Spatial transcriptomics is een groep moleculaire technieken waarmee de genexpressie van duizenden genen tegelijkertijd wordt gemeten, met behoud van de ruimtelijke positie van elke meting in het weefsel. Waar klassieke RNA-seq (next-generation sequencing) een gemiddeld expressiesignaal over een gehomogeniseerd weefselmonster levert, koppelt spatial transcriptomics elk transcript direct aan een coördinaat op een weefselcoupe. Het resultaat is een genexpressiekaart die laat zien welke genen actief zijn in welk deel van het weefsel — van de buitenste cortex tot de kern van een tumor.
Cellen in een weefsel communiceren continu met hun omgeving. Een tumorcel aan de invasiefront gedraagt zich anders dan een cel in de kern van dezelfde tumor. Immuuncellen die een weefsellaesie infiltreren, activeren andere genprogramma's dan dezelfde immuuncellen in het bloed. Deze ruimtelijke heterogeniteit gaat volledig verloren bij conventionele RNA-extractie uit gehomogeniseerd weefsel, en wordt slechts gedeeltelijk zichtbaar bij single-cell technieken waarbij cellen worden losgekoppeld van hun weefselomgeving.
Spatial transcriptomics lost dit fundamentele informatieverlies op door twee typen gegevens te combineren: moleculaire expressiedata (welke transcripten zijn aanwezig en in welke hoeveelheid) en histologische beeldvorming (waar bevinden deze transcripten zich in de weefselarchitectuur). Dit maakt het voor het eerst mogelijk om vragen te beantwoorden als: welke genen worden specifiek uitgedrukt in het grensvlak tussen tumorcellen en het stromale weefsel, of hoe verandert de genexpressie in de neuronale laagjes van de hersenschors?
De technieken die worden samengevat onder spatial transcriptomics vallen uiteen in twee principieel verschillende benaderingen: capture-based methoden die RNA binden op een gestructureerde array, en imaging-based methoden die transcripten ter plekke in het weefsel detecteren via fluorescente hybridisatieprobes.
De meest gebruikte capture-based technologie is Visium van 10x Genomics. Een verse of FFPE-weefselcoupe wordt geplaatst op een gestructureerde glasplaat waarop miljoenen poly-T-oligonucleotideprobes zijn aangebracht in een raster van spots. Elk spot heeft een unieke DNA-barcode die de ruimtelijke positie codet. Het werkingsprincipe verloopt in vijf stappen:
De Visium-array bevat spots van 55 µm diameter in een hexagonaal raster. Elke spot vangt RNA op van meerdere cellen tegelijk (gemiddeld twee tot tien cellen, afhankelijk van het weefseltype en de celgrootte). Visium HD, de nieuwere variant, biedt een resolutie van 2 µm bij 2 µm, wat de detectie van individuele cellen mogelijk maakt.
Imaging-based methoden detecteren individuele transcriptmoleculen direct in de weefselcoupe via fluorescent gelabelde hybridisatieprobes, zonder RNA-extractie of sequencing. De bekendste benaderingen zijn:
Het fundamentele verschil met capture-based methoden is resolutie versus transcriptoombreedte: imaging-based methoden bereiken subcellulaire of zelfs single-molecule resolutie, maar zijn beperkt tot vooraf geselecteerde genpanels. Capture-based methoden meten het volledige transcriptoom (of een zeer grote fractie ervan), maar met een lagere ruimtelijke resolutie per datapoint.
Spatial transcriptomics en single-cell RNA-sequencing (scRNA-seq) zijn complementaire technieken die elkaar versterken. scRNA-seq analyseert het transcriptoom van elke cel afzonderlijk na dissociatie van het weefsel, wat cellulaire heterogeniteit en zeldzame celpopulaties onthult met hoge moleculaire diepte. Spatial transcriptomics behoudt de weefselarchitectuur maar verliest bij de meeste capture-based platforms de single-cell resolutie doordat één spot meerdere cellen dekt.
In de praktijk worden de twee technieken gecombineerd via computationele integratie: scRNA-seq-data worden gebruikt als referentie om de celtype-samenstelling van elke Visium-spot te deconvolueren. Dit levert een gecombineerde kaart op met zowel cellulaire identiteit als ruimtelijke positie. Gespecialiseerde tools als RCTD, SPOTlight en cell2location voeren deze deconvolutie uit. De opkomst van single-cell resolutie platforms zoals Visium HD en Xenium vermindert de behoefte aan deconvolutie voor nieuwe experimenten, maar voor de omvangrijke bestaande Visium-datasets blijft computationele integratie de standaard aanpak.
De kwaliteit van het weefsel is de kritische succesfactor in spatial transcriptomics. RNA is gevoelig voor enzymatische afbraak door alomtegenwoordige ribonucleasen (RNasen), waardoor onzorgvuldige monsterverwerking leidt tot fragmentatie van transcripten en verlies van het expressiesignaal. De RNA-integriteit wordt uitgedrukt als RIN-waarde (RNA Integrity Number, schaal 1–10); voor optimale Visium-resultaten geldt een aanbevolen RIN van 7 of hoger voor vers weefsel.
