【每天一个知识点】 时空组学（Spatiotemporal Omics）
🧬1. 背景与定义
传统的组学研究，如基因组学（Genomics）、转录组学（Transcriptomics）、蛋白质组学（Proteomics）等，大多忽略了 空间位置（Where） 与 时间动态（When） 两个维度。
而生命系统本质上是 时空动态演化的复杂网络：
同一基因在不同组织、不同时间点可能发挥完全不同的作用；
细胞之间的相互作用不仅依赖分子表达，还取决于 邻近关系 和 微环境背景。
时空组学（Spatiotemporal Omics） 因此应运而生，它旨在 结合单细胞、多组学、空间定位与时间演化，绘制生命系统的 四维分子图谱（3D空间 + 时间）。
2. 技术手段
2.1 空间维度
空间转录组学：如 10x Visium、Slide-seq、MERFISH、seqFISH，能在组织切片上获取基因表达，并保留其二维坐标。
空间蛋白组学：通过质谱成像（MALDI-IMS）、CODEX 等，实现蛋白的空间定量。
空间表观组学：如原位 ATAC-seq、甲基化测序，揭示基因调控在空间层面的差异。
2.2 时间维度
时序单细胞测序：不同时间点采集 + 轨迹推断（Monocle、Palantir、scVelo）→ 重建细胞状态演化路径。
动态多组学追踪：在细胞分化、疾病进展、药物响应等过程中，解析关键转折点。
2.3 时空多模态整合
结合 空间+时间+多组学 数据，用计算方法（图神经网络 GNN、时序图模型、动态贝叶斯网络等）进行融合建模。
3. 典型应用场景
发育生物学：重建胚胎或器官发育的时空调控图谱。
肿瘤微环境：解析癌细胞与免疫细胞在肿瘤组织中的 空间互作 和 动态免疫逃逸过程。
神经科学：绘制脑区细胞的时空分布与发育轨迹，探索神经退行性疾病机制。
再生医学与疾病修复：追踪干细胞移植或损伤修复过程中的细胞命运变化。
精准医学：通过时空分子特征，实现疾病早期诊断和个性化治疗。
4. 计算与挑战
高维数据融合：不同模态（RNA、蛋白、表观修饰）的整合。
批次效应与标准化：跨时间点、跨组织切片的一致性问题。
时空网络建模：如何构建准确的 细胞-细胞时空交互网络 是难点。
算力需求：超大规模矩阵和图结构分析需要高性能计算平台。
