空间基因组学是一个前沿领域，它结合了基因组学和空间分析，以单细胞分辨率研究基因组特征在疾病中的作用。

空间基因组学是一个研究领域，重点是分析完整组织内基因组特征的空间组织。它涉及通过转录组学分析和其空间背景内的表观遗传修饰来同时分析各种分子组分，包括基因组DNA和RNA。这些技术旨在揭示不同基因组元件之间的空间关系，并提供对组织内单细胞的组织和功能的见解，从而使特定基因型与其表型之间的分子联系成为可能。

癌症研究从这些方法中受益匪浅。癌症基因组以单核苷酸多态性（SNP）或结构变异（如较大基因组区域上的拷贝数改变（CNA））的形式表现出高水平的多样性。大多数SNP和/或CNA存在于基因组的非编码区，它们以癌症特异性方式影响癌基因和/或肿瘤抑制因子的调节。

这种疾病的另一个共同特征是在疾病进展期间非编码驱动突变的积累，引起基因组不稳定性和肿瘤发展。在这种情况下，空间基因组学可以提供有关这些非编码变化的影响的信息，以及也可能影响染色质组织的表观遗传修饰，促进癌症的发展。

一些空间多组学技术也已发展，最常见的方法是空间转录组学和蛋白质组学的整合。然而，有一种新的方法用于共映射转录组和表观基因组，允许在同一组织切片中研究染色质可及性，组蛋白修饰和mRNA表达。这些技术已被应用于小鼠和人脑样本，提供了宝贵的见解表观遗传和组织内的转录动力学。

单小区技术（例如，scRNA-seq）是用于分析单个细胞中基因表达的有价值的技术。通过捕获单细胞群体的转录组，scRNA-seq能够在详细水平上探索基因型-表型关系。这些方法已经与空间生物学合并，通过以细胞分辨率识别组织的空间组织来实现更高级别的复杂性。Spatial Genomics的GenePS就是利用这种单细胞空间分析的新技术的一个例子。

空间转录组学已成为表征肿瘤微环境的癌症研究中最重要的技术之一。它有效地分析了完整肿瘤样本中的各种细胞类型和状态，并对空间异质性产生了有价值的见解。创新的方法，包括固相捕获方法，如10X Visium，已被用于分析不同肿瘤类型的肿瘤微环境。

这些技术提供了更高的通量，是理想的翻译应用，通过组织病理学和NGS方法的组合。耦合的组织学和空间转录组学数据也被用于训练机器学习算法，旨在预测乳腺癌中的组织病理学注释和局部基因表达。此外，Slide-Seq和高清晰度空间转录组学（HDST）已在冷冻保存的Her 2+乳腺癌标本中有效地绘制了单细胞水平的基因表达。

科研产品

❶ 哺乳动物细胞表达载体

❷ 人cDNA克隆库

❸ 慢病毒表达载体

❹ 慢病毒干扰载体

抗体工程服务

❶ 单克隆抗体测序

❷ 抗体从头测序

❸ 抗体表达服务

❹ 重组抗体表达

实验试剂盒

❶ RNA pull down 试剂盒

❷ GST pull down 试剂盒

❸ COIP 试剂盒

❹ Flag 试剂盒