Nat Methods | 原致远/赵屹/冯建峰合作提出3D数字器官重构新算法

细胞的功能不仅取决于其自身的基因表达，更取决于其在三维（3D）空间中的位置以及与周围微环境的3D互作，理解组织结构的3D复杂性是解析生物功能的关键。然而，当前主流的空间转录组学（Spatial Transcriptomics,ST）技术大多局限于二维（2D）平面，这种观测维度的局限导致我们难以还原器官内部基因表达的连续梯度、细胞细胞微环境的立体分布以及精细的细胞互作网络。尽管研究者们试图在Z轴上堆叠多张2D切片以近似三维结构，但受限于高昂的实验成本与有限的实验通量，不得不对Z轴方向的采样密度做出妥协。这种折衷方案导致切片之间往往存在不可忽视的物理间距（例如100微米，相当于缺失了约5-10层细胞的信息），使得最终获取的数据在Z轴上呈现为高度稀疏的采样状态。这种采样方式将原本连续的生物组织割裂为离散的稀疏的断层面，使得现有的三维图谱往往缺乏连续性与完整性。

2025年12月31日，复旦大学冯建峰/原致远团队联合中国科学院计算技术研究所赵屹团队，发展了一种全新的计算框架SpatialZ。相关成果以Bridging the Dimensional Gap from Planar Spatial Transcriptomics to 3D Cell Atlases为题发表于Nature Methods期刊。该框架基于细胞微环境连续性假设，融合最优传输理论，在稀疏的真实切片间生成虚拟切片（Virtual Slices），实现了从离散2D切片到密集3D图谱的重构。同时，基于该突破性框架，研究团队收集公开数据集，利用稀疏采样的实验数据，成功构建了包含超3800万个细胞基因表达和三维坐标的数字鼠脑。这是首个具有单细胞分辨率的空间三维大脑参考系（3D Reference Atlas），为生命科学领域提供了一个标准化的组学数字器官模型，为解析大脑的复杂空间组织提供了统一的参考系统。

受到单细胞测序分析中“伪时间（Pseudo-time）”概念的启发，研究人员提出，正如细胞在分化发育过程中呈现连续的基因表达轨迹，生物组织在3D空间上也应当遵循细胞微环境连续性（Niche Continuity）原则。SpatialZ构建了一套基于最优传输理论（Optimal Transport Theory）与相似度图网络的计算框架，通过四步级联算法实现了高保真的三维重构：（1）空间对齐：利用空间配准算法或者映射到公共坐标框架（如CCFv3），将稀疏的2D真实切片对齐；（2）位置生成：通过引入切片近似与蒙特卡洛采样，并使用切片Wasserstein重心优化（Sliced Wasserstein Barycenter Optimization）来寻找相邻切片间细胞群体映射的最优路径，从而在Z轴间隙中精准预测出符合生物学规律的细胞物理坐标分布；（3）细胞状态推断：SpatialZ采用了一种基于空间梯度的加权采样策略。该策略综合考虑了上下相邻切片的细胞类型分布密度，通过概率推断为虚拟细胞分配最可能的细胞身份，确保了细胞类型在三维空间中的平滑过渡与异质性保留；（4）表达谱推断：基因表达不仅取决于细胞类型，更受其微环境（Niche）的深刻影响。SpatialZ利用课题组前期开发的多尺度细胞上下文解码器（Multi-range cEll context DEciphereR, MENDER）[https://www.nature.com/articles/s41467-023-44367-9]，对细胞的局部细胞微环境进行多尺度建模。通过计算细胞微环境相似性，从真实数据中精准检索并加权合成细胞的基因表达谱，确保生成的细胞不仅在位置上准确，更在功能和微环境特征上高度还原真实的生物学状态。

为全面评估模型的可靠性，研究团队利用具有原生三维信息的小鼠视觉皮层STARmap数据建立了严格的基准测试。结果显示，SpatialZ不仅精准还原了稀疏采样中缺失的中间层信息，其生成的虚拟切片在基因表达与空间分布模式上均与真实切片（Ground Truth）高度一致。

