Nature Cell Biology：让新工具来帮你选择空间分析中的感兴趣区域（ROI）

空间组学技术能够在保留空间背景的前提下绘制高分辨率的分子图谱，为解析组织功能与疾病机制带来了突破性进展。然而，现有的商业化平台普遍存在成本高昂、组织捕获面积有限的问题，如Visium HD平台的捕获面积仅为6.5mm×6.5mm。

为了避免浪费宝贵资源，研究人员必须从组织切片中选择感兴趣区域（ROI）。目前的选择过程主要依赖病理学家的经验，需要肉眼观察H&E染色的组织学图像。这种方式主观性强、可重复性差，严重影响了实验结果的可靠性。

在此背景下，宾夕法尼亚大学等机构的研究人员开发出智能空间组学技术（S2-omics），仅利用H&E组织学图像即可实现系统化且可重复的ROI选择，填补了这一领域内的空白。

这项研究成果于11月26日发表在《Nature Cell Biology》杂志上。

S2-omics以H&E染色图像为基础，构建了包含组织学图像特征提取、ROI选择和全切片分子信息恢复的完整工作流程。

这项技术利用预训练的病理图像模型来提取组织整体与局部特征，通过无监督聚类划分功能各异的组织区域，再借助ROI评分指标筛选出分子信息含量最大化的区域。

研究人员在多种组织类型和主流空间组学平台上对其进行了全面验证。在胃癌样本的Xenium实验中，S2-omics选取的4mm×4mm ROI涵盖了11个聚类中的7个，细胞类型和细胞群落预测准确率分别达到73.8%和72.8%，这证实了自动选择ROI的生物学相关性和代表性。

此外，S2-omics成功捕获了73.4%的肿瘤细胞和36个三级淋巴结构中的28个，表明其选择的ROI能够有效识别代表性的组织结构。

在结直肠癌样本的Visium HD实验中，S2-omics所选的ROI与专家选择的区域重叠率高达89.3%，且包含更多有效超像素，对侵袭性癌症区域的捕获比例更高。

针对CosMx平台的肾脏组织实验，该技术设计的视野选择模式有效平衡了组织覆盖范围与数据质量，精准捕获了来自健康样本和2型糖尿病样本的肾脏组织切片中的肾小球结构，细胞类型预测的准确率达0.731。

此外，S2-omics还支持整合先验知识，根据研究需求优先或排除特定组织区域，在乳腺癌样本中自动确定2个ROI为最优选择，其细胞类型预测准确率较单个ROI提升了10%以上。即使在组织质量不均、切片存在染色伪影等复杂场景下，该技术依然能稳定筛选出具有生物学意义的ROI。

S2-omics工具的出现不仅解决了传统ROI选择主观性强、效率低下的痛点，还通过全切片分子信息恢复功能，为研究人员提供了组织整体的分子分布视角，有效降低了实验成本并提升了数据价值。

这项新技术兼容多种主流空间组学平台，适用于乳腺、结肠、肾脏等多种组织类型，展现出极强的通用性和实用性。

尽管目前S2-omics仍存在无法处理DAPI图像、需通过下采样提升计算效率等局限，但它无疑为空间组学实验设计提供了强大的工具支撑。随着后续技术的优化完善，S2-omics有望在临床研究和疾病诊断领域发挥更大作用。