Scientist Stories: Rong Fan, Next Wave of Biology Revolution Fueled by Spatial Omics

大家 晚上 好 或者 是 早上好 欢迎 大家 参加 今天 晚上 的 线 上 活动 我 是 中 芯 的 副 主任 我 叫 王丽娟 首先 我 简短 的 介绍 一下 我们 中芯 我们 中芯 是 耶鲁大学 历史 上 首次 在 美国 本土 校园 以外 设立 的 一个 实体 中心 秉承 着 耶鲁大学 追求 光明 与 真理 的 使命 中芯 主要 是 致力于 促进 决策者 和 思想 领袖 开展 对话 和 交流 同时 为 全球 各界 培养 引导者 我们 中心 是 成立 于 14 年 的 10 月 到 现在 也 将近 7 年 的 时间 这 期间 举办 了 主题 涉及 国际 关系 经济 金融 文化 艺术 医疗 科技 线 上线 下 的 活动 超过 70 多场 已经 成为 了 一个 汇集 各界 精英 领袖 进行 对话 的 一个 非常 重要 的 一个 平台 这 中间 的 这些 讲座 里面 其中 耶鲁 群星 闪耀 科学 系列讲座 是 这些 活动 中 非常 重要 的 一个 系列讲座 邀请 到 耶鲁大学 科学 领域 的 杰出 教授 将 他们 最前沿 的 科技 进展 和 研究进展 跟 中国 的 听众 进行 分享 一同 探讨 科研 的 未来 意义 今天 这个 活动 就是 耶鲁 群星 闪耀 科学 系列讲座 之一 邀请 到 的 是 耶鲁大学 生物医学 工程 的 樊荣 教授 他 今天 讲座 的 主题 是 空间 探秘 由 空间 组学 技术 推动 下一波 的 生物学 革命 大家 听到 这个 空间 组学 可能 会 觉得 有 一点点 陌生 或者 是 有点 高深 不过 最近 几年 这个 空间 组学 技术 已经 成为 了 生物科学 和 医学史 上 非常 激动人心 的 一个 技术 突破 这项 技术 也 有助于 剖析 人类 大脑 中 的 神经网络 如何 进行 学习 和 情感 运作 还 可以 获得 这个 肿瘤 的 高分辨率 生物 分子 和 细胞 突破 为 肿瘤 疾病 的 个性化 治疗 相信 会 起到 非常 积极 的 推动 作用 樊中 教授 是 这个 领域 的 领军人物 他 的 实验室 开发 了 一种 技术 叫做 微星 填 技术 可以 同时 测量 单细胞 中 的 42 种 免疫 效应 蛋白 现在 这样 技术 已经 被 美国 和 世界各地 的 超过 10 多家 制药 公司 和 医疗 中心 的 广泛应用 了 现在 他 的 实验室 开发新 技术 非常 有 可能 推动 下一波 的 生物学 革命 下面 我们 就 有 请 樊仲 教授 来 为 我们

分享 这项 新 技术 谢谢 谢谢 王丽娟 的 介绍 非常高兴 有 这个 机会 来 和 北京 或者 可能 在 全国 各地 甚至 世界各地 的 朋友 们 进行 交流 刚才 王立军 老师 提到 我们 的 微 芯片 技术 最后 我们 成功 的 商业化 之后 当时 我 在 琢磨 这个 机器 应该 叫 什么 名字 Exactly 我 想到 的 就是 Yale 的 校训 这个 光明 与 真理 是 吧 所以 我 觉得 我们 要 揭示 真理 我们 需要 的 是 光明 用 英文 是 Light 所以 我们 那个 机器 就 叫 isolite 你 可以 看到 就是说 的确 是 我们 对于 我们 在 yale 的 工作 以及 yale 对于 我们 就是 如何 能够 把 这些 做 出来 如何 能够 产生 更大 的 影响 我们 是 非常 非常 appreciateyale 作为 一个 community 更 重要 的 作为 一个 family 我 随时 都 感觉 到 yale 真的 是 一个 family 呃, 我 现在 开始 share 我 的 slides 讲, 嗯, 我 今天 的 topic 叫 specialomics, 就是 我 的, 呃 这个 conflictofinterestdisclaimer, 就是 四个 公司, 三个 公司 我 co founder, 然后 还有 一个 我 做, 呃 这个 scientificadvisor 在 过去 这 几年, 我 觉得 这个 词 在 生物医药 领域 大家 已经 不 陌生 了, 就是 singlecellbiology, 就是 单细胞, 真正 单细胞 研究 的确 是 改变 了 大家 怎样 认识 生物学 问题, 但是 在 过去 这 几年 呢, 我 觉得 它 影响 的 不光 是 如何 大家 能够 进一步 理解 生物学 的 机理 更 重要 的 是 它 这个 drive 了 这个 drugdiscovery 