近日，中国科学院院士、陆军军医大学第一附属医院病理科主任卞修武院士，以色列魏茨曼科学研究院Ido AMIT教授联合华大生命科学研究院徐讯研究员及西南团队，在国际期刊Life Medicine 上发表综述《Spatiotemporal Omics-Refining the landscape of precision medicine》。这也是西南华大生命科学研究院、金凤实验室和金凤·华大时空组学中心的首个合作成果。该文章总结了当前已报道的时空组学技术的优缺点，描述了该类技术在肿瘤发病机制的应用进展，阐明了时空组学技术在包括病理检测应用等在内的精准医学领域中的革命性意义，同时也指出了临床数据计算所面临的挑战。
新兴的时空组学技术能够很好地弥补并突破该局限。其在识别特定细胞的同时，显示出与病理诊疗相关的重要分子标志物信息，揭示肿瘤异质性、发病机制，从而进一步推动精准医学。具体而言，时空多组学技术能够实现在组织空间位置上探究复杂人类疾病（特别是癌症）发展发生、进展的分子变化机制，帮助绘制疾病时空图谱（肿瘤异质性、肿瘤微环境）及疾病时空分化蓝图。文章阐述了致力于解决肿瘤和非肿瘤疾病的时空异质性的代表性研究，如肿瘤空间结构（三级淋巴结构、侵袭性前缘）和生态系统（肿瘤微环境），以及非肿瘤疾病的空间特征等。
时空组学探索疾病发病机制空间多组学技术的前世今生
文章提及，解析组织空间基因表达信息的方法在近几年内大量涌现，但其捕捉到的信息量并不足以描述复杂的生理、病理过程。因此，空间多组学方法的开发迭代至关重要。根据捕获空间信息方式的不同，空间多组学技术主要分为三类，包括基于成像的RNA和蛋白质共检测方法，如CODEX（Co-Detection by Indexing）和SMI（CosMxTM Spatial Molecular Imager）；基于测序技术的ST（Visium）和Stereo-seq（SpaTial Enhanced REsolution Omics sequencing），以及基于显微解剖的LCM（laser capture microdissection）和sciMAP-ATAC、DSP（GeoMx Digital Spatial Profiler）。对于未来的空间组学技术而言，将时间维度纳入其中进行迭代，并进一步提高其分辨率和通量十分关键。
精准医学历史回顾及时空精准医院的展望分析算法助力分子水平精准医学
目前，空间多组学数据分析面临的主要挑战是实现对海量数据的正确处理和解释，以及多维数据的统一标准。精准医学的目标是为每个人进行个性化的治疗。实现这一目标需要整合组学数据、临床影像、生化检测数据、病史、精神状况等海量的个性化数据。值得关注的是，肿瘤疾病是高度异质性的，不同患者治疗后的免疫反应和结果不同。能够在分子水平上检查病理组织，并呈现准确的空间信息，这对了解生物标志物的分布，监测疾病的发展和预后具有重要意义。
文章简要介绍了常见的空间多组学数据分析算法，包括细胞空间聚类、细胞注释、基因模块分析、细胞互作分析等，以及它们在病理分析中的应用。未来，空间多组学的整合分析必将提供对组织结构、基因表达模式和细胞-细胞通信的深入理解，以帮助临床疾病的诊疗，并在分子水平上促进精准医学的发展。
时空多组学推动精准医学“进度条”
时空多组学已被证实可用于揭示胚胎发育、组织分化、器官发生和病理变化的分子机制，可实时监测基因和蛋白的表达动态，并反映细胞-细胞通讯；可在肿瘤发病机制研究中解析肿瘤的空间结构及其微环境。但时空多组学技术的临床应用转化也面临着诸多挑战，其中鉴别诊断和患者分层为首要挑战。文章由此提出，转录组学、蛋白质组学、形态学和潜在的表观遗传学的联合应用十分有前景，因为多组学、跨尺度的分析能够提供详细的基因表达和定位信息，可有效改善临床诊疗效果，助力精准医学发展。
时空精准医学探索进程华大生命科学研究院徐讯研究员，中国科学院院士、陆军军医大学第一附属医院病理科主任卞修武院士，以色列魏茨曼科学研究院Ido AMIT教授为该文共同通讯作者。西南华大生命科学研究院张佳君博士、华大生命科学研究院殷建华博士为该文共同第一作者。
参考文献
https://doi.org/10.1093/lifemedi/lnac053
