大脑作为人体最复杂的器官，其发育过程和疾病机制一直是生命科学领域的重大挑战。特别是在神经发育障碍和神经炎症性疾病中，细胞类型多样性、空间组织复杂性以及多组学层面的动态变化，使得传统单组学研究难以全面揭示其内在规律。神经发育涉及精确的时空调控，包括髓鞘形成（myelination）和轴突发生（axonogenesis）等关键过程，而多发性硬化等脱髓鞘疾病则与神经炎症反应密切相关。然而，这些过程如何在不同分子层面（染色质、RNA、蛋白质）协调进行，以及它们在空间维度如何组织，仍然是未解之谜。
为了解决这些挑战，Zhang等研究人员在《Nature》上发表了一项开创性研究，随后在《Signal Transduction and Targeted Therapy》上进行了深入解读。该研究通过开发创新的空间三组学技术，首次实现了在相同组织切片上同时捕获基因组染色质状态、全转录组RNA和蛋白质组的空间信息，为理解大脑发育和神经炎症的分子机制提供了全新视角。
关键技术方法包括：基于DBiT（deterministic barcoding in tissue）的空间ARP-seq（ATAC-RNA-protein）和空间CTRP-seq（H3K27me3 CUT&Tag-RNA-protein）平台，能够在近单细胞分辨率下对小鼠出生后发育大脑和lysolecithin诱导的脱髓鞘模型（5、10、21天post-lesion）进行三组学分析；使用SpatialGlue进行多组学数据整合、NB-GAM（negative binomial generalized additive model）进行时空模式分析，以及CellChat和NICHES进行细胞间通讯推断。
野生型大脑中的发育程序
通过对野生型小鼠大脑的分析，研究人员发现了皮层发育中的重要规律：层特异性转录因子（layer-defining transcription factors）的染色质可及性（chromatin accessibility）在时间上持续存在，并在各层之间扩散，即使其RNA表达已经下降。这种现象被描述为"表观遗传追踪"（epigenetic trailing），表明发育状态在表观遗传层面留下了持久印记。在胼胝体（corpus callosum）区域，髓鞘基因在完全转录和蛋白质水平髓鞘化之前就出现了表观遗传"预编程"（epigenetically primed），这种模式跨胼胝体亚区组织，并与层特异性投射神经元束协调一致。
脱髓鞘损伤中的多组学动态
在lysolecithin诱导的局灶性白质脱髓鞘小鼠模型中，空间三组学平台揭示了少突胶质细胞（oligodendrocyte）和髓鞘基因在脱髓鞘和再髓鞘化过程中染色质可及性、H3K27me3相关沉默、RNA表达和蛋白质丰度的协调变化。研究发现，远端白质束中出现延迟的小胶质细胞（microglial）激活和神经炎症反应。在原发性病变样区域和远端区域，小胶质细胞占据不同的多模态状态，其基因模块与已知的疾病和损伤相关程序重叠，而整体神经炎症反应遵循相似的空间和时间轨迹。
方法学创新与整合策略
与大多数空间多组学研究不同，该研究将整合扩展到近细胞分辨率的三组学，从同一切片联合映射染色质状态、RNA和蛋白质。然而，研究中的整合方法主要依赖于模式特异性聚类和RNA与ATAC的成对整合（通过SpatialGlue和相关工具），通过NB-GAM进行RNA和染色质可及性的联合时空模式分析，以及仅从空间RNA推断细胞间通讯。这反映了当前空间多组学分析的主流范式，即通过将选定模态对齐到共享的潜在或空间空间并关联它们的空间或时间模式进行整合。
为了超越纯粹相关的多组学整合策略，研究人员提出了基于知识的网络整合方法：将基因、蛋白质和代谢物映射到经过整理的生化通路和网络（如KEGG数据库、Reactome通路数据库和相关资源），并沿着已知的生化和信号相互作用链接模态。通过这种策略，组学数据可以映射到生化图谱上，以识别例如疾病条件下的代谢途径。这些基于通路和网络的表示允许将空间三组学读数嵌入机械分子回路中，而不仅仅是抽象潜在空间。
未来展望与应用潜力
由于现有通路数据库不完整且需要时间整合新发现，大型语言模型（LLMs）可用于挖掘近期文献中组学特征之间的额外推定链接，然后将其与整理网络协调，并视为假设生成而非确定性结论。系统应用于不同组织和疾病背景，空间组学和基于知识的网络整合可以优先考虑新靶点，并突出可能与现有药物靶点重叠的收敛功能模块，从而为药物重定位生成可检验的假设。
目前，尚不存在统一的、以疾病为中心的框架，能够联合执行多组学疾病预测、利用空间结构、构建机械网络并生成可检验的生物学假设。为了理解复杂的炎症疾病，Zhang等人提出的创新空间三组学框架以及讨论的新兴整合策略为多组学疾病建模、生物标志物发现和靶点优先排序奠定了坚实基础。
展望未来，空间多组学整合图谱可以提供时间和空间分辨的读数，以机械表征炎症性（脑）疾病的发作和进展，例如在肌萎缩侧索硬化症（ALS）脑或脊髓组织切片中观察到的神经炎症生态位和胶质神经元相互作用。值得注意的是，通过空间多组学生物标志物调节的疾病机制可能反映在代谢变化中，代谢物在血液中被检测到，这是临床揭示炎症疾病（如ALS）的可行生物流体。互补地，结合整理通路与文献挖掘关系并与疾病预测模型相关联的机械网络提供了一条途径，以提出、优先考虑并可能测试基于多组学网络的靶点和重定位机会。
该研究的重要意义在于建立了空间三组学技术在神经发育和疾病研究中的标杆方法，揭示了多组学层面时空动态的基本规律，为理解复杂生物过程提供了全新视角。通过将高分辨率空间信息与多组学数据整合，该研究不仅增进了对大脑发育和神经炎症机制的理解，还为个性化医疗策略提供了理性基础，包括优先考虑早期与晚期干预靶点、识别与疾病发作和进展相关的生物标志物，以及提供组合治疗策略。这一框架有望推动炎症疾病研究从描述性分析向机制理解和临床应用的转变。
打赏
