空间转录组技术沟通系列 · 第 3 篇 / 共 5 篇
客户拿着一张彩色空间图问：“这块区域是不是免疫细胞更多？是不是说明这些细胞被激活了？”这两个问题不能直接画等号。区域信号增强，可能是细胞组成变了，也可能是同类细胞的表达状态变了，还可能受检测质量影响。
空间分区与细胞定位的价值，是帮助客户把“组织哪里不同、什么细胞在那里、差别来自哪里”逐步讲清。售前应把每一步对应的结果和前提说出来，让客户知道图能支持什么判断，以及下一步该验证什么。
前两篇已经介绍常见分析总览和样本、平台与质量检查。本篇聚焦通过初步检查后，如何选择区域和细胞相关分析。
一、先把三个问题分开，才知道需要交付什么
| 客户想知道什么 | 分析与交付示例 | 能推进什么判断 | 需要说清的边界 |
|---|---|---|---|
| 组织哪里不同？ | 空间分区图、区域标记基因、组织形态叠加图。 | 帮助确定重点区域、比较对象及后续取材位置。 | 表达聚类是分组结果，不能自动命名为某种病理区域。[1] |
| 关注细胞在哪里？ | 细胞注释图，或混合spot中的细胞类型丰度估计。 | 判断目标细胞主要分布在病灶内部、边缘还是间质等区域。 | 先区分分割细胞与混合采样点；估计丰度不等于逐个看见真实细胞。[3] |
| 不同区域为什么有差别？ | 细胞组成比较、区域差异表达、可支持时的同类细胞状态比较。 | 把后续验证缩小到某类细胞、某个区域或候选表达程序。 | 细胞更多与单个细胞表达更强需要区分；功能评分不是直接功能测定。 |
这不是要求每个项目做全套。客户只想定位一个候选细胞群时，可以先完成注释依据与分布核查；只有结果和研究问题需要，才继续讨论区域比较或更细的状态分析。
二、空间分区：给组织划出值得比较的区域
空间分区通常利用表达相似性，有些方法还结合位置邻近和组织图像。例如SpaGCN把这些信息一起用于识别空间区域。对客户可解释为：“寻找在分子特征上相近、又具有空间组织关系的区域，再核对它们对应什么组织结构。”[2]
但颜色不同，不等于病理性质已经确定。命名区域时，要把组织形态、多个标记基因和已有病理标注放在一起看。证据不足可以先写“区域A、区域B”或“某类标记富集区”，不应直接升级为诊断或机制结论。
参数也会影响边界：划分过细可能把连续状态拆成许多小块，过度依赖邻近关系又可能把真实的小区域合并。项目中应检查合理设置下重点区域是否稳定，并说明低质量位置是否已排除，不能为了得到想要的形状反复调参。
另一个常见误区是用同一批基因划出区域，再把这些基因的显著差异当成独立验证。它们可以帮助描述分区，却不能单独证明分区正确。更有价值的补充是独立标记、组织学证据或其他样本中相似结构的复现。
三、细胞定位：先判断手里是细胞，还是混合信号
如果已经有可靠的细胞分割和足够的标记覆盖，可以结合细胞表达、形态及参考进行注释，再展示细胞位置。仍要检查边界和分子归属，不能因为输出文件叫“cell”，就默认每个标签完全准确。
如果一个spot包含多类细胞，就需要把混合表达拆解为不同细胞类型的贡献，这类分析叫解卷积。cell2location与RCTD是常见方法示例，输出含义并不完全相同。前端可以讲“估计哪类细胞在哪些位置更丰富”，不能把混合spot直接讲成精准定位到了其中每一个细胞。[3][4]
具体解读前必须看图例：颜色代表的是丰度、比例、标签分数，还是某种置信指标？这些数值不能互换。cell2location教程中的丰度估计依赖模型与先验，并提供分布分位数和质量检查；它不是人工显微计数，也不应直接把任意热图强度写成细胞数量。
没有配套单细胞数据，就完全不能做吗？
不必一票否决。空间分区、已知标记展示和部分区域比较，通常不以配套单细胞参考为必需前提。若想进行依赖参考的细胞解卷积，可以先评估可比公共参考，但需要核对物种、组织、疾病或处理状态、细胞类型覆盖和注释质量。
