企业官网建设流程全解析

bulk RNA-seq是组织微环境研究中常用的初筛工具，它可以快速获得整块组织的基因表达谱，帮助研究者识别差异表达基因和富集通路。但bulk测序有一个天然的局限：它将组织中所有细胞的RNA混合分析，最终得到的是一个"加权平均"的结果。研究者可能看到某个免疫相关基因集在组间存在差异，但无法确定这种差异是由哪种细胞贡献的、这些细胞在组织中如何分布、是否形成特定的空间结构。这种"看得见但说不清"的现象，正是组织原位空间蛋白组学可以发挥作用的场景。

一项针对非小细胞肺癌（NSCLC）的多模态研究为这一问题提供了具体的文献案例。该研究对122例患者样本进行了bulk RNA-seq分析，通过CIBERSORTx反卷积估计了免疫细胞类型比例，观察到不同研究分组中CD8 T细胞和CD4记忆T细胞比例存在差异。然而，bulk反卷积的结果只是基于算法的推断，它无法告诉研究者：这些CD8 T细胞在肿瘤组织中位于哪里？它们是否处于活化状态？是否与抗原呈递细胞（如树突状细胞）形成空间邻域？这些问题的答案，对于理解组织微环境的空间组织结构至关重要。

PCF（PhenoCycler-Fusion）作为一种单细胞组织原位空间蛋白组学技术，可以在组织切片上同时检测多种蛋白标志物，将bulk测序的"平均信号"转化为"单细胞空间图像"。在上述研究中，研究者利用33抗体panel在组织原位观察了150万个细胞，不仅鉴定了13种细胞类型，还分析了细胞之间的空间邻域关系。例如，研究发现树突状细胞（Dc）与细胞毒性T细胞（Tc）之间的空间距离在不同研究分组中存在差异：在部分样本中，Dc与Tc的空间距离较短，伴随CXCL16趋化因子表达升高；而在距离较远的样本中，肿瘤细胞的Ki67表达和DNA复制通路活性相对较高。这些空间层面的观察，是bulk RNA-seq无法直接提供的。

从方法学角度分析，bulk RNA-seq适合回答"组织中哪些基因表达发生了变化"这一整体性问题，而PCF更适合回答"哪些细胞表达了这些蛋白、它们位于哪里、与谁相邻"的组织原位问题。二者不是重复检测，而是从转录层和蛋白层分别提供组织微环境研究线索。当bulk分析提示了候选细胞类型或通路后，PCF可以将这些线索转化为具体的抗体panel，在组织原位进行验证性观察——这里的"验证"不是指证明因果机制，而是指在组织结构中进一步观察bulk数据提示的现象是否对应特定的细胞分布和蛋白表达模式。

该文献的研究路径提示，bulk RNA-seq与PCF的联合可以形成"整体发现→原位观察"的研究逻辑。bulk数据帮助研究者从宏观层面识别值得关注的表达差异；PCF则把这些差异带回组织切片中，从单细胞分辨率解析细胞身份、功能状态和空间邻域关系。对于希望从bulk测序结果出发、进一步深入组织原位层面的课题组而言，这一联合策略可作为科研设计参考。

【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。文中提及的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验证，不构成任何医疗意见。

【参考文献】

Zheng Y, Sadée C, Ozawa M, Howitt BE, Gevaert O. Single-cell multimodal analysis reveals tumor microenvironment predictive of treatment response in non-small cell lung cancer.Sci Adv. 2025;11(21):eadu2151.