news 2026/7/5 13:53:33

从PCF到Xenium:空间蛋白组与空间转录组如何互补解析GBM组织生态

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
从PCF到Xenium:空间蛋白组与空间转录组如何互补解析GBM组织生态

复杂肿瘤组织往往需要多种空间组学方法共同解读。《Cell》这项胶质母细胞瘤(GBM)研究之所以具有方法学参考价值,是因为它将PCF(CODEX)空间单细胞蛋白组、Xenium空间转录组和TCR测序放在同一研究框架中:PCF观察蛋白表型和细胞邻近关系,Xenium解析基因表达状态和空间梯度,TCR测序追踪T细胞克隆扩增来源。这项研究充分展示了说明空间蛋白组不是孤立技术,而是可与空间转录组和克隆追踪共同构建组织原位证据链的分析体系。

GBM免疫微环境的难点在于,单一层面的数据容易产生片面理解。若只看T细胞数量,无法区分组织驻留、早期活化、增殖或干细胞样状态;若只看转录表达,也可能缺少蛋白层面细胞毒性、凋亡和邻域接触证据。文献提出的问题正是多层次的:T细胞是否进入肿瘤实质、是否保持功能状态、是否来自既存克隆扩增、是否与肿瘤细胞形成近距离接触,以及肿瘤细胞是否出现缺氧相关空间逃逸区域。这些问题需要蛋白、RNA和TCR信息互相验证。

在具体技术路线中,PCF(CODEX)对16名复发性GBM患者配对FFPE样本进行27抗体检测,分析约380万个细胞,直接给出T细胞、髓系细胞、血管内皮和肿瘤细胞的空间分布及蛋白状态。Xenium对8名患者配对样本进行380-plex商业panel和100个定制探针检测,识别11种主要细胞类型,并解析T细胞功能分群和空间梯度。TCR测序与Xenium原位检测显示,干预后扩增的T细胞克隆主要来自干预前已存在于肿瘤内的克隆。PCF80可在这一基础上扩展蛋白Panel,用于承接转录组发现并在组织原位验证关键细胞状态。

方法学联用的拓展方向非常明确。肿瘤免疫课题可先用空间转录组发现T细胞状态和肿瘤细胞状态,再用PCF80验证GZMB、PD-1、Ki67等蛋白是否出现在特定邻域;克隆扩增研究可把TCR信息与空间位置关联,观察扩增克隆是否靠近肿瘤细胞;神经肿瘤研究可把肿瘤细胞状态、血管结构和免疫细胞状态整合成多层空间图谱。PCF80可帮助研究者把转录层面的候选发现转化为蛋白层面的组织原位分析,进一步观察细胞是否相邻、功能是否一致、空间区域是否存在分化。

【说明】本文仅为科研技术方法介绍,不涉及疾病诊断、治疗建议或用药指导。文中提及的研究发现均来自学术文献,不构成任何医疗意见。如有健康问题,请咨询专业医疗机构。

【参考文献】Meylan M, Tian Y, Wu L, Ling AL, Kovarsky D, Barlow GL et al. Persistent T cell activation and cytotoxicity against glioblastoma following single oncolytic virus treatment in a clinical trial. Cell. 2026:S0092-8674(25)01504-1. 来源于原始文献资料。

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/7/5 13:53:21

【关于接口幂等】

“接口幂等”是后端开发中非常核心的一个概念,也是面试中的高频考点。它直接关系到系统的数据一致性和稳定性。 以下是对“接口幂等”的全面解析,从概念、场景到具体的落地实现方案。一、 什么是接口幂等? 数学定义: 在数学中&…

作者头像 李华
网站建设 2026/7/5 13:53:01

操作系统核心本质与计算机体系结构精讲,CPU/内存/磁盘/总线协作机制、内核四大核心模块、程序运行底层原理

0. 前言:所有软件的终极运行底座我们掌握了服务端高性能编程、网络架构与线上调优能力,第127天我们正式开启操作系统、计算机网络、数据库、AI四大核心体系的全新进阶之路。从今天开始,我们正式深耕操作系统底层原理。很多开发者长期存在一个…

作者头像 李华
网站建设 2026/7/5 13:50:56

屏幕录制软件功能一览,客观罗列各项基础信息

办公教学、素材记录时经常需要捕捉电脑屏幕画面,下面整理五款电脑端录屏相关程序,分别记录每款工具具备功能、存在不足、适配场景,无宣传话术,不区分优劣,文末不给出选择建议。录屏大师有什么功能:提供全屏…

作者头像 李华
网站建设 2026/7/5 13:50:17

TensorRT-LLM 高性能部署——NVIDIA 生态下的推理天花板

前置知识:第12篇(张量并行)/ 第19篇(vLLM 推理引擎) 引言:编译一次,永久受益 vLLM 是 Python 层面的极致优化,TensorRT-LLM 则更进一步——在 CUDA 核心层做优化。 它的工作方式完全不同: vLLM: 模型加载 → 解释执行 → 每次推理都要"解释"计算图…

作者头像 李华
网站建设 2026/7/5 13:47:40

深入解析ACE:多核内存一致性管理的核心协议(2)

目录 前言 四、ACE一致性MOESI模型定义 4.1 cache line的5种状态 4.2 Snooped cache状态变化规则 4.3 Initiating cache状态变化规则 4.4 Initiating/Snooped cache状态变化举例 五、ACE一致性传输具体传输流程 5.1 NC一致性传输 5.2 RS一致性传输 5.3 WS一致性传输 …

作者头像 李华