空间基因组学（Spatial Genomics）是近年来生命科学领域发展最为迅猛的前沿方向之一，它将基因表达、表观遗传状态和分子信息精确映射到组织中原有的物理位置，从根本上改变了我们理解细胞功能和组织架构的方式。正如相关综述所指出的，空间基因组学将细胞在组织中的物理位置视为与其分子特征同等重要的生物学变量——这一概念转变使其区别于所有以往的基因组学学科。以下将从技术突破、生物学发现、临床转化和未来展望四个维度系统阐述该领域的研究进展与前景。

1. 成像类技术的革命性进展

MERFISH技术的持续引领：庄小威团队开发的MERFISH（多重容错荧光原位杂交）技术，通过组合编码策略解决了传统成像方法在基因数量上的瓶颈——每个基因被分配一个二进制条形码，每轮成像检测一个比特，十轮成像即可区分上千个基因，数十轮则可覆盖整个转录组。这项技术已成功应用于构建全脑细胞图谱、研究复杂疾病等场景，并因此荣获2026年Ernest Solvay奖。MERFISH的真正突破在于，它将成像的直观性与基因组规模的高通量检测完美结合，实现了在完整细胞和组织中原位解析基因表达。

SPTEdU-seq：动态追踪的里程碑：浙江大学郭国骥、韩晓平团队2026年3月在《Cell Stem Cell》发表的SPTEdU-seq技术，首次实现了在完整组织微环境中并行解析新生细胞的命运轨迹与空间全转录组图谱。该技术通过随机引物原位逆转录策略实现空间全转录组捕获，其覆盖度和灵敏度显著优于传统方法；同时利用点击化学反应将携带唯一标签标识符的单分子探针连接至EdU，通过测序直接识别新生细胞，避免了光学成像对脆弱细胞状态的干扰。这一技术标志着空间组学研究从“静态快照”迈向“动态追踪”，为理解发育、再生与疾病中的细胞动态过程提供了革命性工具。

2. 测序类技术的空间分辨率提升

空间CRISPR筛选技术的突破：2026年5月，北京大学曾泽贤团队联合清华大学潘登团队及华大生命科学研究院冯驭团队在《Cell》发表SPAC-seq技术，首次实现了在商业化单细胞分辨率空间转录组平台上的高通量CRISPR筛选。SPAC-seq结合统计空间扰动分析工具包TARDIS，能够同时解析基因扰动及其空间表型效应，将CRISPR筛选从传统的“解离细胞”分析提升到“原位空间”水平。几乎同时，耶鲁大学樊荣、陈斯迪团队在《Nature Biotechnology》报道了Perturb-DBiT技术，首次实现了在完整组织环境中同时解析CRISPR遗传扰动及其对应的全景式总RNA响应，包括microRNA、lncRNA、tRNA等多种非编码RNA分子。这些技术的出现，使科学家能够在组织原位直接验证基因功能如何影响局部微环境，填补了空间生物学中功能基因组学验证的空白。

3. 空间表观基因组学的技术革新

Super-CUT&Tag技术：厦门大学杨朝勇、张惠敏、黄佳良团队开发的Super-CUT&Tag技术，通过整合3D PAMAM树枝状聚合物，显著提升了染色质捕获效率，灵敏度较现有Spatial-CUT&Tag方法提高数倍。该技术直接在组织切片中将原位蛋白质-DNA相互作用转移至空间条形码阵列上，绘制了发育中小鼠胚胎组织的H3K27ac空间图谱，揭示了此前隐藏的活性染色质异质性，并结合空间转录组学揭示了皮层发育过程中Neurod2的时空增强子调控动态。这一技术突破了灵敏度、分辨率与易用性的关键瓶颈，为复杂组织的空间表观基因组分析提供了有力支持。

1. 人类胚胎发育的全景式分子图谱

2026年5月，复旦大学、浙江大学与华大生命科学研究院团队在《自然》发表的研究，首次系统绘制了覆盖原肠胚运动后、器官形成关键期（受精后约4至8周）的人类全胚胎时空转录组图谱。该研究整合高分辨空间转录组与单核RNA测序，分析了13枚覆盖CS12至CS23阶段的正常人类胚胎，结合77张矢状切面，共解析出50个器官或解剖区域及198个分子定义的亚结构。这一“认知盲区”的突破，使人类对早期器官发生的认知从零散的切片观察迈入整体、动态、分子化的全景解析新阶段。研究团队还发现RORA和KIAA1324L等关键基因在心脏窦房结发育中发挥重要调控作用，更新了抑制性与兴奋性神经元的分化时序，为理解先天性疾病的分子基础提供了全新视角。

2. 肿瘤微生态系统的空间解码

空间组学在肿瘤研究中的应用尤为突出。德克萨斯大学MD安德森癌症中心王凌华团队在《Cancer Cell》发表的重要综述指出，空间组学技术已步入成熟期，通过揭示肿瘤细胞与微环境在组织原位的空间组织、相互作用和演化规律，以前所未有的精度重塑我们对癌症的认知。该综述系统描述了肿瘤微环境中一系列高度组织化的“功能性生态位”，包括三级淋巴结构（类似肿瘤内部的“临时淋巴结”，与更好的免疫治疗疗效显著相关）、干细胞样CD8 T细胞生态位（抗肿瘤T细胞的“再生储备库”）、免疫排斥生态位（细胞毒性T细胞被物理性阻挡在肿瘤实质之外）等。这些空间结构的发现，深刻揭示了“位置即命运”的肿瘤生物学规律——一个免疫细胞是深入肿瘤核心还是被阻挡在外围，结局天差地别。

