企业官网建设流程全解析

1. 这一届组学会议，风头最劲的不是单细胞，而是一张组织切片的全息蛋白图

老实说，这几年我参加的组学技术会议不算少，大多时候是一个感觉：海报很多、Demo很多，但真正让你停下来看第二眼的突破性技术其实不多。但这届第四届组学技术前沿会确实有点不一样。主会场的颁奖环节公布“年度技术创新先锋奖”时，听到获奖名单里出现了“Spatial X全息蛋白质组学”的名字，我第一反应是：空间蛋白组学这个赛道，可能真的要换玩法了。

Spatial X是某生物科技公司带来的空间蛋白质组学平台。它做的事情，用一句话概括：在组织切片上，不依赖抗体、不分批次，一次性捕获几千种蛋白质的全息空间分布。简单说，以前我们做空间蛋白检测，只能“指哪打哪”，想验证十个蛋白就得跑十轮实验；现在像是把整张切片上的蛋白质世界一口气洗成了照片，既能看到每一个蛋白在哪里表达，又能看到相邻细胞之间是怎么通过蛋白“对话”的。

这篇文章，我想以一个在场从业者的视角，把这个技术亮相的前因后果、技术边界、现场反响，以及拿到这类数据后要怎么分析，完整地拆开聊一聊。如果你正准备做空间蛋白质组学、或者在做空间转录组数据时总觉得缺了一层蛋白维度的验证，这篇文章应该能给你一些实际参考。

2. 为什么空间蛋白质组学被卡住了这么久：转录组解决不了的问题

2.1 转录组能告诉你“在哪里转录”，却回答不了“在那里真正发挥作用的分子是谁”

这几年空间转录组技术铺开得很快，很多实验室都在做。从技术逻辑上看，空间转录组解决了“哪些细胞在哪里”“哪些基因在那个位置活跃”这两个问题。但做过多组学的人应该都有体会：转录本丰度不等于蛋白丰度，更不等于蛋白活性。

mRNA和蛋白质之间的相关性，在不同组织、不同生物学状态下差异极大。有些基因转录水平很高，但蛋白被降解得快；有些蛋白稳定性极高，mRNA只有一点点也能维持大量功能蛋白。尤其是在肿瘤微环境、神经退行性病变这类复杂场景里，真正决定细胞行为的是蛋白层面的状态，而不仅仅是转录层面的“预告片”。

我记得现场有位做了十年病理研究的老师在提问环节说过一句话：“我们最终写进病理报告里的东西，几乎全是蛋白，没人是靠RNA确诊的。”这句话虽然朴素，但非常点题。空间转录组把分析维度做了空前的拓宽，可是落到实际疾病机制、药物靶点验证层面，蛋白这一环是绕不过去的。

2.2 质谱和抗体的极限：空间组学一直卡在“覆盖度”和“空间位置”不可兼得

既然蛋白这么重要，为什么空间蛋白组学直到今天才出现突破性进展？因为过去几十年，我们一直卡在两个互相矛盾的需求中间。

传统质谱蛋白质组学的强项是覆盖度——一份匀浆样本里可以鉴定出上万种蛋白。但坏消息是，样本必须被打碎成溶液，空间位置信息随之消失；哪怕做激光显微切割，也只能做到几十微米级别的分辨，且通量很低。

基于抗体的空间蛋白检测方法，比如免疫荧光、CODEX、IMC这些，空间分辨率做得很漂亮，能看到单细胞甚至亚细胞定位。但抗体方法的根本限制在于：每一轮只能检测有限数量的蛋白靶点，多色方案做得再好，通常也就几十个到上百个靶点；再加上抗体种属交叉反应、批次差异、商业抗体可获得性，覆盖率上始终差着一大截。

所以过去在这个领域一直存在一个尴尬的断层：要么有覆盖度没位置，要么有位置没覆盖度。Spatial X这类“全息蛋白质组学”思路之所以引起关注，核心就是试图把这个断层直接用新原理补上。

3. Spatial X到底“全”在哪里：四层技术边界的突破

3.1 覆盖度边界：从几十个靶点到数千种蛋白全景

Spatial X给人最直观的冲击，是覆盖度。它不依赖抗体，而是采用了另一种检测原理——相当于把质谱检测能力嫁接到组织切片上，让切片表面每个空间像素里的蛋白都被分离、鉴定和定量。