Twee weefselformaattypen zijn compatibel met Visium:
Coupes worden gesneden op een dikte van typisch 10 µm voor Visium. Thinner coupes (5–8 µm) worden gebruikt voor Xenium en seqFISH+. Na plaatsing op de array worden de coupes gefixeerd en direct verwerkt; langdurige bewaring na snijden leidt tot RNA-degradatie. De werkwijze stelt eisen aan een gekoeld laboratorium en het gebruik van RNase-vrij materiaal, vergelijkbaar met de voorzorgsmaatregelen bij standaard RNA-isolatie en RNA-analyse.
Spatial transcriptomics genereert grote en complexe datasets: één Visium-experiment levert expressiedata op voor 18.000–33.000 genen per weefselcoupe, verdeeld over 3.000 tot 5.000 spots per weefselcoupe. De analyse verloopt in meerdere stappen:
Ruwe sequencing-reads worden verwerkt met Space Ranger (voor Visium) of platformspecifieke software. Per spot worden berekend: het totaal aantal gedetecteerde genen, het totale aantal UMI's (unique molecular identifiers, een maat voor de werkelijke hoeveelheid getelde transcripten) en het percentage mitochondriale transcripten (een indicator voor celstress of weefselschade). Spots met te weinig genen of een hoog mitochondriaal aandeel worden gefilterd.
Expressiewaarden worden genormaliseerd om technische variatie tussen spots te corrigeren. Vervolgens worden dimensiereductietechnieken als PCA (Principal Component Analysis) en UMAP toegepast om de hoogdimensionele expressiedata in twee dimensies zichtbaar te maken — een aanpak identiek aan de standaard scRNA-seq-workflow.
Clusteralgoritmen (Leiden, Louvain) groeperen spots met vergelijkbare expressieprofielen. De clusteridentiteiten worden geprojecteerd op de histologische afbeelding, wat ruimtelijk gestructureerde clusters zichtbaar maakt die overeen komen met anatomisch herkenbare weefselgebieden. Differentiële expressieanalyse identificeert genen die specifiek zijn voor elk cluster.
Gespecialiseerde statistische methoden (SpatialDE, SPARK, Moran's I) identificeren genen met een ruimtelijk gestructureerd expressiepatroon — dat wil zeggen genen waarvan de expressie niet willekeurig verdeeld is over de spots, maar geconcentreerd is in specifieke weefselgebieden. Dit zijn de biologisch meest informatieve genen voor het begrijpen van weefselorganisatie.
Spatial transcriptomics heeft de tumorbiologie fundamenteel veranderd. De techniek maakt de tumor-micro-omgeving (TME) zichtbaar op moleculair niveau: de ruimtelijke verdeling van immuuncellen, kankercellen, fibroblasten en vasculaire cellen, en de gensignaturen die aan de grensvlakken tussen deze populaties actief zijn. Onderzoeksgroepen gebruiken Visium en Xenium om therapieresistentie te koppelen aan specifieke ruimtelijke celstaten in de tumor, en om te voorspellen welke patiënten baat hebben bij immunotherapie op basis van de ruimtelijke architectuur van het immuuninfiltraat.
De gelaagde architectuur van de hersenschors, hippocampus en cerebellum is bij uitstek geschikt voor spatial transcriptomics. Grootschalige atlasprojecten — waaronder de Allen Brain Cell Atlas — gebruiken spatial transcriptomics om celtype-specifieke genexpressie te koppelen aan anatomisch gedefinieerde hersengebieden. Dit levert een moleculaire kaart op van het zenuwstelsel die klassieke cytoarchitectonische beschrijvingen aanvult met genexpressie-informatie.
Tijdreeksen van embryonaal weefsel op opeenvolgende ontwikkelingstijdstippen laten zien hoe genexpressiepatronen veranderen terwijl organen worden aangelegd. De techniek onthult gradiënten van signaalmoleculen (Wnt, BMP, FGF) die celdifferentiatie aansturen, en identificeert transitoire celstaten die met klassieke methoden onopgemerkt blijven. Organoïden — driedimensionale weefselminiaturmodellen — worden steeds vaker geanalyseerd met spatial transcriptomics om te beoordelen hoe goed ze de in vivo weefselarchitectuur nabootsen.
In longweefsel van COVID-19-patiënten heeft spatial transcriptomics de ruimtelijke verdeling van virale RNA, immuuncellen en inflammatoire gensignaturen in kaart gebracht. In chronische ontstekingsziekten zoals reumatoïde artritis en de ziekte van Crohn maakt de techniek zichtbaar hoe immuuncellen differentieel activeren in aangetast versus niet-aangetast weefsel binnen hetzelfde patiëntbiopt.
