空间代谢组技术（Spatial Metabolomics）将质谱成像与空间信息结合，可在组织切片中精准定位代谢物的分布与丰度变化。 通过同时获取分子身份与空间坐标，它为疾病机理解析、药物代谢追踪与个体化诊疗提供全新视角。
在这一框架下，我们将从数据采集与预处理、空间定位与特征提取、代谢通路与功能解析、到多组学融合与应用四个维度， 系统梳理空间代谢组的分析思路与实践要点，帮助你将复杂代谢信号转译为可解释的生物学结论。
一
数据采集与预处理
目标：稳定获取高质量离子影像数据，为后续空间建模与功能解析打牢基础
| 关键步骤 | 方法示例 | 作用描述 |
|---|---|---|
| 样本制备 | 冷冻/FFPE 切片；厚度优化（8–12 µm）；基质喷涂均一化 | 保持代谢物原位分布并提升电离效率 |
| 平台选择 | MALDI‑MSI；DESI‑MSI；SIMS‑MSI（分辨率/通量权衡） | 按分辨率、分子范围与样本兼容性选择成像平台 |
| 扫描参数 | 步进像元大小（10–100 µm）；m/z 范围与分辨率；激光能量/扫描速度 | 在空间分辨率、灵敏度与采集时间之间取得平衡 |
| 质量校准 | 外/内标校准；质量漂移校正；锁定质量离子（lock‑mass） | 提升 m/z 精度，减少跨扫描与跨批次偏移 |
| 峰提取 | 峰拾取与去同位素/去加合物；谱图去噪与基线校正 | 获得干净、可量化的特征峰列表 |
| 归一化 | TIC/RMS 归一化；PQN；参考离子标准化；强度漂移矫正 | 消除技术性强度差异，保证可比性 |
| 批次矫正 | ComBat；LOESS；QC 样本/空白点位监控 | 降低批次效应，提升多片/多批整合分析稳定性 |
| 图像处理 | 离子图平滑/反卷积；热像素去除；与 H&E/IHC 图像配准 | 提升空间信噪比并对齐形态学参照 |
二
空间定位与特征构建
目标：对齐形态学参照，构建反映代谢差异的空间特征并完成分区与可视化
| 关键步骤 | 方法示例 | 作用描述 |
|---|---|---|
| 图像配准 | MSI‑H&E/IHC 共注册；仿射/非线性配准；特征点+RANSAC | 将离子影像与形态学切片精准对齐，定位组织结构参照 |
| 区域分割 | 阈值/超像素（SLIC）；U‑Net/DeepLab；形态学运算 | 基于组织学或离子信号轮廓切分 ROI，减少背景干扰 |
| 空间聚类 | k‑means/高斯混合；Leiden/Louvain；SpaGCN/GraphSLC | 结合光谱相似度与邻接关系，划分代谢功能亚区 |
| 特征构建 | m/z 峰强度/比值；GLCM 纹理；Moran’s I/Geary’s C；局部热点 | 提取表达与空间统计特征，增强区分度与可解释性 |
| 降维可视化 | PCA；UMAP；t‑SNE；谱系嵌入 | 在低维空间展示样本/像元关系，揭示代谢梯度 |
| 多模态融合 | CCA/多视图学习；共嵌入（MSI×H&E/IHC/空转）；图神经网络 | 整合形态与分子层信息，提升定位与分型稳定性 |
| 细胞级聚合 | 核分割+像素汇聚；最近邻/Voronoi 投影；细胞轮廓加权 | 将像素级信号映射到细胞单位，便于细胞类型分析 |
| 伪彩与热点 | 多离子通道合成；比例/比值图；Getis‑Ord Gi* 热点图 | 直观呈现代谢物共现与富集区域，支撑假设生成 |
三
区域功能解析与代谢通路挖掘
目标：识别关键代谢物及其空间分布模式，解析功能通路与代谢网络结构
| 关键步骤 | 方法示例 | 作用描述 |
|---|---|---|
| 差异代谢物筛选 | t-test；Mann-Whitney；PLS-DA VIP；Random Forest | 鉴定不同区域/分组间显著变化的代谢物 |
| 代谢通路富集 | KEGG；HMDB；MetaboAnalyst；Reactome | 解析涉及的生化途径，揭示功能机制 |
| 空间共现网络 | Pearson/Spearman 相关；WGCNA；共表达模块分析 | 识别代谢物协同变化模式及潜在调控关系 |
| 热点区域检测 | Getis-Ord Gi*；Moran’s I 局部指标 | 定位代谢物高富集功能区，辅助生物学解释 |
| 空间-通路整合 | 网络拓扑分析；通路活动评分；GSVA | 将空间分布与通路活性结合，揭示区域功能差异 |
| 多组学关联 | CCA；DIABLO；Multi-Omics Factor Analysis | 与转录组/蛋白组等数据联动，探讨分子层面关联 |
四
区域功能解析与代谢通路挖掘
目标：识别关键代谢物及其空间分布模式，解析功能通路与代谢网络结构
| 关键步骤 | 方法示例 | 作用描述 |
|---|---|---|
| 差异代谢物筛选 | t-test；Mann-Whitney；PLS-DA VIP；Random Forest | 鉴定不同区域/分组间显著变化的代谢物 |
| 代谢通路富集 | KEGG；HMDB；MetaboAnalyst；Reactome | 解析涉及的生化途径，揭示功能机制 |
| 空间共现网络 | Pearson/Spearman 相关；WGCNA；共表达模块分析 | 识别代谢物协同变化模式及潜在调控关系 |
| 热点区域检测 | Getis-Ord Gi*；Moran’s I 局部指标 | 定位代谢物高富集功能区，辅助生物学解释 |
| 空间-通路整合 | 网络拓扑分析；通路活动评分；GSVA | 将空间分布与通路活性结合，揭示区域功能差异 |
| 多组学关联 | CCA；DIABLO；Multi-Omics Factor Analysis | 与转录组/蛋白组等数据联动，探讨分子层面关联 |
五
多组学整合与空间代谢网络构建
目标：整合多维组学信息，构建全景化的空间代谢网络，助力精准解读生物学机制
| 关键步骤 | 方法示例 | 作用描述 |
|---|---|---|
| 跨组学数据整合 | MOFA+；DIABLO；iClusterPlus | 融合转录组、蛋白组、代谢组等多组学数据，形成统一分析框架 |
| 空间相关性分析 | Mantel Test；Procrustes 分析 | 量化不同分子层面在空间分布上的相关性 |
| 代谢网络推断 | Gaussian Graphical Model；Bayesian Network | 基于代谢物共变关系推测调控与交互网络 |
| 通路-空间可视化 | Cytoscape；Spatial Pathway Maps | 将代谢通路映射到组织空间，实现直观呈现 |
| 关键节点识别 | 网络拓扑分析；中心性指标（Degree、Betweenness） | 筛选网络中潜在的核心调控分子或代谢物 |
| 功能验证设计 | 代谢流实验；功能阻断实验 | 基于网络预测结果进行生物学验证 |
空间代谢组学分析的应用领域
- 肿瘤代谢异质性研究：揭示肿瘤细胞与微环境在代谢活性上的空间差异
- 代谢通路重构分析：追踪疾病发展过程中关键代谢通路的变化轨迹
- 药物作用机制解析：定位药物在不同组织区域的代谢效应
- 营养与代谢健康研究：探索不同组织类型在营养代谢上的差异模式
在空间代谢组学研究中，博兆医疗致力于探索组织代谢的空间格局，为疾病机理解析和临床研究提供可靠的数据支持。