比如说 这 几个 公司 都 是 想 基于 如何 做 单细胞 的 整个 测序 或者 单细胞 特定 的 比如说 BCRTCR 的 测序 来 进行 新 的 药物 的 开发 这个 HiFiBio 也 是 我们 Yale 校友 投资人 支持 的 公司 之一 所以 我们 一直 在 这个 领域 就是说 在 过去 几年 看到 真正 在 推动 制药 和 推动 这个 医学 的 这个 发展 但是 这个 蛋 细胞 生物学 有 它 的 这个 limitation 这个 limitation 我 个人 觉得 就是 为什么 在 很大 情况 下 依然 是 一个 基本 的 研究 的 工具, 这个 basicresearchtool, 我 的 一个 例子 就是 这样 的, 就是 这个 类似 于 这个 bulk 的 这个 整个 样品 的 这个 车序, 就 相当于 你 看到 这个 形状, 这个 这个 漂亮 的 这个 高昂 的 雄鸡, 你 知道 这是 中国 这 中国, 但是 你 实在 不 知道 任何 细节。 呃 单细胞 测试 呢 就 告诉 你 了 所有 的 省会 呃 所有 的 这个 省份 呃 可能 你 也 知道 他 省会 在 哪里 的 叫 subtypeok 所有 的 省 的 名字 给 你 叫 他 celltype 你 还 知道 一些 细节 比如说 多少 人 但是 你 知道 就是 珍惜 个 list 呃 但是 比如说 你 喜欢 远足 开车 去 哪里 玩 不管 是 这个 还 这个 都 不法 让 你 可以 开着车 到处 去 玩 你 需要 的 是 一个 完整 的 地图 你 要 知道 ok 哪个 地方 呃 哪个 城市 哪个 省份 在 哪里 你 只要 你 还要 知道 各个 细节 如何 他们 是 如何 连 起来 你 也 知道 这个 freeway 是 怎么 建 的 所以 这个 例子 很 明显 就是说 真的 在 这个 t 球 level 我们 需要 的 绝对 不是 简单 的 这个 或者 是 这个 单 甚至 单细胞 的 也 不 足够 啊 你 需要 是 整个 空间 可以 分辨 的 这样 一张 地图 才能 让 你 真的 去 navigate 的 这个 biology 特别 在 这个 human 啊 这个 disease 的 这个 level 你 可以 navigate 的 biology 为什么 呢 因为 绝大部分 这些 t 球 样品 啊 临床 上 啊 collect 的 t 球 样品 它 的确 它 是 t 球 它 不是 一个 一个 的 单个 的 细胞, 然后 这个 Pythology 有 无数 的 经验 如何 研究 这些 T 球 样品, 那么 就是 基于 他们 现有 的 经验, 你 现在 给 他 了 unlimited 的 这个 information, 我 觉得 这个 的确 会 fuel 整个 这个 biology 的 revolution 在 下 一个 阶段。 在 整个 这个 领域 的 技术, 我 个人 觉得 可以 把 它 分为 这么 几个 方面 吧, 如果, 呃 你 要 做 整个 这个 specialomics 的 这个 分析, 你 是 想 做 整个 T 球 的 mapping 呢, 还是 只 看, 呃 你 感兴趣 那么 一两个 分子。 如果 那 一两个 区域 如果 你 只是 想 看 感性 区域 两个 区域 这个 历史 其实 蛮久 了 可能 有 几十年 就是 用 LaserMicrodissection 然后 最近 这个 美国 这个 NanoString 公司 出 了 这个 GeomixDSP 你 可以 不 需要 PhysicalDissection 的 那个 Tissue 你 可以 用光 把 那个 区域 Probe 的 这个 基因 把 它 呃 取 下来 然后 读取 呃 就是 显得 更 versatile 而且 呃 non destructive 呃 但是 最最 最最 重要 的 在 过去 的 几年 其实 这两块 就是说 你 真正 可以 做 整个 T9 的 mapping 就是 你 你 你 不是 简单 的 选取 哪 一个 感性 值 区域 我 不选 了 我 整个 区域 全部 把 它 map 完 呃 有 两个 方案 一个 是 就是 拍照片 就 大家 对 这个 如果 有 任何 生物医学 呃 方面 工作 经验 你 肯定 一般 都 会 做 过 tissue 的 histology 你 知道 你 可以 做 IHC 看 一两个 蛋白 那么 能 不能 把 这个 做 极 高 的 multiplex 做到 数十个 甚至 数百个 蛋白 这是 过去 的 一些 基于 imaging 来 做 叫做 spatialomics 但 从 