与未插值的稀疏采样数据相比，经 SpatialZ 空间插值后的完整数据集与真实三维数据表现出更高的相关性与统计显著性。随后，研究团队进一步在结构更为复杂、采样更稀疏的小鼠下丘脑视前区MERFISH数据集上进行了泛化能力测试。验证结果显示，重构后的图谱不仅精准还原了特定脑区标记基因在Z轴上的连续梯度变化，且显著优化了下游分析任务的效果，有力证明了该工具能有效修复因采样稀疏导致的结构信息断裂。

进一步地，研究团队通过收集公开数据，基于美国脑计划最新发布的一系列小鼠脑空间转录组数据集，利用 SpatialZ 取得了里程碑式的应用成果。团队利用129张稀疏小鼠大脑切片，构建了国际首个单细胞分辨率的3D虚拟鼠脑器官，包含超过3800万个细胞的高维组学信息和3D空间坐标。相比之下，这一规模在传统实验层面难以实现。依托于这一数字器官，SpatialZ 提供了强大的功能应用，极大地拓展了空间组学的分析维度，赋予了研究者一套强大的数字工具集。其中，数字切片（In Silico Sectioning）模块，使研究者能够摆脱传统单一物理切片制备视角的束缚，可任意角度解析包含二维矢状、水平或自定义切面，或者三维联合多视角的的基因表达梯度。此外，结合 CAST[https://www.nature.com/articles/s41592-024-02410-7] 映射算法，SpatialZ依托重建的图谱实现了3D空间搜索（3D Spatial Search）功能，能够将不同实验室产出的脑组织切片精准定位至全脑参考图谱的特定解剖坐标，从而克服实验数据的碎片化难题，极大地推动跨样本、跨研究的数据整合与复用。

SpatialZ的价值也不仅体现在小鼠脑图谱这一单一物种和单项技术上，其底层逻辑具有强大的泛化能力。研究团队指出，这一框架可轻松扩展至空间蛋白组学（Spatial Proteomics）、空间代谢组学乃至空间多组学数据，为复杂疾病研究带来全新视角。为进一步验证 SpatialZ 的通用性，研究团队将该方法应用于人类乳腺癌组织的成像质谱流式（Imaging Mass Cytometry, IMC）数据来解析三维肿瘤微环境，并通过伪三维合成切片纠正了真实实验中因组织缺失或技术伪影造成的表达异常，从而为肿瘤免疫治疗靶点的空间筛选提供更立体的依据。这一成功应用有力地证明了 SpatialZ 是一种模态无关的通用计算工具，为最终构建全物种、全器官的三维空间多组学数字器官奠定了方法学基础。

综上所述，SpatialZ以计算手段突破实验技术限制，跨越了从单细胞水平到组织切片，再到整个器官数字化的层级化探索。作为全球首个单细胞分辨率的3D数字大脑，该工作不仅为神经科学研究提供了标准化的数字基准，更为解析复杂的组织空间奠定了统一的计算分析框架和可泛化的工具集，不仅为构建跨模态、跨器官、跨物种的综合性三维空间图谱创造了新的可能，更有望在发育生物学、神经科学、肿瘤学等领域催生一系列新的发现。

本文的共同通讯作者为复旦大学原致远、冯建峰和中国科学院计算技术研究所赵屹。研究中数据规模庞大且多样，涉及大量公开数据的收集、数据质量控制、预处理和分析、生物学解读等团队协作流程。在此过程中，林森林、王智康、崔岩、邹麒和韩创意等同学作为共同第一作者作出了重要贡献。此外，郁金泰、彭汉川、张奇伟、宋江宁和高瑞等交叉领域专家为本研究提供了宝贵的指导和支持。

https://www.nature.com/articles/s41592-025-02969-9

制版人： 十一

学术合作组织

（*排名不分先后）

战略合作伙伴

（*排名不分先后）

转载须知

【非原创文章】本文著作权归文章作者所有，欢迎个人转发分享，未经作者的允许禁止转载，作者拥有所有法定权利，违者必究。

BioArt

Med

Plants

人才招聘

近期直播推荐

点击主页推荐活动

关注更多最新活动！