思想碰撞--Atera vs Xenium：从基础分析到深层生物学解读的全面比较

作者，Evil Genius

不得不说，现在杂志的版面费是真的高，NC的版面费5万多，大家最好背靠单位投稿，能够报销版面费。

费用这么高的情况下，大家的研究结果一定要对，别花了这么多钱，结果不对被撤稿，亏大了。

今日我们来进行一场思想碰撞，Atera vs Xenium。

很多客户已经开始做Atera，有的12月底拿到数据，有的是明年，随后摆在大家面前的就是如何分析的问题。

但是大家要注意，分析的时候一开始不要关注那些很个性化的分析内容，要从基础分析的角度开始，目前能想到的分析方法应该和xenium 5k接近，但是这只是推测，是否会有新的角度分析，当下无法下定论。

大家如果需要赶紧学习一下分析方法，但是一定要注意，基因全覆盖了，即使同样的方法，分析的结果生物学解释也会有很大的不同（例如富集分析，全基因富集和panel富集，会有很多新的发现），分析一定要胆大心细。

不推荐毫无经验直接分析Atera，现在距离Ateta拿到数据还有一段时间，大家看一看一些文献，积累一些空转的分析思路、方法、经验，分析过程还需要很多的探索，能做Atera的课题组，基本都是大课题组，实力雄厚，人才扎堆，必要的准备是必需的。

xenium如果选择panel，基本上都是之前验证过的基因、知识在分析，探索新的发现能力很有限。

基础数据质控 → 细胞注释 → 细胞亚群 → 差异表达 → 功能通路 → 空间结构 → 细胞互作 → 微环境机制。

对于 Atera WTA 与 Xenium 5K，最核心的差别是：

• Xenium：在预先选定的基因范围内，进行高精度的单细胞空间表达分析。
• Atera WTA：在更广泛的转录组范围内，进行单细胞空间表达分析，尤其有利于探索未知细胞状态和新的分子机制。

Atera 的潜在优势主要在于分析维度、发现能力和机制解释的广度；Xenium 的优势则可能体现在特定基因的检测深度、成熟的分析流程以及针对已知靶点的验证能力。

我们来一一比较一下（注意Atera还缺少实际运用）

第一点--基础数据分析：Atera 能否提升细胞表达信息的利用率？

1. QC：从细胞质量判断扩展到基因检测完整性

Xenium 与 Atera 都需要进行基础 QC，但 Atera WTA 可以增加一些值得重点关注的分析维度。

Atera WTA 的优势不只是检测基因数更多，而是可以在 QC 阶段更全面地评估不同基因表达水平、不同细胞类型及不同细胞状态的检测完整性。

但不能简单认为：Atera 检测到的基因越多，细胞质量就一定越高。需要区分真实生物学信号、背景信号及细胞分割误差。

2、细胞注释：从依赖单细胞到基于marker的注释，尤其是亚群的注释。

分析价值： 不仅知道组织中有哪些细胞，还能够更深入地理解这些细胞处于什么功能状态。

3、细胞亚群：从预设亚群识别到新亚群发现

对于细胞亚群分析，Atera WTA 可以带来三个潜在提升：

第一，更多亚群相关特征。

例如，Xenium 5K 可能检测到某些巨噬细胞的经典 Marker，但没有充分覆盖其状态相关的其他基因。

Atera WTA 可以通过更多基因的联合表达，辅助区分细胞亚群。

第二，发现新的细胞状态。

例如，发现一群同时具有炎症相关表达、抗原呈递相关表达和特定代谢程序的细胞。

第三，识别细胞状态的连续变化。

某些细胞并不是清晰分成两个亚群，而是沿着一个连续的转录状态变化。

Atera WTA 可以在更广泛的基因表达空间内研究：

• 连续细胞状态；
• 潜在分化方向；
• 细胞状态转换；
• 空间分布与转录状态的关系。 不过，空间转录组的空间坐标是静态的。即使发现连续状态，也不能单独证明细胞正在发生真实的分化或转化。