某种程度 上 我 觉得 它 只是 hyplextissueimmunohistochemistry 或者 是 immuno 或者 是 fish 在 很大 程度 上 我 觉得 不 完全 能 叫做 omics 但是 我 真的 是 很 敬佩 这个 领域 里 的 这个 这个 scientist 他们 把 这个 的确 push 到 整个 omicslevel 其中 这 两个 技术 叫 一个 是 sigphase 另外 一个 是 merphase 你 真的 可以 把 整个 这个 基因组 的 这个 整个 转路组 的 一个 一个 的 map 出来 基本上 达到 1 万多个 基因 然后 真正 的 改变 整个 世界 整个 这个 领域 OK 大约 是 过去 几年 基于 高通量 测序 这里 有 很多 的 优点 了 一个 是 你 可以 把 这个 样品 的 分析 和 资料 完全 分开 那么 你 可以 做 很多 的 样本 的 同时 的 制备 然后 利用 于 现在 这个 高通量 测序 把 你 的 读取 成本 还 可以 进一步 降低 呃 这样 才 真正 我 觉得 潜在 可以 把 呃 这个 specialbiology 彻底 的 就是 呃 不 叫 千家万户 就是 大多数 的 researcher 都 可以 使用 上 呃 可以 就是 democratize 这个 specialomics 的 技术 呃 我会 呃 一个 一个 大约 讲 一下 细节 所以 我 在 这里 呃 就 强调 主要 是 这么 两个 不同 的 啊 这个 技术 的 这个 这个 direction 我 之前 说 的 这个 LaserMicrodissection 其实 也 有 好几十年 的 历史 了 这 是 一个 很漂亮 的 例子 我们 国内 的 金 奈何 老师 做 的 这个 用 LaserMicrodissection 结合 后面 的 车序 可以 Map 这个 早期 的 Embro 的 空间 分布 在 整个 转路组 水平 上 这个 就是 NanoString 的 Geomix 的 技术 呃 他 呃 大约 是 2018 年 发布 的 叫 digitalspatialprofiler 呃 并 不是 真正 的 这个 这个 mappingok 但是 你 可以 做 的 还是 就是 非常 informative 你 可以 选取 很多 呃 你 感兴趣 的 区域 比如说 在 像 这 每 一个 区域 就是 一个 小小 圈 然后 每个 区域 你 可以 把 它 的 呃 数百 上 千个 基因 呃 都 分析 出来 呃 而且 哪个 区域 怎么 定义 你 甚至 可以 看到 这个 fluorescentimage 然后 把 光 搬移到 那里 所以 还是 非常 非常 powerful 的 一项 技术 呃 在 这个 image based 的 这个 领域 呢 我 可能 会 highlight 几个 工作 他们 已经 成功 的 就是 就是 商业化 然后 产生 了 就是 更大 的 impact 而 不是 那 一个 两个 lab 可以 再用 这 最早 呢 就 基于 这个 叫 imagingmasscytometry 或者 就是 基于 imaging 基于 这个 这个 masscytometry 但是 你 是 一点一点 的 可以 把 它 scan 过去 的 这种 方案 这有 两个 方案 可以 scan 一个 是 你 用 离子 书来 绑 抱 了 这个 这个 特定 的 区域 的 表面 然后 用 这个 secondarymassspec 来 collect 的 信号 这个 是 StanfordGaryNolan 发明 的 叫 MIBI 这个 技术 现在 commercialized 在 这个 ionpath 然后 另外 一个 就 和 很多年 前 的 cyTOF 完全 兼容 的 但 它 的 可以 实现 空间 的 这个 spatialresolve 的 这个 protein 分析 呃 他 不是 用 RMB 来 bombard 这个 表面, 他 是 用 UVlaser, 这是 唯一 的 区别, 但 最后 radar 都 是 用 massspec 来 读出 所有 的 probe, 这是 Bern, BordenMiller 在 这个 Zurich, UniversityofZurich 发明 的, 然后 其实 我 觉得 这个 idea 可能 都 来自 于 Gary, 因为 那个 时候 Bern 刚刚 从 Gary 主力 离开, 是 Gary 的, 他 以前 是 Gary 的 PostDoc 然后 这个 因为 和 SiteHow 非常 兼容 所以 说 就 直接 由 Fluidigmcommercialize 