医学转化研究的一个重要挑战，是如何在体外模型中观察到的生物学现象与临床样本之间建立可比较、可量化的联系。2025年斯坦福大学团队在Nature Communications发表的研究，围绕这一问题提出了一种基于超多重蛋白成像技术的定量空间分析框架，为从体外模型到临床样本的空间特征桥接提供了方法学参考。
该研究使用肺腺癌(LUAD)患者来源类器官(PDO)与肿瘤边缘/核心成纤维细胞构建assembloid模型，通过PhenoCycler平台进行15-plex蛋白成像，建立了"colocatome"分析框架。该框架的核心创新在于：通过CLQ共定位系数量化细胞对的空间关系，经空间置换检验评估显著性，再通过标准化处理实现跨样本、跨条件的直接比较。研究团队将这一框架同时应用于体外assembloid模型和人LUAD临床样本，发现assembloid能够有效复现临床样本中的大部分空间共定位特征。更值得注意的是，不同来源的assembloid（TAF-PDO vs TCF-PDO）与临床样本中不同组织学生长模式呈现对应性的聚类关系。
从转化研究角度，这一文献提示了组织原位空间蛋白组学的几方面潜在价值。第一，在体外模型验证方面，PCF所代表的超多重蛋白成像技术可用于定量比较体外模型与临床样本的空间特征一致性，帮助研究者判断特定体外模型是否适合用于后续研究。第二，在药物扰动空间响应方面，该研究观察到erlotinib处理后assembloid中出现了新的空间共定位特征，部分特征在临床样本的特定组织区域中也有呈现，这为药物相关基础研究中的空间组织观察提供了线索。第三，在细胞状态空间解析方面，通过多蛋白标志物组合，研究者可以在组织原位区分癌细胞的上皮-间质转化状态和成纤维细胞的活化亚型，这些信息对于理解组织微环境的空间结构具有参考价值。
该文献的研究设计也为后续联合空间转录组的转化研究提供了思路。例如，空间转录组可以在临床样本中发现与特定组织学生长模式相关的基因表达特征，PCF则可以在对应区域验证这些特征是否伴随特定的蛋白标志物表达和细胞邻域结构变化。这种"转录发现-蛋白观察"的联合路径，可为后续机制假设和实验设计提供更丰富的组织层线索。
适合采用此类方法的课题方向包括：肿瘤微环境空间异质性的体外-体内比较、药物处理前后组织空间重组的定量观察、不同病理区域中的细胞状态差异分析、以及候选蛋白标志物在组织原位的空间分布特征研究等。需要强调的是，这些分析的目的是为后续基础研究提供组织层观察维度和方法学参考，而非直接用于临床判断或治疗决策。单细胞组织原位空间蛋白组学在这一框架中的角色，是帮助研究者将体外模型中的空间发现与临床样本中的空间特征进行定量比较，从而为转化研究提供更扎实的蛋白层空间信息基础。
【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】
Bouchard G, et al. A quantitative spatial cell-cell colocalizations framework enabling comparisons between in vitro assembloids and pathological specimens. Nature Communications. 2025;16:1392. doi:10.1038/s41467-024-55129-6
