高水平空间组学文章越来越重视“多层证据”的组织方式。这里的多层证据并不是简单把单细胞测序、空间转录组和空间蛋白组堆在一起而是让每一层技术回答不同问题单细胞或转录组数据帮助研究者理解细胞类型和分子状态空间转录组帮助定位基因表达和组织区域PCF这类组织原位空间蛋白组学方法则进一步观察蛋白表达、细胞状态和细胞邻域。这样的研究框架更适合处理肿瘤组织这类高度复杂的微环境问题。这篇Cancer Cell小细胞肺癌研究的设计就体现了这种思路。研究者基于 165 例患者样本使用PCF(CODEX)35-plex 获得单细胞分辨率的空间蛋白图像同时整合 WES、RNA-seq、CosMx 和 IHC 等数据。PCF(CODEX)负责在组织原位识别肿瘤细胞、免疫细胞、内皮细胞、间质相关细胞以及多个功能状态标志物基因组和转录组数据用于辅助理解分子背景CosMx 和 IHC 则用于进一步观察部分发现。这样的组合使研究从“组织里有什么细胞”扩展到“这些细胞如何分布、如何形成邻域、与哪些研究终点相关”。从单细胞层面看研究者观察到小细胞肺癌组织中存在明显的肿瘤细胞异质性包括 ASCL1、NEUROD1、POU2F3、YAP1 等分型相关标志物的差异以及多阳性肿瘤细胞群体。传统 bulk RNA-seq 可以提示分子亚型差异但难以说明这些细胞在组织内部如何排列也难以区分不同区域中细胞状态的细节。PCF类方法的作用正是把这些分型和状态相关蛋白放回组织切片中观察它们是否形成局部富集、是否靠近免疫细胞或间质区域。从空间结构层面看文献进一步使用细胞邻域和 ColonyMap 分析观察局部微环境的空间组织方式。研究者不是只统计 CD8 T 细胞或巨噬细胞数量而是关注它们是否组成特定的免疫生态位以及这些生态位是否呈现局部聚集。这个思路对PCF文章写作很有启发空间蛋白组的核心价值不只是“多测几个蛋白”而是把蛋白表达、细胞身份、空间坐标和邻近关系放在同一个分析框架中从而让组织微环境研究更接近真实组织结构。因此所谓“单细胞测序 空间转录组 PCF”的高水平范式本质上是从细胞发现、空间定位到蛋白状态观察的层层推进。单细胞测序提供细胞类型和转录线索空间转录组提供表达地图PCF 提供组织原位蛋白层观察和细胞邻域分析。需要注意的是这并不意味着做齐多种技术就一定能产出高水平文章真正重要的是科学问题是否需要这些层次以及每一层数据是否能够服务于同一个研究逻辑。【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观察与复核不构成任何医疗意见。