间生态位（resistant niche）。

这就是空间微环境分析相比普通 scRNA-seq 非常有价值的地方。

11. 从“亚群”进一步升级到“生态位”

可以把概念分成三个层次：

层次	核心问题	典型分析
Cell type	它是谁？	Clustering
Cell state	它处于什么状态？	DEG / pathway
Spatial niche	它为什么处于这种状态？	Neighborhood / niche

最终形成：

                 Tissue
                   ↓
             Spatial organization
                   ↓
          ┌────────┴────────┐
          ↓                 ↓
      Cell identity     Cell neighborhood
          ↓                 ↓
       Cell state       Spatial niche
          └────────┬────────┘
                   ↓
             Cell interaction
                   ↓
             Biological function
                   ↓
          Disease phenotype
                   ↓
      prognosis / therapy response

12. Xenium、CosMx为什么特别适合做这个事情？

因为它们可以达到单细胞甚至单分子空间定位层面的信息。

相比传统 Visium：

Visium
55 μm spot
   ↓
一个spot可能包含多个细胞

而 Xenium / CosMx：

RNA molecule
      ↓
空间坐标
      ↓
cell segmentation
      ↓
cell-level expression
      ↓
cell-cell distance
      ↓
cell neighborhood
      ↓
niche

所以它们特别适合回答：

“这个细胞旁边究竟是谁？”

而这恰恰是空间微环境研究的核心。

基于空间微环境进行细胞亚群划分的核心生物学意义，是突破传统单细胞分析仅依据细胞内在转录特征定义亚群的局限，将细胞所处的空间位置、邻近细胞组成及细胞间相互作用纳入细胞状态定义，从而识别具有不同功能和疾病意义的空间细胞生态位。

进一步可以概括为：

Identity → State → Context → Interaction → Function

即：

细胞是谁 → 细胞是什么状态 → 细胞处于什么微环境 → 与谁发生相互作用 → 最终产生什么生物学功能。

这其实就是 Xenium / CosMx 空间单细胞分析从“空间定位”走向“空间机制解析”的核心逻辑。

内容扩展（xenium、Atera）--依据空间微环境区分细胞亚群的核心生物学意义