高水平空间组学文章通常不是单一技术的展示，而是通过多层观察逻辑的叠加，形成从"细胞发现"到"组织定位"再到"蛋白观察"的完整研究框架。理解这种框架的逻辑，有助于科研人员在设计课题时更合理地选择和组合技术工具。
以一项发表于《Nature Cancer》的“Spatial single-cell protein landscapereveals vimentinhighmacrophages as immune-suppressive in themicroenvironment of hepatocellular carcinoma”肝细胞癌研究为例，该研究整合了单细胞RNA测序、空间转录组（ST）、PCF(CODEX)超多重蛋白成像、全外显子测序、bulk RNA-seq及体外实验等多种技术手段。这种多技术联合并非简单的技术堆叠，而是遵循了清晰的研究逻辑：首先利用公共scRNA-seq数据识别巨噬细胞和T细胞的转录异质性，发现VIMhigh巨噬细胞作为候选细胞群；随后通过6个独立ST数据集观察这些细胞特征基因的空间分布模式；最后利用PCF(CODEX)和mfIHC在组织原位确认这些细胞的蛋白表达状态、空间位置及与Treg细胞的邻域关系。
在这一框架中，不同技术承担着互补的科研角色。单细胞测序负责发现细胞类型和转录状态，提供候选marker和细胞亚群信息；空间转录组负责将这些转录线索定位到组织区域，呈现基因表达的空间格局；而PCF(CODEX)作为组织原位空间蛋白组学方法，则进一步在蛋白层面观察细胞身份、功能状态和细胞邻域关系。三者结合，使得研究能够从"发现某个细胞群"推进到"观察它们在组织中的具体位置和蛋白表型"，为后续机制假设生成提供更丰富的空间信息。
值得注意的是，该研究在PCF(CODEX)分析中定义了5种空间模式（SP），并基于蛋白层空间特征分析了不同模式下的细胞邻域差异。这些发现并非由单一技术独立完成，而是建立在"scRNA-seq发现—ST定位—PCF(CODEX)蛋白观察"的多层逻辑之上。对于希望构建完整空间组学研究框架的科研人员而言，这种技术联合思路可作为科研设计参考：当研究问题涉及复杂组织微环境中的细胞状态异质性和空间结构时，从转录发现到蛋白观察的多层递进有助于增强研究解释的完整性。
当然，技术联合的具体形式应根据科研问题灵活调整。PCF(CODEX)在这一框架中的价值，不在于替代其他技术，而在于提供其他技术难以直接呈现的组织原位蛋白层信息，帮助研究者将空间表达线索转化为更具体的蛋白层观察和细胞邻域分析。
【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。文中提及的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验证，不构成任何医疗意见。
【参考文献】
Qiu X, Zhou T, Li S, et al. Spatial single-cell protein landscape reveals vimentinhigh macrophages as immune-suppressive in the microenvironment of hepatocellular carcinoma. Nat Cancer. 2024. doi:10.1038/s43018-024-00824-y
