Spatial omics · 單細胞 · 高維空間分析
傳統 bulk RNA-seq：把腫瘤打碎、平均全部細胞的 RNA → 看 tumor 整體 expression。 scRNA-seq：一個個細胞分離、各自 sequence → 知道 tumor 內有哪些細胞類型（癌細胞、CAF、TAM、T cell 等）。但失去空間資訊。 Spatial transcriptomics：保留切片空間位置 + 量 RNA → 知道「哪種細胞在哪、跟誰相鄰」。
主要技術：
| 技術 | 原理 | 解析度 | 2026 狀態 |
|---|---|---|---|
| Visium (10x) | spot-based (55 μm) | 低 | 廣泛用 |
| MERFISH | single-molecule FISH | 單細胞 | 高端 research |
| CODEX / PhenoCycler | 多重 IHC (40-80 markers) | 蛋白層面 | 病理轉譯熱 |
| IMC (Imaging Mass Cytometry) | mass-spec-based | 單細胞 | 中等 |
| GeoMx (NanoString) | region-of-interest | 中 | Pharma 多用 |
2026 為什麼熱：
- ICI 失敗的分子解釋靠 spatial — 為什麼這個病人 PD-L1+ 但仍 resistant → 看 T cell 跟 tumor cell 的空間關係（“immune-excluded” vs “inflamed”）
- Multi-modal fusion（spatial + scRNA + H&E image）成 AI 的熱門題目
- Clinical translation：2026 起 CLIA-grade spatial assay 開始落地（digital pathology 整合）
計算挑戰：
- 一張切片 → 數萬 spots × 數萬 genes → ML-driven reduction 成必要
- Markovits 的 high-plex spatial + complexity reduction (AB#6838) 就是這類
你的臨床連結
- Urology：prostate 病理 spatial profiling 對 treatment decision 的 value 尚待驗證
- 跟foundation model 配合時 spatial 資料非常大，inference cost 考慮
- 做pan-cancer spatial atlas 跟台灣 cohort 合作是合理 research angle