现在 叫 IMC 就是 也 叫 Hyperion 就是 基于 这个 气光 desorption 来 做 multiplex 的 这个 蛋白 的 spatialmappingGary 后来 又 发明 了 另外 一个 技术 叫 Codex, Codex 就 更 简单 了, 你 不 需要 那么 昂贵 的 复杂 的 MathMath, 它 其实 就是 荧光 读取, 但是 就是 不停 的 一个 cycle 一个 cycle 的 读取, 但 其实 这个 想法 已经 有 数十年 的 历史, 但 一直 没有 产生 很大 的 影响, 因为 你 每个 cycle 读 的 时候, 你 上 呃 这个 这个 probe 读 呃 读完 一轮 再 上下 一轮 的 时候 你 你 前面 会 影响 后面 的 前面 这个 chemistry 是 比较 harsh 然后 Gary 解决 了 这个 问题 就是 他 用 所有 的 呃 flourish 那个 就 所有 的 Oligotag 的 那个 antibody 一起 把 它 放在 上面 就 第一轮 就 probe 了 所有 的 他 感兴趣 的 蛋白 数 10 个 但 他 读 的 时候 他 一个 一个 读 他 不 可能 一下 读数 10 个 因为 你 没有 那么 多 color 但 他 所有 的 antibody 都 上去 了 所以 这样 他 就 不再 存在 那个 就是说 第一轮 第二轮 上 那个 抗体 的 时候 产生 了 那个 bios 呃 所以 他 这个 就是 一个 不停 的 呃 就是 所有 的 抗体 都 上去 了 然后 不停 的 就是 读取 这个 他 叫 reveal 这个 过程 呃 一次 reveal 三个 那么 做 十几 轮 你 就 可以 实现 数十个 蛋白 的 同时 的 读取 然后 这个 公司 commercialize 了 这个 codex 叫 Ekoia, Ekoia 我 觉得 也 是 这个 领域 的 第 1 个 成功 IPO 的 在 Specialomics 其他 的 公司 就是 要么 就是 已经 存在 的 公司 他 调来 做 这 一块 就是 新 的 初创 公司 第 1 个 IPO 的 就是 这个 Ekoia 大概 是 两个 月 前 performance 相当 不错 的 他 IPO 的 price 大约 就是 18 块钱 然后 迅速 上涨 很多 然后 过 了 这 几个 月 这 肯定 是 不停 的 会 往 下降 一些 但 我 觉得 依然 维持 了 最初 的 IPO 的 价值 我 觉得 他 下一代 产品 出来 肯定 整个 market 会 继续 上涨 另外 一个 基于 imagebase 的 这个 真正 可以 实现 单个 的 不光 是 蛋白 它 主要 还是 target 在 mRNA 因为 它 可以 同时 做 蛋白 和 RNA 所以 我 把 它 放在 这个 框里 其实 它 跟 这 里面 的 打斗 技术 是 类似 的 这 NanoString 开发 出来 的 叫 这个 HybridSeqHybridizationSequencing 的 这个 技术 它 可以 读到 10 多个 不同 的 这个 RNA 和 蛋白 10 多个 不同 的 target 在 整个 这个 NanoStream 所有 的 技术 里面 这个 核心 灵魂 人物 我 觉得 也 是 我 非常 喜爱 的 一个 工业界 的 科学家 这个 JoeBeecham 是 NanoStream 的 写手 基本上 所有 这些 创新 技术 都 是 来自 于 就是 他 有时候 就是 他 以前 天开 的 一些 想法 最后 可以 把 它 付诸 实现 然后 还 能够 真正 这个 相当于 empower 这个 biologydiscovery 把 它 democratizeempowerbiologydiscovery 呃, 然后 你 看 nanostream 过去 这 呃, nanostream 这个 成立 已经 有 很长 的 历史, 然后 上市 也 有 不少 时间, 然后 你 可以 看 他 这个 geomixdsp 出来 的 时候 明显 介于 这个 SpatialBiology 然后 NanoStream 就 相当于 这个 Market 就 非常 看好 SMI 还 没有 出来 但 去年 就 接受 它 的 那个 Service 的 预定 所以 你 看到 这 又 是 另外 一个 Boost 所以 这 两个 可以 看到 整个 这个 Market 对 SpatialBiology 是 相当 看好 的 然后 另外 在 做 这个 RNADetection 这 一块 呢 我 列举 了 这 三个 的 