3. 多尺度组织空间架构的统一理解

2025年发表于《自然综述·遗传学》的综述系统阐述了空间组学如何从分子、细胞到器官尺度重新定义我们对组织空间架构的理解。该综述提出了一个统一的分析框架，指出无论使用何种技术，最终分析都收敛于识别空间分子特征、定义细胞状态、解析细胞生态位及描绘克隆边界这几个核心生物学问题。在疾病层面，该综述揭示了多个尺度的空间架构特征：分子层面存在异常分子梯度（如缺氧肿瘤中的细胞因子梯度），细胞层面存在空间特化的细胞状态（如肿瘤微环境中的癌相关成纤维细胞），生态位层面存在失调的细胞功能单元（如肿瘤免疫“热/冷”区），器官层面则存在跨器官异质性。

1. 新型生物标志物与治疗靶点发现

空间组学正从多个层面改变癌症的诊疗范式。在生物标志物发现方面，超越“某种细胞含量多少”的简单指标，空间组织结构本身已成为更强的预后或预测标志——特定的多细胞群落构型或细胞间的空间邻近关系，能更准确地预测患者对免疫治疗的反应。在治疗靶点发现方面，空间功能基因组学技术（如Perturb-map、Perturb-FISH）可在组织原位定位携带特定遗传学改变的肿瘤克隆，并将其与克隆演化、微环境异质性及表型可塑性联系起来，从而识别肿瘤细胞对关键通路的依赖性并支持精准用药。

2. 从2D到3D的空间病理学

空间组学正从二维平面迈向三维立体分析。通过连续切片重建或新型体积成像技术，空间分析得以揭示肿瘤克隆结构、分子梯度在三维空间中的真实分布，为理解肿瘤进化提供了全新视角。同时，病理组学——从常规H&E染色切片中利用AI提取定量空间特征——与空间组学结合，是一条极具潜力的临床转化路径，有望大幅降低临床应用壁垒，让每个患者的常规病理切片都能释放出深层的空间信息。

3. 标准化与临床落地的挑战

尽管前景广阔，空间组学的临床转化仍面临显著挑战。正如王凌华团队所指出的，第一道门槛是标准化与可扩展性——从样本前处理与平台流程到数据结构与元信息的统一，再到空间指标能否被明确定义为可复用的结构评分，都需要建立规范。第二道门槛是把高参数的结构性发现“蒸馏”为可常规化的读出形式——高参数技术更适合探索阶段，而临床常规应用需要更经济、高通量的平台。此外，数据质量控制（如分割、配准、扩散污染与采样偏倚）也是影响结果可重复性的关键因素。

1. 人工智能的深度融合

人工智能正成为解析复杂空间数据、加速生物标志物发现的强大引擎。从基因表达推算、多模态数据整合，到基于组织学预测分子特征和患者结局，AI正深度融入空间组学的各个环节。随着大模型、虚拟细胞与AI智能体等计算框架的发展，空间标志物的发现与验证有望加速。利用液体活检去“反演”肿瘤空间特征是另一条极具创新性但也更具挑战的路径，一旦实现，将支持更实时、无创地监测肿瘤演化与治疗反应。

2. 多模态整合与动态追踪

未来的空间组学将更加注重多模态数据整合。新一代平台已能实现对同一组织切片的RNA和蛋白质进行“同区共测”，提供更全面的分子视图。SPTEdU-seq等技术的出现，标志着动态追踪成为可能，未来将能在时间维度上系统解析细胞增殖、分化、迁移等关键动态事件。结合空间转录组学、空间表观基因组学、空间蛋白质组学等多维数据，我们将能构建更接近真实生理与病理状态的“数字孪生”组织。

3. 跨物种比较与统一框架

空间组学技术的通用性使其能够应用于从模式生物到人类的各种物种。当前，该领域正从技术突破走向深刻的生物学发现，并站在了临床转化的门槛上。未来，随着技术的进一步普及和成本下降，空间组学将引领我们进入一个全新的、基于空间生物学的精准医学时代，最终实现从“看见”到“预见”的范式转变——通过理解结构如何决定功能，为患者带来更精准的诊断和更有效的治疗。

结论：空间基因组学正经历从技术突破到生物学发现、再到临床转化的快速演进。从MERFISH的基因组规模成像，到SPAC-seq和Perturb-DBiT的空间功能基因组学，从人类胚胎发育的全景式分子图谱，到肿瘤微生态系统的空间解码，该领域正在重新定义我们对生命复杂性的理解。尽管在标准化、可扩展性和临床落地方面仍面临挑战，但人工智能的深度融合、多模态整合与动态追踪技术的进步，将推动空间组学成为下一代精准医学的核心基石。