第二点--差异表达与功能分析：从已知基因验证到未知机制发现

这部分是 Atera WTA 与 Xenium 5K 在科研内容上的重要区别。

两种平台都可以开展差异表达分析，但 Atera WTA 的分析范围更广。

例如，在肿瘤研究中，可以比较：

• Tumor-associated macrophages vs Normal macrophages；
• Tumor-infiltrating CD8 T cells vs Stromal CD8 T cells；
• Tumor-adjacent fibroblasts vs Distant fibroblasts；
• Immune-excluded tumor cells vs Immune-infiltrated tumor cells。

Xenium 5K 可以分析这些比较，但如果差异基因不在其面板中，就无法直接检测。

Atera WTA 则可以进一步探索此前没有预设的候选基因。

GO / KEGG / GSEA：从已知通路验证到更全面的通路分析

Xenium 5K 可以分析已知通路，但存在一个重要限制：

如果通路中的大量关键基因没有被纳入 panel，那么通路分析可能无法完整反映该通路的实际转录状态。

Atera WTA 可以利用更广泛的基因表达信息进行：

• GO Biological Process；
• KEGG；
• Reactome；
• Hallmark GSEA；
• GSVA / AUCell / UCell；
• 细胞状态相关基因签名评分。

例如，研究肿瘤相关巨噬细胞：

Xenium 5K 可能显示：

Macrophages are enriched in immune-related pathways.

Atera WTA 则有机会进一步区分：

• Antigen presentation；
• Interferon response；
• Complement activation；
• Lipid metabolism；
• Oxidative phosphorylation；
• Extracellular matrix remodeling；
• Immunoregulatory signaling。

但这里需要注意：Atera 的通路富集结果也不一定全部更准确。通路分析仍受基因检测深度、背景基因集、样本量和统计设计影响。

尤其在空间数据中，建议优先考虑基于患者或组织区域的统计分析，避免将大量细胞当成完全独立的生物学重复。

Transcriptional Programs：转录程序分析

传统分析往往是：

Cluster → Marker genes → Pathway enrichment。

但更深层的分析可以是：

Cell state → Transcriptional program → Spatial distribution → Microenvironment association。

例如，可以研究：

• IFN-response program；
• Inflammatory program；
• Hypoxia-associated program；
• Metabolic program；
• Antigen-presentation program；
• EMT-associated program；
• Stress-response program。

通过将转录程序映射回空间，可以判断某个功能状态是否具有明确的空间分布特征。

Xenium 5K 同样可以开展这些分析，但 Atera WTA 的潜在优势是：可以在不完全依赖预设基因集的情况下，发现新的转录程序，再进一步进行功能解释。

第三点--空间结构分析：从细胞定位到组织空间组织规律

Spatial Domain：空间区域识别

空间区域分析的目的，是将组织划分为具有不同细胞组成和表达特征的空间区域。

例如，在肿瘤组织中识别：

• Tumor core；
• Tumor margin；
• Immune-infiltrated region；
• Immune-excluded region；
• Stromal region
• Necrotic region。

Atera WTA 的潜在提升主要有两个方面：

第一，空间区域可以由更多转录特征共同定义。

不仅依赖细胞类型组成，还可以结合代谢、炎症、缺氧、基质重塑等转录程序。

第二，可以对同一种细胞所在的不同区域进行比较。

例如：

同样是 CD8 T cells，在肿瘤内部、肿瘤边缘和基质区域，可能表现出不同的转录状态。

这比单纯比较不同区域的 CD8 T 细胞数量更有生物学意义。

Spatial Neighborhood / Niche：细胞生态位分析

传统 niche 分析：

哪些细胞在空间上共同出现？

Atera WTA 可以进一步研究：

哪些细胞状态在空间上共同出现？这些细胞状态是否具有特定的转录程序？这种空间组织是否与某种疾病状态或功能机制相关？

传统分析可能发现：

“肿瘤周围存在巨噬细胞和 CAF 富集的 niche。”

