細(xì)胞的功能不僅取決于其自身的基因表達(dá)，更取決于其在三維（3D）空間中的位置以及與周圍微環(huán)境的3D互作，理解組織結(jié)構(gòu)的3D復(fù)雜性是解析生物功能的關(guān)鍵。然而，當(dāng)前主流的空間轉(zhuǎn)錄組學(xué)（Spatial Transcriptomics,ST）技術(shù)大多局限于二維（2D）平面，這種觀測維度的局限導(dǎo)致我們難以還原器官內(nèi)部基因表達(dá)的連續(xù)梯度、細(xì)胞細(xì)胞微環(huán)境的立體分布以及精細(xì)的細(xì)胞互作網(wǎng)絡(luò)。盡管研究者們試圖在Z軸上堆疊多張2D切片以近似三維結(jié)構(gòu)，但受限于高昂的實驗成本與有限的實驗通量，不得不對Z軸方向的采樣密度做出妥協(xié)。這種折衷方案導(dǎo)致切片之間往往存在不可忽視的物理間距（例如100微米，相當(dāng)于缺失了約5-10層細(xì)胞的信息），使得最終獲取的數(shù)據(jù)在Z軸上呈現(xiàn)為高度稀疏的采樣狀態(tài)。這種采樣方式將原本連續(xù)的生物組織割裂為離散的稀疏的斷層面，使得現(xiàn)有的三維圖譜往往缺乏連續(xù)性與完整性。

2025年12月31日，復(fù)旦大學(xué)馮建峰/原致遠(yuǎn)團(tuán)隊聯(lián)合中國科學(xué)院計算技術(shù)研究所趙屹團(tuán)隊，發(fā)展了一種全新的計算框架SpatialZ。相關(guān)成果以Bridging the Dimensional Gap from Planar Spatial Transcriptomics to 3D Cell Atlases為題發(fā)表于Nature Methods期刊。該框架基于細(xì)胞微環(huán)境連續(xù)性假設(shè)，融合最優(yōu)傳輸理論，在稀疏的真實切片間生成虛擬切片（Virtual Slices），實現(xiàn)了從離散2D切片到密集3D圖譜的重構(gòu)。同時，基于該突破性框架，研究團(tuán)隊收集公開數(shù)據(jù)集，利用稀疏采樣的實驗數(shù)據(jù)，成功構(gòu)建了包含超3800萬個細(xì)胞基因表達(dá)和三維坐標(biāo)的數(shù)字鼠腦。這是首個具有單細(xì)胞分辨率的空間三維大腦參考系（3D Reference Atlas），為生命科學(xué)領(lǐng)域提供了一個標(biāo)準(zhǔn)化的組學(xué)數(shù)字器官模型，為解析大腦的復(fù)雜空間組織提供了統(tǒng)一的參考系統(tǒng)。

