Nature Genetics
CytoSignal实现空间转录组中配体-受体信号的单细胞分辨率定位与动态解析
小赛推荐：
该研究为解析发育与疾病过程中细胞间通讯的空间组织模式提供了全新计算框架，显著提升了对免疫微环境和肿瘤生态系统中信号网络动态的认知，为设计靶向微环境的干预策略提供了方法学支撑。
文献概述
本文《CytoSignal detects locations and dynamics of ligand–receptor signaling at cellular resolution from spatial transcriptomic data》，发表于《Nature Genetics》杂志，系统探讨了如何从空间转录组数据中以单细胞分辨率推断配体-受体（LR）信号的活性位置与动态变化。作者开发了CytoSignal与VeloCytoSignal方法，突破了传统细胞通讯分析在空间与时间维度上的局限，实现了对信号强度梯度、接触依赖与扩散依赖信号模式、以及信号相关基因程序的系统解析。该研究通过邻近连接实验（PLA）进行原位验证，证实其预测准确性优于现有方法，为领域提供了稳健且可扩展的工具。背景知识
细胞间通讯是发育、组织稳态与免疫响应的核心机制，其失调与癌症、神经退行性疾病和自身免疫病密切相关。尽管单细胞RNA测序（scRNA-seq）揭示了配体与受体的表达谱，但缺乏空间信息限制了对真实信号事件的判断。现有空间方法多在细胞类型簇层面推断信号，忽略了异质性与空间连续性。此外，多数工具无法区分接触依赖（如Notch-Delta）与扩散依赖（如Wnt、FGF）信号机制，更缺乏对信号动态趋势的预测能力。当前信号通路研究常依赖下游基因注释，但通路数据库不完整且易引入偏差。CytoSignal的提出正是为了解决上述瓶颈，通过整合空间邻域信息与RNA速度，实现真正单细胞、高分辨率、机制特异且动态的信号图谱构建。该方法特别适用于研究胚胎发育、肿瘤微环境和神经环路中的精细信号网络。
研究方法与核心实验
作者应用CytoSignal于多种空间转录组技术（包括Slide-seq、Slide-tag和Stereo-seq）生成的发育小鼠脑与全胚胎数据。在小鼠胚胎Stereo-seq数据中，CytoSignal成功识别了已知的关键信号相互作用，如Dll1–Notch1（接触依赖）和Fgf8–Fgfr1（扩散依赖），并精确定位其活性区域，如在脉络丛和前脑边界。通过计算每个空间位置的LRscore（配体与受体表达乘积），作者揭示了信号强度沿皮层层深的梯度变化，例如Sema3a–Plexina4-Nrp1信号在SVZ层达到峰值。此外，CytoSignal区分了不同信号模式的空间分布，发现成纤维细胞周围富集扩散信号，而放射状胶质细胞区域富集接触信号，与已知生物学功能一致。
为验证预测准确性，作者设计了配对的邻近连接实验（PLA）与高分辨率空间转录组（Visium HD）分析。PLA可检测蛋白间<40nm的物理相互作用，为信号发生提供“金标准”。通过图像配准与信号量化，作者系统比较了CytoSignal与其他五种方法的预测性能。结果显示CytoSignal在多个组织区域（如脊髓、肝脏、脑区）的AUC值显著更高，证明其预测更贴近真实蛋白相互作用位置。此外，作者利用scDesign3模拟多样本数据，验证CytoSignal在差异信号分析中的低假阳性与假阴性率。关键结论与观点
研究意义与展望
该研究为发育生物学、肿瘤学和神经科学等领域提供了强大的计算工具，使研究者能够绘制高分辨率的细胞通讯图谱。CytoSignal的输出可直接用于构建基因调控网络，指导功能验证实验设计，如空间CRISPR筛选。其动态预测能力有助于解析信号在细胞命运决定中的因果作用，推动从相关性分析向机制性研究的跨越。
在临床层面，该方法可用于分析患者组织切片，识别疾病特异的信号枢纽，如肿瘤与免疫细胞间的异常通讯，为精准医疗提供新靶点。结合空间蛋白组数据，可进一步验证信号活性，加速生物标志物发现。未来整合多组学数据，CytoSignal有望成为解析组织生态系统的核心分析流程。
结语
本研究开发的CytoSignal与VeloCytoSignal方法，标志着细胞间通讯分析进入单细胞空间动态时代。通过精确推断配体-受体相互作用的位置、机制与趋势，该工具不仅解决了领域长期存在的技术瓶颈，更在发育与疾病模型中揭示了信号网络的复杂时空逻辑。其经过PLA实验验证的高准确性，为后续研究提供了可靠标准。从实验室到临床，CytoSignal有望成为解析组织微环境、胚胎发育和肿瘤生态的基石技术，推动从静态分子图谱向动态功能网络的转化。对于神经退行性疾病、癌症免疫治疗和再生医学等领域，该方法将助力识别关键信号节点，加速药物靶点发现与治疗策略优化，最终提升对复杂疾病的系统性理解与精准干预能力。