Bij de ontwikkeling van nieuwe geneesmiddelen wordt spatial transcriptomics ingezet om te bevestigen dat een therapeutisch doelwit daadwerkelijk tot expressie komt in het juiste celtype en de juiste weefsellocatie. Na behandeling kan de techniek laten zien of het farmacon het beoogde genexpressieprogramma verandert — en in welke weefsellaag dit effect het sterkst is. Dit draagt bij aan een nauwkeurigere selectie van doelwitten en een beter begrip van werkingsmechanismen.
Spatial transcriptomics staat zelden op zichzelf. In de moderne omics-workflow wordt de techniek gecombineerd met aanvullende methoden om een volledig beeld te krijgen van de moleculaire toestand van weefsel.
Immunohistochemie (IHC) en immunofluorescentie leveren eiwitlokalisatie op dezelfde of naburige coupes, zodat transcriptiedata kunnen worden gekoppeld aan eiwitexpressie. Flowcytometrie en FACS-sortering worden gebruikt om celpopulaties te isoleren uit het omliggende weefsel voor downstream moleculaire analyses. Proteomics en massaspectrometrie-gebaseerde spatiale proteomics (MALDI-imaging mass spectrometry) meten eiwitdistributies in weefsel, waarmee de correlatie tussen transcript en eiwit op ruimtelijk niveau kan worden onderzocht.
Voor genetische validatie van ruimtelijk gevonden gensignaturen worden qPCR en gelelektroforese ingezet op microdissecties van het weefsel. Next-generation sequencing van gesorteerde celpopulaties vult de spatial data aan met een hogere sequencingdiepte per cel.
Ondanks de snelle technologische vooruitgang kent spatial transcriptomics een aantal inherente beperkingen waarop laboratoriummedewerkers en onderzoekers bedacht moeten zijn.
Bij de standaard Visium-workflow dekt één spot meerdere cellen, waardoor de gemeten expressie een gemiddelde is van de aanwezige celtypen. Computationele deconvolutie kan de bijdragen van afzonderlijke celtypen schatten, maar introduceert aannames die niet voor elk weefseltype even goed onderbouwd zijn. Imaging-based methoden vermijden dit probleem maar vereisen vooraf een genenpanelselectie, wat betekent dat onverwachte of niet-geselecteerde transcripten worden gemist.
RNA-diffusie tijdens de permeabilisatiestap kan leiden tot een beperkte mate van ruimtelijke vermenging van transcripten: mRNA dat wordt vrijgegeven, kan enkele micrometers diffunderen voordat het door een spot wordt gecaptured. In de praktijk is dit effect klein maar niet verwaarloosbaar voor transcripten van hoog-abundante genen in weefsel met grote celvrije ruimten.
De kosten per experiment zijn aanzienlijk hoger dan bij standaard RNA-seq of qPCR. Een Visium-run vereist bovendien specialistische apparatuur (cryostaat of microtoom voor coupes, NGS-platform voor sequencing) en bioinformatische expertise voor de data-analyse. De instapdrempel is daarmee hoger dan bij de meeste conventionele moleculaire biologietechnieken.
Tot slot is de coveragediepte per spot bij Visium lager dan bij bulk RNA-seq van hetzelfde weefsel, omdat het totale aantal reads verdeeld wordt over duizenden spots. Laag-abundante transcripten kunnen daardoor worden gemist, met name in spots met een laag celtotaal.
Het veld van spatial transcriptomics ontwikkelt zich in hoog tempo. De convergentie van hogere resolutie, grotere genpanels en lagere kosten per datapunt maakt de techniek steeds toegankelijker voor routine diagnostisch gebruik. In de pathologie worden pilots gedaan waarbij spatial transcriptomics naast standaard immunohistochemie wordt uitgevoerd als onderdeel van de tumordiagnostiek.
Multi-omics spatial platforms, waarbij transcriptoom- en proteoomdata in dezelfde coupe worden gemeten (MIBI-TOF, CODEX, spatial CITE-seq), geven toegang tot de correlatie tussen genexpressie en eiwitexpressie op cellulair niveau. Spatial epigenomics (spatial ATAC-seq, spatial CUT&TAG) meten de chromatinetoegankelijkheid en histonmodificaties met ruimtelijke informatie, waarmee het regulatoire landschap van het genoom in weefselcontext zichtbaar wordt.
De combinatie van spatial transcriptomics met machine learning en digitale pathologie maakt automatische patroonherkenning in weefselafbeeldingen mogelijk — een richting die in de toekomst kan leiden tot diagnostische beslissingsondersteuning op basis van moleculaire weefselkaarten.
Disclaimer: De informatie in dit artikel is bedoeld als algemene technische toelichting. Canidae Seal B.V. / Labvakhandel.nl aanvaardt geen aansprakelijkheid voor de toepassing van deze informatie in specifieke analytische, klinische of industriële situaties. Raadpleeg voor uw eigen toepassing altijd de geldende normen, vakliteratuur en de documentatie van fabrikant en apparatuur.
Inloggen
Wachtwoord vergeten
Account aanmaken
Uw winkelwagen is leeg.