受到單細(xì)胞測序分析中“偽時間（Pseudo-time）”概念的啟發(fā)，研究人員提出，正如細(xì)胞在分化發(fā)育過程中呈現(xiàn)連續(xù)的基因表達(dá)軌跡，生物組織在3D空間上也應(yīng)當(dāng)遵循細(xì)胞微環(huán)境連續(xù)性（Niche Continuity）原則。SpatialZ構(gòu)建了一套基于最優(yōu)傳輸理論（Optimal Transport Theory）與相似度圖網(wǎng)絡(luò)的計算框架，通過四步級聯(lián)算法實現(xiàn)了高保真的三維重構(gòu)：（1）空間對齊：利用空間配準(zhǔn)算法或者映射到公共坐標(biāo)框架（如CCFv3），將稀疏的2D真實切片對齊；（2）位置生成：通過引入切片近似與蒙特卡洛采樣，并使用切片Wasserstein重心優(yōu)化（Sliced Wasserstein Barycenter Optimization）來尋找相鄰切片間細(xì)胞群體映射的最優(yōu)路徑，從而在Z軸間隙中精準(zhǔn)預(yù)測出符合生物學(xué)規(guī)律的細(xì)胞物理坐標(biāo)分布；（3）細(xì)胞狀態(tài)推斷：SpatialZ采用了一種基于空間梯度的加權(quán)采樣策略。該策略綜合考慮了上下相鄰切片的細(xì)胞類型分布密度，通過概率推斷為虛擬細(xì)胞分配最可能的細(xì)胞身份，確保了細(xì)胞類型在三維空間中的平滑過渡與異質(zhì)性保留；（4）表達(dá)譜推斷：基因表達(dá)不僅取決于細(xì)胞類型，更受其微環(huán)境（Niche）的深刻影響。SpatialZ利用課題組前期開發(fā)的多尺度細(xì)胞上下文解碼器（Multi-range cEll context DEciphereR, MENDER）[https://www.nature.com/articles/s41467-023-44367-9]，對細(xì)胞的局部細(xì)胞微環(huán)境進(jìn)行多尺度建模。通過計算細(xì)胞微環(huán)境相似性，從真實數(shù)據(jù)中精準(zhǔn)檢索并加權(quán)合成細(xì)胞的基因表達(dá)譜，確保生成的細(xì)胞不僅在位置上準(zhǔn)確，更在功能和微環(huán)境特征上高度還原真實的生物學(xué)狀態(tài)。

為全面評估模型的可靠性，研究團(tuán)隊利用具有原生三維信息的小鼠視覺皮層STARmap數(shù)據(jù)建立了嚴(yán)格的基準(zhǔn)測試。結(jié)果顯示，SpatialZ不僅精準(zhǔn)還原了稀疏采樣中缺失的中間層信息，其生成的虛擬切片在基因表達(dá)與空間分布模式上均與真實切片（Ground Truth）高度一致。

與未插值的稀疏采樣數(shù)據(jù)相比，經(jīng) SpatialZ 空間插值后的完整數(shù)據(jù)集與真實三維數(shù)據(jù)表現(xiàn)出更高的相關(guān)性與統(tǒng)計顯著性。隨后，研究團(tuán)隊進(jìn)一步在結(jié)構(gòu)更為復(fù)雜、采樣更稀疏的小鼠下丘腦視前區(qū)MERFISH數(shù)據(jù)集上進(jìn)行了泛化能力測試。驗證結(jié)果顯示，重構(gòu)后的圖譜不僅精準(zhǔn)還原了特定腦區(qū)標(biāo)記基因在Z軸上的連續(xù)梯度變化，且顯著優(yōu)化了下游分析任務(wù)的效果，有力證明了該工具能有效修復(fù)因采樣稀疏導(dǎo)致的結(jié)構(gòu)信息斷裂。

進(jìn)一步地，研究團(tuán)隊通過收集公開數(shù)據(jù)，基于美國腦計劃最新發(fā)布的一系列小鼠腦空間轉(zhuǎn)錄組數(shù)據(jù)集，利用 SpatialZ 取得了里程碑式的應(yīng)用成果。團(tuán)隊利用129張稀疏小鼠大腦切片，構(gòu)建了國際首個單細(xì)胞分辨率的3D虛擬鼠腦器官，包含超過3800萬個細(xì)胞的高維組學(xué)信息和3D空間坐標(biāo)。相比之下，這一規(guī)模在傳統(tǒng)實驗層面難以實現(xiàn)。依托于這一數(shù)字器官，SpatialZ 提供了強(qiáng)大的功能應(yīng)用，極大地拓展了空間組學(xué)的分析維度，賦予了研究者一套強(qiáng)大的數(shù)字工具集。其中，數(shù)字切片（In Silico Sectioning）模塊，使研究者能夠擺脫傳統(tǒng)單一物理切片制備視角的束縛，可任意角度解析包含二維矢狀、水平或自定義切面，或者三維聯(lián)合多視角的的基因表達(dá)梯度。此外，結(jié)合 CAST[https://www.nature.com/articles/s41592-024-02410-7] 映射算法，SpatialZ依托重建的圖譜實現(xiàn)了3D空間搜索（3D Spatial Search）功能，能夠?qū)⒉煌瑢嶒炇耶a(chǎn)出的腦組織切片精準(zhǔn)定位至全腦參考圖譜的特定解剖坐標(biāo)，從而克服實驗數(shù)據(jù)的碎片化難題，極大地推動跨樣本、跨研究的數(shù)據(jù)整合與復(fù)用。

