摘要：在当今科技飞速发展的时代，空间多组学技术正以惊人的精度逐步揭开生命科学领域的神秘面纱，为人类探索生命的奥秘提供了前所未有的机遇。然而，在这一前沿领域不断深入的过程中，一个棘手的难题逐渐显现：如何在复杂多变的生物组织环境中精确识别细胞类型及其状态？这一关键问题不
转自：生物谷
在当今科技飞速发展的时代，空间多组学技术正以惊人的精度逐步揭开生命科学领域的神秘面纱，为人类探索生命的奥秘提供了前所未有的机遇。然而，在这一前沿领域不断深入的过程中，一个棘手的难题逐渐显现：如何在复杂多变的生物组织环境中精确识别细胞类型及其状态？这一关键问题不仅直接关系到基础科学研究的准确性，更与精准医疗、个性化疾病诊断等全球关注的热点话题紧密相连，影响着未来医学发展的方向。
细胞类型识别的准确性对于疾病诊疗具有重大意义。据最新流行病学研究显示，全球每年因误诊或治疗不当导致的心血管疾病死亡人数高达数百万之多，而其中部分误诊案例很可能与细胞类型识别错误密切相关。因此，开发一种高效、精准的细胞类型识别技术，已成为科研界和医疗界亟待解决的紧迫任务。
在这样的背景下，来自弗吉尼亚联邦大学等多家知名科研机构的科学家们，通过跨学科的紧密合作与创新性的研究思路，成功开发出一种名为 TACIT（基于阈值的多重成像数据细胞类型分配技术）的前沿技术。这一成果以其卓越的性能和广泛的应用前景，有望为空间多组学研究领域带来具有深远意义的变革，为精准医疗和疾病诊断提供强有力的工具支持。相关研究成果以 “Deconvolution of cell types and states in spatial multiomics utilizing TACIT” 为题，发表在国际权威学术期刊 Nature Communications 杂志上，引起了全球科学界和医疗界的广泛关注。
TACIT 技术的核心优势在于其独特的无监督机器学习算法设计。该技术巧妙地利用预设的细胞类型特征，无需依赖大量的训练数据，即可对复杂生物组织中的细胞进行精准分类。这一创新性的技术突破，使得 TACIT 能够有效应对细胞、邻域以及生态位水平上的巨大变异性，从而显著提高了细胞类型识别的准确性和效率。其工作原理主要包括以下几个关键步骤：
首先，研究人员利用先进的成像技术获取生物组织的空间多组学数据，这些数据涵盖了细胞的分子特征以及空间分布信息。然后，TACIT 技术通过独特设计的算法对这些数据进行高效处理和分析，结合空间转录组学和空间蛋白质组学等多组学数据，利用预设的细胞类型特征，精准地识别出不同的细胞类型。在实验过程中，研究人员还运用了诸如 PhenoCycler Fusion 系统、Xenium 平台等先进的仪器设备和技术手段，确保了数据的高质量和高准确性。
为了验证 TACIT 技术的性能和可靠性，研究人员选取了来自大脑、肠道和腺体等三个不同生物组织的五组数据集，共包含约 500 万个细胞、51 种细胞类型作为实验对象。通过与多种现有的无监督聚类方法进行对比，结果表明，TACIT 在细胞类型识别方面展现出卓越的性能，其加权召回率、精确度和 F1 分数均显著优于其他方法，分别达到 0.74、0.79 和 0.75。此外，TACIT 还具有出色的可扩展性，能够在普通笔记本电脑上高效处理包含高达 200 万个细胞的数据集，为大规模的空间多组学数据分析提供了强大的技术支持。
更值得一提的是，TACIT 技术在识别稀有细胞类型方面同样表现出色。在一项针对健康肠道组织的研究中，与其他方法相比，TACIT 成功识别出更多的细胞类型，尤其是那些稀有的、具有重要临床意义的免疫细胞类型，如树突状细胞和促炎性 M1 巨噬细胞。在对小鼠脑部的 MERFISH 数据集的研究中，TACIT 同样展现出了卓越的性能，其加权召回率、精确度和 F1 分数均显著高于传统方法。
除了精准识别细胞类型外，TACIT 技术还具备对细胞状态进行分析的能力。这一特性在研究细胞功能和疾病机制方面具有极其重要的价值。例如，在对炎症性腺体疾病的研究中，通过整合 TACIT 识别出的细胞类型，研究人员发现了新的细胞表型，并揭示了免疫细胞类型及其状态在特定区域的分布规律。这些发现为深入理解疾病的发生发展机制提供了新的视角和关键数据支持，也为未来的精准医疗和个性化治疗方案的制定奠定了坚实基础。
TACIT 技术的问世，不仅成功解决了以往细胞类型识别中存在的准确性和效率问题，更为精准医疗和疾病诊断提供了强有力的工具支持。随着这一技术的不断推广和广泛应用，我们有理由相信，研究人员将能够更加深入地探索生物组织的复杂性和多样性，从而为攻克人类多种疑难病症、提升人类整体生命质量贡献更多的智慧和力量。未来，TACIT 技术有望在多组学数据类型整合、空间表观遗传学研究、代谢组学探索以及 B 细胞和 T 细胞受体测序等多个领域发挥更大的作用，推动精准医疗和个性化医疗向更高层次发展，为人类健康事业开创更加美好的未来。
参考文献：
Huynh, K.L.A., Tyc, K.M., Matuck, B.F. et al. Deconvolution of cell types and states in spatial multiomics utilizing TACIT. Nat Commun 16, 3747 (2025). doi：10.1038/s41467-025-58874-4
来源：新浪财经
