Trends Plant Sci | 中美学者系统总结植物空间多组学研究趋势及其数据分析策略

2025年10月28日，浙江大学樊龙江教授团队联合美国佐治亚大学Robert J. Schmitz教授、密歇根大学Alexandre Marand助理教授和华大生命科学研究院白寅琪研究员，在Trends in Plant Science发表题为Advances in plant spatial multi-omics data analysis的综述论文。该论文系统梳理了植物空间多组学领域的最新研究趋势，深入总结了针对植物数据特性优化的数据分析策略，为植物空间多组学研究提供了系统化的思路与实践指南。

植物空间组学步入多组学融合与亚细胞分辨率时代，研究版图持续拓展至更多非模式植物。空间转录组（Spatial Transcriptomics, ST）技术的出现，使研究者能够在保持组织结构完整的前提下，直接解析基因在组织中的空间分布格局，从而为揭示细胞发育与分化过程提供了全新的视角。过去五年间，植物空间组学研究经历了由单一组学向多组学融合的快速演进，逐步发展为空间多组学，将单细胞RNA测序、染色质开放测序以及空间代谢组等多层次数据有机结合，实现了对细胞结构、基因调控与代谢动态的多维度解析。该研究汇总了截至2025年9月已发表的60篇植物空间组学研究，涵盖了拟南芥、水稻、大豆、小麦、棉花等多种模式与非模式植物及其多类型组织。随着 Stereo-seq、BMKMANU、MERFISH、Xenium等多种空间转录组平台在植物研究中的广泛应用，空间分辨率从传统的50 μm 逐步提升至亚细胞级别（0.5 μm），极大拓展了植物空间生物学的研究边界。研究主题亦从单一发育过程延伸至抗逆响应、跨物种比较分析以及多组学联合调控机制解析，为揭示植物细胞层面的时空调控网络提供了前所未有的契机。

图1植物空间转录组数据预处理流程

构建从实验到计算的分析流程框架。该综述围绕“从样品制备到下游分析”的完整流程，系统梳理了植物空间多组学数据分析的核心环节。作者首先归纳了不同平台下植物样品制备的关键参数与优化策略，阐明了组织固定、酶解及透化条件对 RNA 捕获效率与信噪比的影响，为提升植物空间转录组数据质量提供了可操作的技术参考。在数据处理层面，该论文梳理了标准化的分析框架，涵盖数据获取的不同策略、空间矩阵构建、细胞分割、批次效应校正以及数据缺失填补等关键步骤（图1），旨在为植物空间组学数据的稳定分析奠定基础。

在下游分析部分，该论文系统介绍了空间域识别、空间变异基因挖掘、以及多组学联合的细胞间通讯与空间生态位分析、以及多切片三维重建等关键方向的代表性方法与工具（图2），并对这些算法在植物数据中的适用性与优化策略进行了系统评述，为研究者在不同场景下选择合适的分析途径提供了参考。

图2植物中空间多组学下游数据分析框架

迈向植物三维发育图谱与智能分析模型。该研究展望植物空间组学研究发展趋势，认为除了空间转录组和代谢代谢组外，未来植物空间组学的发展将进一步拓展到空间表观组学和空间蛋白组学，揭示染色质状态、转录后调控与信号通路在空间层面的复杂调节机制（图3）。同时，结合人工智能与基础模型（如scPlantFormer、EpiAgent等），有望实现充分利用现有的图谱数据，快速实现植物细胞类型的自动识别与跨物种对比分析，加速植物发育、胁迫响应与进化机制的解析。

图3空间多组学技术在植物科学中的应用

浙江大学农业与生物技术学院博士生姚洁为论文第一作者（现为佐治亚大学Schmitz教授课题组博后），浙江大学农业与生物技术学院/崖州湾国家实验室樊龙江教授为通信作者。该研究得到了国家生物育种重大专项、国家自然科学基金及浙江大学博士生学术新星计划的支持。郭兴博士（华大基因）和罗子良博士（佐治亚大学）在空间转录组实验预处理流程与参数优化方面提供指导，以及鲍志炜博士（浙江大学）提供实验信息提取AI智能体支持。

论文链接：

https://doi.org/10.1016/j.tplants.2025.10.005