SpatialZ的價值也不僅體現(xiàn)在小鼠腦圖譜這一單一物種和單項技術(shù)上，其底層邏輯具有強(qiáng)大的泛化能力。研究團(tuán)隊指出，這一框架可輕松擴(kuò)展至空間蛋白組學(xué)（Spatial Proteomics）、空間代謝組學(xué)乃至空間多組學(xué)數(shù)據(jù)，為復(fù)雜疾病研究帶來全新視角。為進(jìn)一步驗證 SpatialZ 的通用性，研究團(tuán)隊將該方法應(yīng)用于人類乳腺癌組織的成像質(zhì)譜流式（Imaging Mass Cytometry, IMC）數(shù)據(jù)來解析三維腫瘤微環(huán)境，并通過偽三維合成切片糾正了真實實驗中因組織缺失或技術(shù)偽影造成的表達(dá)異常，從而為腫瘤免疫治療靶點的空間篩選提供更立體的依據(jù)。這一成功應(yīng)用有力地證明了 SpatialZ 是一種模態(tài)無關(guān)的通用計算工具，為最終構(gòu)建全物種、全器官的三維空間多組學(xué)數(shù)字器官奠定了方法學(xué)基礎(chǔ)。

綜上所述，SpatialZ以計算手段突破實驗技術(shù)限制，跨越了從單細(xì)胞水平到組織切片，再到整個器官數(shù)字化的層級化探索。作為全球首個單細(xì)胞分辨率的3D數(shù)字大腦，該工作不僅為神經(jīng)科學(xué)研究提供了標(biāo)準(zhǔn)化的數(shù)字基準(zhǔn)，更為解析復(fù)雜的組織空間奠定了統(tǒng)一的計算分析框架和可泛化的工具集，不僅為構(gòu)建跨模態(tài)、跨器官、跨物種的綜合性三維空間圖譜創(chuàng)造了新的可能，更有望在發(fā)育生物學(xué)、神經(jīng)科學(xué)、腫瘤學(xué)等領(lǐng)域催生一系列新的發(fā)現(xiàn)。

本文的共同通訊作者為復(fù)旦大學(xué)原致遠(yuǎn)、馮建峰和中國科學(xué)院計算技術(shù)研究所趙屹。研究中數(shù)據(jù)規(guī)模龐大且多樣，涉及大量公開數(shù)據(jù)的收集、數(shù)據(jù)質(zhì)量控制、預(yù)處理和分析、生物學(xué)解讀等團(tuán)隊協(xié)作流程。在此過程中，林森林、王智康、崔巖、鄒麒和韓創(chuàng)意等同學(xué)作為共同第一作者作出了重要貢獻(xiàn)。此外，郁金泰、彭漢川、張奇?zhèn)?、宋江寧和高瑞等交叉領(lǐng)域?qū)＜覟楸狙芯刻峁┝藢氋F的指導(dǎo)和支持。

https://www.nature.com/articles/s41592-025-02969-9

制版人： 十一

學(xué)術(shù)合作組織

（*排名不分先后）

戰(zhàn)略合作伙伴

（*排名不分先后）

轉(zhuǎn)載須知

【非原創(chuàng)文章】本文著作權(quán)歸文章作者所有，歡迎個人轉(zhuǎn)發(fā)分享，未經(jīng)作者的允許禁止轉(zhuǎn)載，作者擁有所有法定權(quán)利，違者必究。

BioArt

Med

Plants

人才招聘

近期直播推薦

點擊主頁推薦活動

關(guān)注更多最新活動！