参考与空间数据并非一定要来自同一供体；关键是能否代表待分析的细胞组成。参考中没有的类型，不能期待模型自动正确补全。RCTD原研究就展示了缺失细胞类型可能被分配给参考中相似类型的情况。信号相近、参考缺失或亚型难分时，先考虑更粗的分类、补充参考或保留未确定标签。[4]
因此，售前的下一步不是“先给每个spot贴一个细胞名”，而是先确定希望分到什么层级，以及现有证据能否支撑这个层级。
四、区域差异：先问是细胞多了，还是细胞状态变了
下面是一个假设场景：区域A的免疫相关基因高于区域B。可以先检查A中免疫细胞是否更多；若组成已经不同，整体信号增强未必意味着每个免疫细胞都更活跃。若要进一步讨论状态，应在可靠的细胞类型和数据支持下，比较同类细胞或采用合适的组成校正、细胞类型特异分析，并保留模型局限。
“空间变异基因”与“区域差异基因”也不同。前者寻找表达随位置变化的模式，例如梯度、斑块或层状分布；后者围绕事先指定的区域做比较。一个基因具有空间模式，不等于它就是疾病相关基因，也不等于在客户指定的两个区域间有同样差异。[5][6]
功能富集或基因集评分可以帮助概括候选表达程序，但要看有效检测基因是否覆盖相关集合。尤其是靶向面板，缺测基因不应当作真实低表达；背景基因集也应与实际可检测范围相符。由此得到的是表达层面的线索，不能直接写成蛋白活性或机制已被证实。
当客户要比较疾病组与对照组时，还需要回到独立个体和切片层级。细胞、spot很多，不会自动补上生物学重复；空间相关性和批次也需纳入分析设计。只有少量个体时，区域观察可以帮助形成假设，但推广为群体差异要谨慎。[7]
五、这五类问题，前端可以这样处理
| 客户提出的问题 | 先检查什么 | 建议措施与沟通重点 |
|---|---|---|
| “分出的区域与病理标注不一致，是不是算法错了？” | 坐标配准、质量、标记证据和分区参数，以及两者是否在描述同一层级。 | 先复核，再解释一致与不一致的部分；不为了对齐病理图而硬调参数，也不直接否定病理判断。 |
| “图上某种细胞很少，能否说明它不存在？” | 检测覆盖、目标信号、参考是否缺失、分类不确定性。 | 先说明低信号或估计较少；需要排除某类细胞时，补独立标记或组织验证。 |
| “两张热图颜色差不多，丰度就是一样吗？” | 数值含义、色标范围、归一化方式、组织面积和细胞密度。 | 核对可比性并提供定量汇总；不能仅凭各自自动缩放的颜色比较。 |
| “把单细胞里的所有亚群都定位出来，可以吗？” | 细分类别是否有可区分信号，空间数据与参考是否匹配。 | 优先可靠大类，再评估重点亚群；难以区分时合并或标注不确定，不承诺全部精细定位。 |
| “区域功能评分高，能否作为机制结论？” | 基因覆盖、组成差异、评分方法和独立证据。 | 把结果作为待验证程序，明确候选细胞与区域，继续安排蛋白、原位或功能验证。 |
六、第一次沟通，就把交付接到下一步研究
可先请客户提供：最关注的区域和细胞、区域如何定义、平台及分析单位、是否有病理标注或配套参考、独立样本情况，以及已有候选。涉及敏感资料时先提供概况或可分享的示意图，正式数据另行约定传输方式。
建议把交付写成“区域图及命名依据、细胞定位与不确定性说明、重点比较和候选清单、适合的后续验证方向”。每项结果都对应一个问题，不以图片数量替代课题价值，也不承诺所有亚型都能区分。
“我们可以先帮您明确哪些区域值得比较，关注细胞主要位于哪里，再判断差异更像是细胞组成变化，还是同类细胞状态变化。能定位到多细，要看平台、信号和参考是否支持。结果会附判断依据及不确定部分，帮助您选出下一步值得验证的区域和候选。”
云生信可先围绕重点细胞与区域，沟通数据是否支持定位或比较，再确认分析方法、交付范围和需要补充的证据。
下一篇：细胞邻域与空间通讯。把“哪些细胞在一起”推进到“哪些关系值得验证”，并讲清相邻、通讯推断与机制证据的差别。
资料依据
核对日期：2026年11月11日。方法说明依据原始研究和官方文档；沟通场景及处理顺序为项目建议，不是统一软件准入标准。