这意味着什么？以前做空间蛋白研究，你基本是“带着问题去验证”：先假设某个通路里几个关键蛋白可能参与了空间异质性，然后设计抗体组合去染。问题在于，如果你的初始假设本身就漏掉了某个重要分子，后面的实验怎么设计都找不到它。全息蛋白质组学改变的是这个底层逻辑：它先把整个蛋白景观完整拍下来，再让你在里面做“数据挖掘”，哪怕不做任何假设，也能发现那些意想不到的候选蛋白。

现场展台的大屏上放了一张演示数据：一张肺癌组织切片，单次采集鉴定到四千多种蛋白，而且每张切片都保留了完整的空间坐标。这个数据量级放在两年前，基本是不可想象的。

3.2 空间分辨率边界：从组织匀浆到细胞尺度的原位检测

覆盖度上去了，空间分辨率能不能保住？这是我对这类技术最初的一个怀疑。看完展台演示后，实际上它的空间分辨率并不仅仅是组织区域级别的，而是能做到接近单细胞尺度的原位检测。

这个非常重要。肿瘤微环境里的核心问题是细胞通讯——免疫细胞和肿瘤细胞之间，巨噬细胞和成纤维细胞之间，蛋白层面的相互作用决定了免疫逃避还是免疫清除。如果把分辨率只做到某个“区域”，看到的是蛋白质的平均信号，单个细胞的异质性基本被磨平了。

高分辨率配合高覆盖度，才让“全息”这个名字有点名副其实——你看到的不是一张粗糙的热力图，而是能分辨出不同细胞类型、甚至细胞状态的精细蛋白图谱。

3.3 样本兼容性边界：FFPE样本终于成为空间蛋白组学的主力场景

做临床样本研究的老师应该深有体会：现在临床病理科保存的样本绝大多数是福尔马林固定、石蜡包埋的组织块（FFPE），冰冻切片反而是少数。过去很多空间组学技术在FFPE样本上表现不佳，RNA降解、蛋白交联严重，导致临床上积累了海量的FFPE样本资源难以被充分挖掘。

Spatial X在样本兼容性上做了明确的适配，FFPE样本可以做，冰冻切片可以做，而且针对不同组织类型给出了前处理优化方案。这一点在会议现场的反响非常热烈。毕竟对临床科研团队来说，能用上大量历史FFPE样本库，意味着可以快速回溯大队列病例，做蛋白层面的验证和标志物筛选，这是冰冻样本很难替代的优势。

当然，FFPE样本的蛋白提取效率和组织固定条件千差万别，不是所有老旧样本都能跑出漂亮数据，这一点后面我会讲实操细节的时候再提。

3.4 整合分析边界：从单模态测量到多组学“对齐”的可能

再往深一层看，Spatial X的更大价值在于数据和空间转录组、单细胞测序形成交叉验证。新技术的出现如果不能和已有数据模式互动，那它的应用场景就会窄很多。

现在主流的多组学分析思路是：先用单细胞测序定义细胞亚群，再用空间转录组定位细胞群在组织里的空间分布，最后需要蛋白层面的验证来解释细胞“实际干了什么”。Spatial X的出现正好补上了最后这一环，而且它的原生输出就是带着空间坐标的蛋白定量矩阵，格式上和空间转录组的分析流程天然兼容。

我在交流中了解到，后面他们也在推配套的生信工具，用于把空间蛋白数据和转录组数据进行共定位分析、细胞邻域分析和配体-受体互作推断。技术链条一旦打通，研究设计的空间会比现在大很多。

为了更直观地对比，我把Spatial X和过去的几类主流方法做了个对比表：

这个表不是我随便画的，而是这几年跟不同平台打交道下来，对各家能力边界的实际感受。可以看到，Spatial X最突出的差异点在于：它第一次把“不依赖抗体的高覆盖度”和“组织原位空间分辨率”这两件事同时做到了。

4. 现场最热烈的讨论：三个被反复追问的真实问题

4.1 第一个高频问题：不依赖抗体，你们怎么保证检测的是“对的蛋白”？

这是我在技术交流区听到最多的一类提问，也是大家对这个新原理最本能的怀疑。过去做蛋白检测用抗体，虽然覆盖率低，但抗体和靶蛋白的结合特异性是经过验证的，大家习惯了这种“看着抗原抗体的特异性来确认数据可信度”的思维。

展台技术人员的解释思路也比较坦诚：他们的检测核心是让组织切片上的蛋白经过原位酶解变成肽段，再把肽段信息采集下来与数据库比对。这和传统质谱鉴定蛋白的逻辑同源，不靠抗体识别，靠的是肽段“指纹”匹配，相当于在切片上做了一轮原位质谱检测。从现场展示的质控结果看，重复样本间的蛋白定量相关性做得比较高，低丰度蛋白的检出稳定性也还可以。

