近期，西湖大学杨剑教授课题组开发了一种名为 gsMap 的新方法，能够以单细胞水平分辨率识别出与复杂疾病相关的细胞，并明确它们在组织中的分布情况。
他们通过整合空间转录组学数据和全基因组关联研究数据，将人类复杂性状和疾病相关细胞的空间分布进行精确定位，揭示了不同脑区中与精神分裂症、抑郁症等性状相关神经元的空间模式差异。
值得一提的是，这种方法具有极高的灵活性。在这项研究中，既使用了人类全基因组研究的数据，也涉及了小鼠胚胎、成年小鼠大脑以及猕猴大脑皮层的空间转录组学数据。
这表明该方法可以跨越不同物种，甚至不仅限于人类研究。该技术为复杂疾病的诊断、治疗和研究提供指导，并有望应用于制药领域。目前，该方法已在 GitHub 开源，方便该技术应用在更广泛的领域。
（来源：杨剑）
近日，相关论文以《与人类复杂性状相关细胞的空间分辨映射》（Spatially resolved mapping of cells associated with human complex traits）为题发表在Nature[1]。
西湖大学博士研究生宋立阳和陈文浩是共同第一作者，杨剑教授是通讯作者。
图丨相关论文（来源：Nature）
复杂疾病的研究和治疗充满挑战，尤其是精神类疾病。尽管研究人员已经开展了大量相关研究，但要确定究竟有多少基因是易感基因，仍然是一个巨大的挑战（注：易感基因是指那些在某些情况下，由于其功能或表达的差异，就会使一些人更容易患上特定疾病的基因）。
复杂性状或复杂疾病的遗传基础可能比我们想象的更为复杂。以精神分裂症为例，其易感基因数量众多，实际上，并没有哪个基因的效应显著到足以解释整个疾病。
全基因组关联研究提供的重要突破在于，它能够在大规模人群中通过 DNA 测序来寻找与疾病相关的基因变异。
相关研究表明，对于精神分裂症至少已经定位到几百个易感基因。然而问题在于，这些基因究竟在身体的哪个部位、哪些细胞中发挥作用，从而影响疾病的发生和发展，目前尚不清晰。
（来源：Nature）
空间转录组学技术可以对组织切片进行高精度检测，精度可以达到单个细胞级别。通过对细胞进行检测，能够了解基因表达的活跃程度，包括哪些基因上调和下调，哪些基因在活跃表达，以及哪些基因处于关闭状态。每个细胞都可以通过一组基因表达标签进行识别，这相当于为细胞提供了独特而精准的标识“专属标记”。
gsMap（genetically informed spatial mapping of cells for complex traits）方法正是基于全基因组关联研究和空间转录组学数据。它以基因为桥梁，将基因与疾病之间的关联以及基因在细胞空间分布之间的关系结合起来，从而揭示出与疾病最相关的细胞。
杨剑表示：“通过空间转录组学数据，能够绘制出每个细胞内部基因表达的活跃状态图。”
实际上这是一个溯源的过程：如果某个细胞中高表达的基因与疾病易感基因的重叠比例越高，这个细胞就可能与疾病越相关。该团队通过统计学方法，对空间转录组数据中的所有细胞进行扫描，找出与疾病最相关的细胞群体。
研究的结果并非一蹴而就，而是在不断探索中迭代而来。实际上，研究人员开发的第一个版本效果并不理想，主要原因在于建模时过于理想化，没有充分考虑到实际数据的质量问题。
当时，他们使用的空间转录组数据，由于其存在大量缺失值和噪声较多，使得最初的设计方案在实际应用中效果不佳。
为了解决这些问题，研究人员多次调整方案，包括引入图神经网络的 AI 方法来对数据进行降噪处理，进而提升数据的信噪比。
改进后的方案测试结果效果良好。杨剑指出，未来随着 AI 融入和技术进步，其在处理各类数据时将变得更加高效，性能也会更加强大。
（来源：Nature）
这项研究为了解与复杂疾病密切相关的具体细胞提供了新方法，并为复杂疾病的诊断、治疗和研究提供指导。
一方面，该技术有望在复杂疾病相关的制药领域发挥重要作用。一旦明确哪些细胞与特定疾病最相关，通过一系列实验验证，有助于药物的精准递送。
具体而言，药物的作用将不再局限于人体全身，而是精准地作用于特定的细胞。不仅能大量减少用药量，显著降低药物副作用，还有望因精准递送和局部药量充足提升而药效。
另一方面，通过整合组学数据，能够更精准地定位疾病的易感基因，这一信息对于创新药物的研发至关重要。
杨剑解释说道：“当创新药物进入临床试验阶段时，如果能够明确它与疾病的关联性，那么药物在临床试验中的成功率将大大提高。”
实际上，任何从事空间转录组学数据研究的领域都可以运用这种方法，来探究空间转录组数据中相关疾病与哪些细胞最为相关。据了解，已经有植物育种领域的研究人员应用这种方法，基于此，未来动物育种领域也可能是应用方向之一。
“这就像开启了新的大门，而目前我们所做的还只是初步探索。未来，随着空间转录组学技术在更多物种中的应用，有望能够把人类复杂疾病的研究拓展到其他动物模型，甚至可以覆盖人类的不同发育阶段。”杨剑表示。
尽管目前人类成年大脑、胚胎以及各种脏器的空间转录组学数据还相对匮乏，但该团队认为，随着技术的发展和数据的积累，这一领域的研究将不断深入。未来有望在全身各个部位、不同发育时期精准定位出与疾病最相关的细胞，进而实现真正的“时空定位”。
参考资料：
1.Song, L., Chen, W., Hou, J. et al. Spatially resolved mapping of cells associated with human complex traits.Nature(2025). https://doi.org/10.1038/s41586-025-08757-x
运营/排版：何晨龙
