为什么你的单细胞数据挖不出新东西？因为你只看了细胞群，而忽略了这个重点……

来源：市场资讯

（来源：课题指南针）

在单细胞测序刚刚普及的那几年，大家做的工作主要集中在“列表式”的发现：肿瘤里有哪几类细胞，哪些亚群是新的，哪些标志物可以用来区分它们。然后根据差异表达的基因去猜功能。这种做法当然很有价值，但逐渐地，大家发现了一个问题：你找到了某个细胞亚群，分离出来单独培养，表型往往和它在组织里看到的不一样。这个亚群在病人里的预后意义很好，但到了体外功能实验里，好像也没那么厉害。

问题出在哪里？很可能是因为，你把细胞从它原本的“社交网络”里拽出来了。在真实的组织中，没有一个细胞是孤立存在的。它跟谁做邻居，跟谁直接接触，收到哪些旁分泌信号，周围的环境是硬的还是软的，氧气多还是少等等，所有这些信息，单细胞测序在解离的那一刻就全部丢失了。

这就是近年来顶刊研究中出现的一个明显转向：从聚焦于“细胞群”本身，转向解析“细胞生态位”。生态位的概念并不新，最早起源于干细胞生物学，用来描述维持干细胞自我更新和分化的微环境。但今天，这个概念被大大拓宽了。大家不再满足于知道“有哪些细胞”，而是想知道这些细胞“在组织的什么地方、以什么方式组合在一起、如何协作完成某种功能”。一个生态位，本质上是一个空间上受限的功能单元，由多种细胞类型按照特定的相对位置排列而成，通过直接的物理接触或旁分泌信号，共同执行某种生物学任务。

下面我们用几个2025年的顶刊案例，来看看这个转变是怎么发生的，以及它对国自然选题意味着什么。

Nature Cancer：泛癌尺度上，哪些细胞组合在一起构成了促纤维化生态位

肿瘤微环境中的成纤维细胞（CAFs）过去很多年一直被当作一个大致均匀的群体来研究。直到单细胞测序揭示了它的高度异质性，大家才开始讨论各种CAF亚群：炎症性CAF、肌成纤维细胞性CAF、抗原呈递性CAF等等。但2025年的一个问题是：知道了这么多亚群之后，真正驱动肿瘤恶化的，是某一类细胞自身，还是某些细胞组合起来形成的“联盟”？

同济大学王晨飞团队2025年发表在Nature Cancer上的工作，提供了一个很有说服力的答案。他们收集了36种癌症类型、超过400万个单细胞的数据，配合6种癌症类型的空间转录组学数据，构建了一个大规模的泛癌单细胞图谱。在这个尺度上，一个有趣的现象浮现出来：一种叫做CTHRC1阳性的成纤维细胞，并不是随机分布于整个肿瘤区域，而是高度选择性地富集在恶性肿瘤细胞与正常组织的交界处。进一步的空间分析发现，这些成纤维细胞并不是形单影只地站在那里。紧挨着它们的是SLPI阳性的巨噬细胞，两者形成共定位的空间生态位，像一堵墙一样包裹在肿瘤的边界上。

这个生态位的功能是什么？对这些细胞的基因表达分析显示，CTHRC1阳性成纤维细胞高表达细胞外基质重塑相关基因，SLPI阳性巨噬细胞同样表现出促纤维化的表型。两者协作，在肿瘤周边形成了一个物理性的屏障，阻止淋巴细胞的浸润。临床上，这个促纤维化生态位的存在与肿瘤的不良预后显著相关。

这项研究带来的启示很清楚：疾病相关的功能，不一定由某个孤立的细胞亚群完成，而是由特定细胞组合在特定空间位置形成的生态位来实现。如果你只盯着CTHRC1阳性成纤维细胞单独分析，可能会得到一堆关于基质重塑的基因列表，但如果你把它和SLPI阳性巨噬细胞放在一起，看到的才是一个完整的生态位功能图景。

Cancer Cell：同一个细胞类型，在不同生态位里做完全不同的事

如果说上一个案例展示的是“不同细胞如何合作”，那么2025年Cancer Cell上发表的一项关于抗原呈递型CAF（apCAF）的研究，则展示了“同一类细胞在不同生态位里如何各司其职”。

这项研究构建了跨越14种实体瘤的成纤维细胞分子图谱，识别出了apCAF的两个截然不同的谱系。一个与间皮样细胞相关，另一个与成纤维细胞相关。单靠单细胞测序，这两个谱系的区别可能也就是几个标志基因的差异。但当研究者利用高分辨率空间成像平台去看它们在组织中的位置时，一个更精彩的画面呈现出来：间皮样apCAF紧密地依附在癌细胞附近，跟癌细胞挨得很近；而成纤维细胞样apCAF则待在完全不同地方，它们与三级淋巴结构相关联。

这意味着什么呢？同一个大类的细胞（apCAF），因为处在不同的空间生态位里，可能做着完全不同的事情：靠近癌细胞的间皮样apCAF，大概率直接参与支持肿瘤生长、抵抗治疗；而与淋巴结构相关的成纤维细胞样apCAF，可能走的免疫调节路线。