当然，任何新原理的检测技术都需要经过更多独立实验室的验证才能真正被广泛接受。但我个人判断，这条路线的底层逻辑是过关的，它并没有发明一套完全脱离质谱常识的检测机制，而是把成熟的肽段鉴定体系嫁接到空间维度上了。

4.2 第二个高频问题：一张切片能跑多少个样本？成本是不是高得离谱？

通量和成本，是所有落地技术绕不开的现实问题。现场有来自某高校的课题组长直接问：“我手里二十个FFPE样本，做一轮筛选，要多少时间、多少钱？”这个问题的潜台词其实是：平台如果只能作为高端旗舰设备供大课题组使用，那大部分普通团队就只能看看热闹。

从展台给出的信息看，单张切片的检测通量相比传统空间蛋白方法有数量级提升，且流程中很多步骤具备自动化潜力。成本自然还不是“白菜价”，但如果把你原本要做二十轮抗体染色的时间和费用加总起来对比，单位蛋白靶点的成本反而是下降的。这个账需要按不同课题组的使用频率来算，高频使用和低频尝鲜的成本结构完全不同。

我的看法是，对于有大队列样本筛选需求的团队，这类平台已经具备规模化使用的基本条件；对于只是想在某几个候选蛋白上做空间验证的课题组，传统抗体方案仍然性价比更高。技术选型永远不是“谁新谁好”，而是“谁更适合当前的问题”。

4.3 让会场安静了几秒的问题：空间转录组和空间蛋白组，到底谁听谁的？

现场有一个提问引发的讨论特别有意思：做出来的空间转录组和空间蛋白数据结论不一致时，以哪个为准？这个问题之所以会问得好，因为在真实研究中这一层冲突迟早会发生。mRNA的表达位置不一定等于蛋白的功能位置，翻译后修饰、蛋白降解、分泌和扩散都会让蛋白分布偏离转录本分布。

技术人员当下的回应观点是：两者不是谁取代谁的关系。转录组分辨率高、基因覆盖全、细胞状态推断能力强，适合定义细胞类型和分化轨迹；蛋白组更接近真实表型，适合验证机制和挖掘功能分子。放在同一个研究的不同阶段里，各干各擅长的活，这样解释冲突时就不会陷入“必须信一个”的困境。

我后来想，这个问题的答案其实也反映了空间组学正在走向成熟：当数据从单模态扩展到多模态，真正的挑战已经不是“能不能测出来”，而是“怎么把多维度信息组织成一致的故事”。

5. 拿到Spatial X数据的实战推演：从样本送测到分析落地的完整思考

5.1 送样前就要想清楚的几个样本细节

这部分是我自己多年做组学项目攒下的经验，不一定每条都写在官方送样指南里，但踩过坑的人应该知道这些细节有多要命。

首先是样本固定质量。FFPE样本新鲜度、固定时间、保存年限都会影响蛋白检出量。一个做了免疫组化染色觉得勉强能用的老样本，放到空间蛋白组学里可能肽段提取效率低得惊人。建议送样前先做一张相邻切片的染色评估，确认形态完整、固定均匀，再正式上机。

其次是切片厚度。空间蛋白检测对切片厚度比较敏感，太薄蛋白量不足，太厚又影响原位酶解效率和空间对应关系。不同组织类型的最佳厚度差异挺大，肝脏这类实质器官和脂肪含量高的乳腺组织，参数不可能一样。如果你的样本类型比较特殊，建议先送预实验切片跑一轮，确认信号强度再放大规模。

还有一个容易被忽视的点：切片的新鲜度。很多人以为切好的白片放几天没问题，实际上切片暴露在空气中时间越长，表面蛋白氧化降解越严重。原则上切完尽快送样，实在来不及就低温密封保存，切忌反复冻融。

5.2 数据分析时我不建议跳过的三个质控关卡

拿到原始数据之后，新手最容易犯的错是直接奔着差异蛋白列表去看，结果被假阳性信号带偏。我自己经手过不少组学数据，以下三个关卡强烈建议老老实实走完。

第一是蛋白定量分布检查。看整体定量值分布是否正常，有没有切片边缘区域信号骤降、坏死区域蛋白降解导致的异常低值。空间数据里这些“伪空间差异”如果不识别出来，后面跑差异分析时会得到大量没有生物学意义的位点。

