Cancer Cell 文献案例：高水平空间组学研究为什么重视多层证据？

高水平空间组学文章越来越重视“多层证据”的组织方式。这里的多层证据并不是简单把单细胞测序、空间转录组和空间蛋白组堆在一起，而是让每一层技术回答不同问题：单细胞或转录组数据帮助研究者理解细胞类型和分子状态，空间转录组帮助定位基因表达和组织区域，PCF这类组织原位空间蛋白组学方法则进一步观察蛋白表达、细胞状态和细胞邻域。这样的研究框架更适合处理肿瘤组织这类高度复杂的微环境问题。

这篇Cancer Cell小细胞肺癌研究的设计就体现了这种思路。研究者基于 165 例患者样本，使用PCF(CODEX)35-plex 获得单细胞分辨率的空间蛋白图像，同时整合 WES、RNA-seq、CosMx 和 IHC 等数据。PCF(CODEX)负责在组织原位识别肿瘤细胞、免疫细胞、内皮细胞、间质相关细胞以及多个功能状态标志物；基因组和转录组数据用于辅助理解分子背景；CosMx 和 IHC 则用于进一步观察部分发现。这样的组合使研究从“组织里有什么细胞”扩展到“这些细胞如何分布、如何形成邻域、与哪些研究终点相关”。

从单细胞层面看，研究者观察到小细胞肺癌组织中存在明显的肿瘤细胞异质性，包括 ASCL1、NEUROD1、POU2F3、YAP1 等分型相关标志物的差异，以及多阳性肿瘤细胞群体。传统 bulk RNA-seq 可以提示分子亚型差异，但难以说明这些细胞在组织内部如何排列，也难以区分不同区域中细胞状态的细节。PCF类方法的作用，正是把这些分型和状态相关蛋白放回组织切片中，观察它们是否形成局部富集、是否靠近免疫细胞或间质区域。

从空间结构层面看，文献进一步使用细胞邻域和 ColonyMap 分析，观察局部微环境的空间组织方式。研究者不是只统计 CD8 T 细胞或巨噬细胞数量，而是关注它们是否组成特定的免疫生态位，以及这些生态位是否呈现局部聚集。这个思路对PCF文章写作很有启发：空间蛋白组的核心价值不只是“多测几个蛋白”，而是把蛋白表达、细胞身份、空间坐标和邻近关系放在同一个分析框架中，从而让组织微环境研究更接近真实组织结构。

因此，所谓“单细胞测序 + 空间转录组 + PCF”的高水平范式，本质上是从细胞发现、空间定位到蛋白状态观察的层层推进。单细胞测序提供细胞类型和转录线索，空间转录组提供表达地图，PCF 提供组织原位蛋白层观察和细胞邻域分析。需要注意的是，这并不意味着做齐多种技术就一定能产出高水平文章；真正重要的是科学问题是否需要这些层次，以及每一层数据是否能够服务于同一个研究逻辑。

【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观察与复核，不构成任何医疗意见。