单细胞测序已经能看清每个细胞，为什么我们还需要空间转录组？

一项最新研究，把问题推进到“它为什么在这里变成这种细胞”

2026 年 7 月，Nature Genetics 发表了关于人类肾脏发育的研究 Single-cell spatial mapping of human kidney development implicates the microenvironment in guiding cell fate decisions。研究团队结合单细胞 RNA 测序和空间转录组，分析了超过 70 万个细胞，不仅构建发育中人肾脏的细胞图谱，还把细胞分化轨迹重新放回组织空间中观察。

研究提示，细胞命运并不一定在早期分化后完全固定：部分已经表现出近端小管转录特征的细胞，仍可能向肾小囊壁层上皮细胞方向转变。研究者继而利用空间信息追问：这种命运变化发生在哪里，周围又存在什么信号？空间感知的细胞—细胞互作分析还把局部配体信号与细胞命运联系起来，并提示 IGF2 等局部信号可能参与肾单位祖细胞命运调控。

一、为什么需要单细胞测序？

假设我们取下一块肿瘤组织做 bulk RNA-seq，发现 Gene A 上调、Gene B 下调。问题是：这些变化到底是谁造成的？肿瘤组织中可能同时存在肿瘤细胞、T 细胞、B 细胞、巨噬细胞、成纤维细胞和内皮细胞。传统 bulk RNA-seq 把它们打碎、混合，看到的是整块组织的总体平均值。

这会掩盖一个关键区别：一个基因整体表达升高，究竟是某类细胞内部真的上调，还是高表达该基因的细胞比例增加？单细胞 RNA 测序真正解决的第一个问题不是简单的“分辨率更高”，而是：这个转录信号究竟属于谁？

二、单细胞 RNA 测序到底是怎么做的？

核心思想是：不要把所有细胞的 RNA 混在一起测，而是给每一个细胞的 RNA 加上自己的“身份证”。以常见液滴式 scRNA-seq 为例，组织先被解离为单细胞悬液，再通过微流控让单个细胞进入液滴，并与带寡核苷酸标签的微珠共同封装。

带标签的 cDNA 可以混合建库和测序，计算机再按标签把结果拆回每一个细胞，最终形成 Gene × Cell expression matrix：每一行是基因，每一列是细胞。随后才进入 PCA、邻居图、聚类、UMAP、marker gene 和细胞注释等分析。

三、单细胞测序真正改变了什么？

它让研究者系统看到同一组织中有哪些细胞、同类细胞内部是否存在亚群和不同状态、稀有细胞群是否存在、细胞如何沿分化轨迹变化，以及疾病、治疗和微环境如何改变细胞状态。

scRNA-seq 因而广泛应用于肿瘤异质性、免疫微环境、胚胎与器官发育、干细胞分化、神经系统、感染炎症、稀有细胞群和药物机制研究，并催生 pseudotime、trajectory、RNA velocity、cell–cell communication 与转录调控网络等分析维度。

四、单细胞测序最大的代价：位置丢了

为了获得单细胞，通常要先进行组织解离。原本紧贴肿瘤细胞的巨噬细胞、位于肿瘤边缘的 T 细胞、围绕血管的成纤维细胞和缺氧核心中的肿瘤细胞，被消化成悬液后，细胞与 RNA 还在，身份也能重建，但它原来住在哪里通常已经不知道了。

生物学还需要追问：它在哪里、旁边是谁、是否位于侵袭前沿或血管周围、是否处在缺氧区或炎症区，以及它的状态是否由局部信号塑造。这正是空间转录组出现的原因。

五、空间转录组：给基因表达重新加上“坐标”

空间转录组的核心是：测 RNA 的同时，不把它原来的位置丢掉。在经典测序型空间转录组中，载玻片表面布置带不同空间坐标的 barcode。组织切片释放的 RNA 被对应位置的 barcode 捕获，测序后便能同时重建 RNA 身份与来源位置。

结果不再只是表达矩阵，而是一张“基因表达地图”。研究者可以观察基因主要在哪个区域表达、细胞集中在肿瘤中心还是侵袭前沿、免疫细胞是否围绕血管排列，以及特定细胞状态是否占据特定空间生态位。

六、空间转录组并不是一种单一技术

评价平台不能只问“是不是单细胞分辨率”，还要同时看空间分辨率、全转录组或 targeted panel、每个位置的 transcript 数、灵敏度、形态保留、通量、成本与分析复杂度。技术发展本质上是在平衡 resolution、coverage、sensitivity、throughput 和 cost。

七、两种技术最核心的区别

它们不是旧技术与新技术的关系，而是保留了不同的信息维度。

八、为什么空间信息如此重要？

肿瘤不是均匀的癌细胞团。癌细胞、免疫细胞、成纤维细胞、血管、坏死区、缺氧区和细胞外基质共同形成空间生态位。真正决定肿瘤行为的，常不是某类细胞是否存在，而是它们以什么方式相邻。

为什么有些 CD8⁺ T 细胞能进入肿瘤内部，另一些被挡在外面？免疫抑制性巨噬细胞集中在哪里？哪些成纤维细胞形成屏障？耐药克隆是否集中在特殊区域？这些问题单靠解离后的 scRNA-seq 很难直接回答，而空间转录组可把分子表型、细胞类型与病理形态放在同一张组织地图上。

九、真正强大的不是二选一，而是“单细胞 + 空间”

越来越多研究采用 scRNA-seq + spatial transcriptomics：前者建立“角色表”，后者恢复“座位表”。联合后便能继续追问谁和谁在一起、哪些细胞形成稳定 neighborhood、哪些配体—受体信号真正具备空间发生条件、特定状态是否只存在于特定位置，以及局部微环境是否推动命运改变。

这也是肾脏发育研究的关键：研究者没有停留在“某类细胞可能向另一种命运转变”，而是把分化轨迹放回空间，进一步分析周围局部配体信号。

十、未来还需要普通单细胞测序吗？

当然需要。若目标是大规模发现细胞类型、精细解析状态、构建参考图谱或研究分化轨迹，scRNA-seq 仍有重要价值。若问题涉及组织结构、侵袭前沿、免疫排斥、血管周生态位、发育定位、病理区域差异或具有空间意义的细胞通讯，空间信息往往不可替代。

结语：从“细胞清单”到“生命地图”

Bulk RNA-seq 给出组织的平均分子画像，单细胞测序把画像拆开，让我们看到组成组织的细胞有什么不同；空间转录组又把它们放回原来的位置。单细胞测序让我们看见了细胞，空间转录组开始让我们看见细胞组成的社会。