单细胞测序已经成为解析肿瘤组织微环境的重要入口，它可以帮助研究者看到组织中有哪些细胞、这些细胞处于怎样的转录状态，以及不同研究分组之间是否存在细胞亚群差异。但单细胞测序通常需要把组织消化成细胞悬液，细胞从原本的组织结构中被取出后，空间位置、邻近关系和局部组织区域信息会被削弱。对于已经通过单细胞测序获得候选细胞群和marker线索的课题，下一步并不一定必须先做空间转录组；如果研究问题更关心蛋白表达、细胞状态和细胞靠近谁，PCF或类似空间蛋白组方法可以直接承接单细胞结果。
近期，《Cancer Cell》发表的“Single-cell and spatial profiling identify three response trajectories to pembrolizumab and radiation therapy in triple negative breast cancer”是一个很好的方法学案例。研究者对三阴性乳腺癌纵向活检样本进行scRNA-seq，同时对FFPE样本进行PCF(CODEX)空间蛋白成像。单细胞层面，研究者识别了B细胞、浆细胞、T细胞、髓系细胞等主要免疫群体，并进一步分析T细胞亚群、树突状细胞、巨噬细胞状态以及TCR克隆扩增等转录层线索。也就是说，单细胞测序已经完成了“有哪些细胞”和“哪些状态值得关注”的初步筛选。
在这个基础上，研究没有再转向空间转录组，而是选择空间蛋白组/CODEX来回到组织原位。原因在于，研究的下一步问题不是重新寻找全组织转录表达区域，而是观察这些细胞在组织切片中如何排列：B细胞是否形成特定空间区域，T细胞是否接近上皮肿瘤细胞，髓系细胞是否与细胞毒性T细胞处在相邻生态位，TLS相关结构是否具有可视化的组织层形态。这类问题需要蛋白标志物、细胞定位和邻域计算共同参与，正是PCF擅长提供的组织原位空间蛋白组学信息。
从课题设计角度看，当单细胞测序已经提示了效应T细胞、Tfh样细胞、抗原呈递髓系细胞、B细胞或浆细胞等候选群体，PCF可以把这些群体转换为抗体Panel，在同一张切片中观察CD8、CD4、CD20、CD138、HLA-DR、PD-1、PD-L1、Ki67等蛋白标志物及其组合关系。相比再次从转录层面展开空间探索，PCF更适合回答“这些细胞是否真的在组织中形成空间社区”“关键细胞之间是否邻近”“蛋白层功能状态是否与单细胞提示相一致”等问题。
因此，单细胞测序之后直接做PCF，并不是跳过空间信息，而是把研究重点从“转录层发现”转向“组织原位蛋白观察”。空间转录组当然可以提供基因表达空间格局，但在某些已经有明确细胞群和marker线索的研究中，PCF可以更直接地观察蛋白表达、细胞状态和细胞邻域。
【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。
【参考文献】
Shiao SL, Gouin KH 3rd, Ing N, Ho A, Basho R, Shah A, Mebane RH, Zitser D, Martinez A, Mevises NY, Ben-Cheikh B, Henson R, Mita M, McAndrew P, Karlan S, Giuliano A, Chung A, Amersi F, Dang C, Richardson H, Shon W, Dadmanesh F, Burnison M, Mirhadi A, Zumsteg ZS, Choi R, Davis M, Lee J, Rollins D, Martin C, Khameneh NH, McArthur H, Knott SRV. Single-cell and spatial profiling identify three response trajectories to pembrolizumab and radiation therapy in triple negative breast cancer. Cancer Cell. 2024 Jan 8;42(1):70-84.e8. doi: 10.1016/j.ccell.2023.12.012. PMID: 38194915.