Atera WTA 可以进一步探索：

“该 niche 是否由特定的 SPP1-associated macrophages 与 ECM-remodeling CAFs 共同构成？这些细胞是否表现出特定的免疫抑制、基质重塑及细胞因子相关转录程序？”

这类问题更接近疾病微环境的机制研究。

但要强调：niche 中的共定位或转录程序共现，并不能直接证明细胞之间存在因果关系。

第四点--细胞通讯分析：从候选配受体到更全面的信号网络

Xenium 5K 可以利用预设的配体和受体基因进行通讯分析。

例如：

• CXCL12–CXCR4；
• CCL2–CCR2；
• SPP1–CD44；
• TGFB1–TGFBR；
• VEGFA–KDR。 Atera WTA 的潜在优势是可以检测更广泛的配体、受体及相关下游分子。

这有利于：

1. 发现未预设的候选配体；
2. 分析不同细胞状态之间的潜在通讯；
3. 结合细胞空间距离判断候选通讯是否具有局部空间关联；
4. 研究细胞通讯与细胞功能状态之间的关系。

需要特别区分：

• 配体表达；
• 受体表达；
• 配体与受体的空间邻近；
• 配体-受体相互作用的统计推断；
• 下游信号通路激活；
• 实验验证的因果关系。 这几个层次不能混为一谈。

Atera WTA 可以扩大候选通讯的发现范围，但不能仅凭转录表达证明受体蛋白已经被激活。

第五点--进一步提升：从空间表达关联到潜在疾病机制

如果希望 Atera WTA 不只是完成常规空间转录组分析，而是用于更深入的疾病机制研究，可以进一步增加以下内容。

CNV 与肿瘤克隆分析

对于肿瘤组织，Atera WTA 的全转录组覆盖可以为单细胞 CNV 推断提供更多基因表达信息。

可以探索：

• 恶性细胞识别；
• CNV 推断；
• 肿瘤细胞亚克隆；
• 不同克隆的空间分布；
• 肿瘤克隆与免疫微环境的关系。

例如：

某一肿瘤亚克隆是否更容易出现在免疫排斥区域？

不同肿瘤克隆是否对应不同的免疫细胞 niche？

Atera 的公开预印本研究已经展示了利用 WTA 数据推断单细胞 CNV、研究 DCIS 肿瘤克隆演化及免疫微环境关联的可行性。

不过，CNV 推断仍需要适当的参考细胞、质量控制和独立验证。不能将表达推断的 CNV 直接等同于 DNA 测序验证结果。

Cell-state Transition 与空间状态关联

Atera WTA 还可以帮助研究：

• 细胞状态之间的连续变化；
• 不同空间区域的细胞状态差异；
• 潜在分化方向；
• 转录状态与局部微环境的关联。

例如：

同一类巨噬细胞是否在肿瘤边缘呈现炎症状态，而在肿瘤内部呈现免疫抑制相关状态？

这种分析可以将空间位置与细胞状态联系起来。

但空间转录组属于静态数据，不能单独证明细胞真实的迁移路径或分化轨迹。

完整分析流程对照：Atera WTA vs Xenium 5K

最值得关注的分析提升：从单细胞表达到空间机制

如果目标是：

• 发现新的细胞状态；
• 研究复杂细胞亚群；
• 探索未知的疾病相关基因；
• 构建更全面的细胞功能程序；
• 研究细胞状态与空间微环境之间的关联；
• 进一步探索肿瘤克隆演化与免疫微环境；

那么 Atera WTA 的潜在优势会更加明显。

最重要的提升不是“分析内容更多”，而是“未知问题的发现能力更强”。

生活很好，有你更好。