更有意思的是，研究者还发现，无论哪个谱系，apCAF都上调了同一个分泌蛋白SPP1，这个蛋白在胰腺导管腺癌的原发肿瘤形成和结直肠腹膜转移中都发挥着作用。这说明，即使功能分工不同，这个细胞谱系可能通过一个共同的分子工具箱来发挥作用。

这项研究的启示是：当你在单细胞数据中识别出一个新的细胞亚群时，下一个问题不仅是“它的标志物是什么”，还要问“它长什么样？它坐在哪里？它跟谁挨着？”空间信息决定了细胞的功能身份，而功能身份又决定了它在疾病中的真实角色。

Nature Cancer：当两个细胞物理接触，就形成了一个信号生态位

如果说前两个案例关注的是“邻近”和“共定位”，那么2025年Nature Cancer上关于中性粒细胞与乳腺癌细胞的研究，把生态位的概念推到了物理接触的层面。

研究团队发现，在乳腺癌中，中性粒细胞并非只是通过旁分泌因子来影响肿瘤细胞。它们直接与肿瘤细胞发生物理接触，形成一种信号生态位。这种接触依赖于特定的粘附分子，当接触形成后，中性粒细胞会向肿瘤细胞传递信号，改变后者的转录组状态，最终促进肿瘤的侵袭性和进展。

这个发现挑战了一个常见的简化思路：把细胞间的相互作用简化为“A分泌某个因子，B接收”。实际上，很多细胞间的重要信号传递，需要一个稳定的物理接触界面。如果只是检测培养基里的可溶性因子，你根本抓不到这类生态位。

这项研究还创造性地采用了活细胞成像和在体验证等方法，确立了中性粒细胞与肿瘤细胞之间物理接触的必要性。也就是说，你不仅需要知道谁和谁在对话，还要知道它们是否真的面对面坐在一起。

对国自然选题的启示

回过头来看这三项研究，它们的共同点不是用了什么新的技术或发现了什么新的基因，而是一个研究视角的根本转换。过去我们常问的问题是：在某种疾病中，细胞A的状态改变了，背后是什么分子机制？现在更前沿的问法变成了：在某种疾病中，细胞A、B、C在空间上如何排列？它们通过怎样的生态位协作来完成致病功能？

这个转变对国自然申请者的选题有几点具体启示。

第一，不要止步于差异表达基因的列表。单细胞测序数据出来后，很多人习惯性地把某个细胞亚群的所有差异基因列出来，然后挑几个fold change最大的开始做功能。但更有效的方式是先问：这群细胞到底待在什么位置？周围有哪些邻居？有没有可能在空间上形成了一个特定的功能单位？很多时候，一个亚群的生物学意义，不在于它本身表达了什么，而在于它和谁在一起。

第二，考虑引入空间维度的技术。过去单细胞测序盛行时，很多人觉得只要单细胞就够了。但现在越来越多的研究已经开始意识到，缺少了空间信息，单细胞数据是不完整的。空间转录组、多重免疫荧光成像、结合激光捕获显微切割等技术，已经变得越来越普及。这些技术可能已经不再是“锦上添花”，而是回答某些问题的必要条件。比如你想证明某个细胞亚群确实在患者中具有重要意义，最好的证据不是体外敲除某个基因，而是在真实组织中还原它与其他细胞的空间关系。

第三，关注生态位中的“信号枢纽”。在促纤维化生态位中，成纤维细胞和巨噬细胞是核心成员；在apCAF生态位中，不同的apCAF谱系发挥着不同的功能。如果你的研究领域里还没有人系统解析过疾病相关的生态位，这可能就是你创新的切入方向。围绕一个核心功能找到至少两类细胞之间的空间共定位关系，再深入解析它们的互作模式，这样的课题既有深度又有广度。

第四，从临床问题来反推生态位结构。与其在茫茫细胞类型中大海捞针，不如先想想临床上的关键事件，比如转移、耐药、复发。查阅文献看看这些事件背后需要哪些细胞器的协作。比如，肺转移需要肿瘤祖细胞、成纤维细胞和免疫抑制性髓系细胞形成一个特定的空间微环境。这样你就可以建立一个工作假说，并带着这个假说去规划你的空间分析和功能验证。

从细胞群到生态位，不是要否定单细胞测序的价值，而是要把它的优势进一步发挥出来。单细胞测序打开了精细解析细胞异质性的大门，现在我们需要做的，是把这些分散的细胞重新放回组织的真实地图里，看清楚它们之间的位置关系、信号流向和功能协作。

国自然评审专家看多了“我发现了一个新的细胞亚群”这样的创新点之后，很可能开始期待听到更高级的故事：“这些细胞是怎样组装成一个功能生态位的”。讲好生态位的故事，就是讲好疾病的真实发生和发展的故事。临床病理学告诉我们病变组织中有哪些细胞改变了数量和分布，但是生态位分析会告诉我们这些细胞是如何协作的，而在哪里协作，又是通过什么分子连接的。

这种把宏观病理观察推进到微观生态位解析的工作，往往能带来真正有转化价值的靶点，因为它看到的不是孤立基因的功能，而是一个多细胞协作网络中的关键枢纽。