同一张切片，蛋白与RNA双维度：IN-DEPTH如何揭示EBV重塑肿瘤微环境

空间转录组与空间蛋白组各自威力强大，但同一张切片上同时获取两种数据一直是技术瓶颈。哈佛团队开发的IN-DEPTH工作流程，先做蛋白再做RNA，不仅信号零损失，还用SGCC算法揭示出EBV阳性淋巴瘤中一条完整的肿瘤-巨噬细胞-CD4 T细胞免疫抑制轴。

一、空间多组学的核心痛点

空间转录组能看到全转录组信息，但RNA无法完全预测蛋白质功能状态；空间蛋白组直接捕获功能性分子表型，但通量有限。两者若能同一张切片上联合，就能真正打通基因表达与蛋白质功能之间的鸿沟。

然而现有方法面临四大障碍：通量限制（蛋白标记数有限）、空间分辨率不足（grid/spot方法丢失单细胞细节）、蛋白表位损伤（转录组建库的蛋白酶处理破坏蛋白信号）、FFPE兼容性差（临床石蜡标本适配困难）。

IN-DEPTH（IN-situ DEtailed Phenotyping To High-resolution transcriptomics）的核心思路是：先蛋白后RNA——先完成高维空间蛋白组成像，再用蛋白图像指导后续空间转录组捕获。由于蛋白酶消化只发生在RNA步骤中，蛋白信号早已采集完毕，从而实现"零损失"。

研究团队在多种组织（扁桃体、淋巴瘤、肾癌、牙周病、脑肿瘤、子宫癌）上测试了11种蛋白-转录组平台组合：几乎所有组合的基因相关性都超过0.94。CODEX-GeoMx R=0.938，CODEX-VisiumHD R=0.966，CODEX-Xenium R=0.970。甚至在脑组织上进行了60轮CODEX成像极限测试后，RNA基因相关性仍保持R=0.966。

二、SGCC：用图谱信号处理量化空间协同

有了同切片多组组数据，如何挖掘细胞间的空间协同变化？团队开发了SGCC（Spectral Graph Cross-Correlation），基于图谱信号处理和谱图小波变换：

SGCC的核心价值在于：负值表示两种细胞空间共现减少，正值表示共现增加。当多个样本可用时，SGCC可作为连续空间因子，与转录组数据整合识别空间动态变化的基因。

在扁桃体验证中，SGCC成功区分了生发中心的暗区（DZ，低SGCC，T-B各自聚集、体细胞高频突变）和亮区（LZ，高SGCC，T-B交互活跃、选择过程），与经典免疫学认知完全一致。与其他空间统计方法（Cross-Variogram、Moran's I等）相比，SGCC对细微空间差异的敏感性显著更高。

三、EBV如何重塑淋巴瘤微环境

团队将IN-DEPTH应用于弥漫大B细胞淋巴瘤（DLBCL），对比EBV阳性（n=17）与EBV阴性（n=13）患者。这是首次用同切片空间多组组系统性地拆解EBV对TME的影响。

关键发现层层递进：

EBV阳性样本中CD68+CD163+巨噬细胞预期计数是EBV阴性的1.91倍（p<0.05），而免疫活化型CD68+巨噬细胞仅为0.86倍。这构建了一个完整的模型：EBV重塑TME → MHC II下降 + PD-L1升高 → 巨噬细胞免疫抑制极化 → CD4 T细胞功能障碍。

四、SGCC揭示肿瘤-巨噬-CD4三方空间轴

SGCC在多细胞层面的分析揭示了EBV阳性与阴性DLBCL中截然不同的空间互动模式：

三元SGCC分析发现，CD4 T细胞功能障碍在三种细胞共定位的区域达到峰值。LMP1丰度也在三元中心富集，且与免疫抑制型巨噬细胞极化和CD4 T细胞功能障碍正相关。

在单细胞分辨率（CODEX-CosMx，~6000基因，96个视野），SGCC揭示了多细胞层面无法分辨的细节：EBV阳性肿瘤相关巨噬细胞中，补体级联通路活性被选择性抑制——C1Q极化与补体效应功能被"解耦"，肿瘤微环境选择性地限制了补体介导的巨噬细胞杀伤功能。

五、LMP1标记的肿瘤区域：IL-27/STAT3信号轴

LMP1作为EBV编码的组成性激活CD40模拟蛋白，是否是驱动空间免疫重塑的关键？团队将巨噬细胞锚定到最近的肿瘤细胞（20μm内），分为"LMP1+肿瘤邻近"和"LMP1-肿瘤邻近"两组。

在独立验证队列（4个临床中心、96个视野）中，C1Q巨噬细胞特征在EBV阳性DLBCL中一致升高，且与CD4 T细胞功能障碍显著正相关，与CD8 T细胞无关联——证实了这条轴的CD4特异性。

六、总结与启示

对蛋白组学和代谢组学研究者而言，这项工作的启示在于：空间多组组不再需要计算整合相邻切片——同切片数据消除了配准误差和拓扑噪声。SGCC框架天然模态无关，未来可扩展到蛋白质组-代谢组等其他空间模态组合。EBV阳性DLBCL中C1Q巨噬细胞与CD4 T细胞功能障碍的关联，为免疫检查点治疗的响应差异提供了空间机理解释。