第二是重复样本间相关性。至少要有一个技术重复（同一切片重复采集）和一个生物学重复（同组织不同切片），用来评估平台稳定性和样本异质性。如果生物学重复间的相关性本身很低，那不是技术问题，而是组织本身异质性大，差异分析策略就得跟着调整。

第三是批次效应评估。如果你的研究跨越多个切片、多轮实验，时间效应不可避免。算法上建议引入去批次模型，或者在实验设计时就做到不同分组的样本交叉上机，避免所有对照组跑一批、处理组跑另一批的经典失误。

5.3 四个典型分析模块：从定位到功能怎么走通

分析流程上，我以现在和空间转录组整合分析的主流逻辑为参照，给出四个我认为最常用的分析模块。

• 细胞类型/空间域注释：好空间数据，通常从单细胞数据里整理出可靠的细胞类型marker，映射到空间蛋白图谱上；没有配对单细胞数据时，也可以靠典型蛋白marker做聚类和人工注释，但分辨率上会粗糙一些。
• 差异空间蛋白分析：这是大家最熟悉的部分，找特定区域、特定细胞类型里表达上调或下调的蛋白。关键教训是不要只看p值，要把空间自相关考虑进去——一个蛋白在某个区域整体高表达和零散几个点高表达，生物学意义完全不同。
• 细胞邻域分析：这块是我个人最喜欢的。把每个细胞的空间坐标和质量中心提取出来，统计每一种细胞类型周围“邻居”的分布富集情况；比如肿瘤相关巨噬细胞是不是更倾向靠近耗竭T细胞，这类空间共定位关系只有邻域分析才能给出量化证据。
• 配体-受体互作推断：结合蛋白层级的配体和受体表达，推断相邻细胞类型之间正在发生的通讯事件。和转录组层面的推断相比，蛋白层面的配体-受体证据离功能更近，在论文里讲故事的力度会强不少。

这几个模块不是Spatial X平台独有的，而是空间组学数据分析的通用框架。区别在于过去这些分析模型大多主要处理RNA数据，现在换成蛋白定量矩阵，逻辑相似，但需要结合蛋白本身的生化特性来调整参数。

6. “年度技术创新先锋奖”背后的三个被肯定的信号，以及我们的真正预期

6.1 这个奖为什么不是颁给“更高通量”，而是颁给“新维度”

行业会议在评技术奖项时，其实很看重一个东西：原创性和不可替代性。空间转录组已经火了几年，如果在那个方向上堆通量，属于锦上添花；但把蛋白质组学推到空间维度，做到“无抗体依赖的高覆盖原位检测”，这是另一个维度的事情。

评委的思路并不难猜。空间蛋白组学一旦成熟，等于让空间组学的研究范式从“以基因为中心”切换到“以功能分子为中心”。对药物开发来说，新靶点的空间表达图谱是下一步临床转化的关键依据；对基础科研来说，以往只能在体外验证的蛋白互作模型，现在可以直接在组织原位上做检验。

这个奖颁出来，另一个信号意义在于：产业界开始用真金白银投入这项技术，意味着它不再只是实验室里的一台概念机，而是已经具备对外开放服务的成熟度。

6.2 从获奖到成为“常规工具”，中间还有几步必须走

技术被认可是一个起点，但说实话，从“年度技术创新先锋奖”到每个实验室都能把它当常规工具用，中间至少还横着三个坎。

第一是标准化。现在不同批次、不同操作者、不同组织类型的差异还需要更多质控数据来界定参考范围。这个领域需要一个像“RNA完整度RIN值”那样的通用质控指标，让用户一眼判断自己的样本和结果质量。

第二是分析平台的易用性。现在的分析流程依然需要比较强的生信背景才能跑得顺，如果能做成拖拽式分析平台或标准化报告输出，群体会一下子扩大很多。

第三是临床转化路径。空间蛋白组学最有想象力的应用场景实际上是辅助病理诊断和预测治疗反应，但这需要大规模前瞻性队列研究支持，需要的时间至少是以年为单位来计算的。

走到那一天，我觉得整个空间组学格局就会真正定型。回到这次会议本身，Spatial X让我印象深刻的不是技术参数的堆砌，而是它把“全息”这个概念落到了可操作的层面。对一个做组学数据的人来说，最兴奋的时刻往往不是听到一个新名词，而是看到某个曾经做不了的问题终于有了下手的地方。这类技术迭代一旦开始，后面加速的速度会比我们预想的快得多。