单细胞转录组学已深刻变革多细胞生物研究，空间转录组学的兴起进一步实现了细胞的空间语境化分析，为解析组织微环境功能提供了关键技术支撑。2024 年发表于《Nature Reviews Molecular Cell Biology》的 “Profiling cell identity and tissue architecture with single-cell and spatial transcriptomics” 一文，系统综述了单细胞与空间转录组学在技术进展、数据分析、临床转化及人工智能应用等方面的核心内容，涵盖样本处理、数据整合、细胞状态识别、空间生态型解析等关键方向，为相关领域研究提供全面且前沿的指引。

1.单细胞转录组学技术优化与核心分析策略

聚焦样本处理中的技术偏差控制，包括死亡后组织转录组变化、消化酶类型与温度对细胞组成的影响，以及 snRNA-seq、化学固定等优化方案的优势与局限；数据整合与批次校正方面，对比线性模型（ComBat、limma）、非线性方法（fastMNN、Harmony）及神经网络模型（scVI、scANVI）的适用场景，强调 “对照池设计” 在减少混杂因素中的作用；稀有和微妙细胞状态识别需结合靶向富集策略（如细胞表面标志物筛选）、全长测序技术（MAS-seq、VASA-seq）及特色工具（RaceID3、GiniClust3），同时通过统计方法降低假阳性风险。

2.细胞轨迹、可塑性与发育潜能研究

轨迹推断工具（Monocle3、Slingshot）通过低维嵌入与图模型解析细胞动态转变路径，RNA velocity、protaccel 结合多组学数据明确转变方向，谱系追踪技术（Polylox、TRACE-Seq）提供细胞转变的金标准验证；细胞可塑性量化依赖概率模型（Palantir、CellRank）、基因调控网络扰动分析（CellOracle），可揭示疾病中细胞命运的多样性；发育潜能评估通过胚胎期转录程序（ORIGINS、mRNAsi）、染色质可及性替代指标（CytoTRACE）及转录组熵值计算，精准定位干细胞与祖细胞群体。

3.空间转录组学技术体系与空间生态型解析

技术平台涵盖探针基方法（Vizgen MERSCOPE、seqFISH+）的亚细胞分辨率优势、全转录组覆盖方法（10x Genomics Visium、Slide-seq V2）的空间 - 转录组平衡，以及空间条形码结合单细胞测序方法（XYZeq、Slide-Tags）的高捕获效率特点；计算工具通过解卷积（Cell2Location、RCTD）、基因表达填补（BayesSpace、XFuse）、多样本对齐技术突破分辨率与覆盖度限制；提出 “空间生态型” 概念，通过固定半径、K 近邻或 Delaunay 三角剖分定义多细胞邻里，结合细胞组成、基因表达特征及深度学习模型（GraphST、SpaceFlow），揭示肿瘤 - 基质界面、淋巴样结构等 recurrent 空间组织模式。

4.临床转化路径

通过数字 cytometry 等解卷积方法，将单细胞与空间转录组学发现转化为临床可用的生物标志物，助力疾病分类、治疗指导与预后评估。

5.人工智能与基础模型的融合

基础模型凭借大规模无标记数据训练优势，实现跨数据集整合、细胞类型注释与扰动效应预测，推动领域向智能化分析迈进。

该综述全面梳理了单细胞与空间转录组学的技术演进与核心突破，其核心价值在于构建了 “技术 - 分析 - 应用” 的完整框架：一方面点明了样本处理标准化、数据整合准确性等关键技术痛点的解决方案；另一方面强调了 “空间生态型”“多细胞邻里” 等创新概念对解析组织微环境的重要意义。尤为前沿的是，文中突出了基础模型在整合高维、异质性数据中的核心作用，为跨物种、跨组织的细胞图谱构建提供了新路径。未来，随着技术标准化推进与 AI 工具的深度融合，单细胞与空间转录组学将在精准医学、再生医学等领域实现更广泛的临床转化，为疾病机制研究与治疗靶点发现开辟新赛道。

Gulati GS, D'Silva JP, Liu Y, Wang L, Newman AM. Profiling cell identity and tissue architecture with single-cell and spatial transcriptomics. Nat Rev Mol Cell Biol. 2025;26(1):11-31. doi:10.1038/s41580-024-00768-2