这 一块 是 commercialize 的 其实 就是 这 一个 就是 multiplex 的 RNA 这个 这个 FISH 基于 他们 这个 有 非常 unique 的 这个 amplification 的 chemistry 是 叫 ACDBIODEVELOP 的 ACDBIO 是 由 这 两位 华人 创业者 创立 的 罗雨霖 和 SteveChen 两位 都 是 我 本科 的 师兄 就是 都 是 中国科技大学 的 师兄 然后 他们 创立 ACDBIO 后来 有 Biotechnics 收购 然后 我 是 Biotechnics 的 这个 ScientificAdvisor 我 记得 我们 有 一年 的 这个 advisoryboardmeeting 就 在 ACD 报 呃 召开 然后 那 一天 正好 是 罗 云林 师兄 在 ACD 的 最后 一天 然后 大家 切 了 蛋糕 还 庆祝 他 为 整个 这个 公司 以及 这个 整个 这个 领域 的 这个 开创性 贡献 了 嗯 就是说 他们 在 很多年 之内 他们 就是 把 这个 singlemolecule 这个 phase 做 得 非常 非常 好 但是 并 没有 真正 实现 很 高 的 multiplex 但 今年 开始 他们 可能 会 推出 大约 二三十个 plex 的 那个 panel 过去 他们 最高 的 大约 在 12 个 plex 然后 另外 这 两三个 技术 就是说 它 叫 sequencing, 但 其实 从 技术 的 核心 特性 来看, 基本上 是 imagingbased, 就是说 它 并 不是 基于 这个 高通量 的 车序, 它 其实 是 依然 是 成像, 但是 它 某种程度 上 可以 看到 一个 一个 剪辑 的 信息, 但 它 读 不了 多长。 这 两个 技术 一个 叫 In situSequencingISS 是 瑞典 SciLifeLab 的 MaxNielsenDeveloped 然后 另外 一个 是 基于 solidsequencing 但是 在 固定 的 substrate 的 表面 然后 可以 在 T Shell 他 把 T Shell 最后 把 它 fix 完 之后 再 最后 就 把 它 相当于 变成 一个 rubber 一样 的 东西, 然后 再来 做 这个 insatial 的 这个 physic, 然后 这样 他 整个 这 T恤 就 非常 的 robust, 这是 HarvardGeorgeChurch 开发 的, 这 基于 这 两个 技术 的 两个 公司, 一个 叫 Cartana, 一个 叫 Radical, 他们 的 历史 相对 早 一点, 大约 都 是 2014 年 呃, 13 年 14 年 左右 这个 技术 开始 出现 了, 呃 所以 就 现在 这 两个 公司 都 已经 被 TenXXenomics 收购 了, 这 也 是 去年 的 这个 大 新闻, 所以 TenX 是 Ceres 的, 呃 这个 movingto 这个 spatialbiology 这个, 呃 这个 这个 market。 呃。 但是 这些 技术 在 过去 很多年 不管 是 这个 insitusequencing 还是 这个 multiplexphase 基本上 大家 都 能 做到 几十个 是 最 多 几百个 这个 target 差不多 了 这 你 要 叫 他 omics 其实 都 还 没有 实现 最早 实现 这个 整个 这个 omicslevel 我们 仍 有 250 多个 基因 那么 25, 0 多个, 那么 你 至少 要测 到 上万 就是 10, 的, 你 才 大约 可以 被 称为 这个 Omexlevel, 而 最早 实现 的 大约 是 这 两个 技术, 一个 SigFishplus 另外 一个 是 Murphish, SigFish 是 加州 理工 这个 LongKai 蔡龙 教授 发明 的, Murfish 是 我们 华人 里面 非常 有名 的 庄晓威 老师, 哈佛 庄晓威 老师 发明 的 Murfish, 我 就 简单 显示 一下 Murfish 的 工作 原理, 它 基本上 也 是 一轮 一轮 的 这个 image, 但是 它 不是 每 一轮 image 的 时候 就 image 特定 的 这个 基因, 而是 它 是 通过 每 一轮 image 作为 一个 特定 的 code 你 想 如果 有 10 个 digit 的 code 那么 你 这个 10 个 digit 的 code 你 把 它 binarize01 那么 你 可以 实现 的 组合 是 非常 非常 大 的 然后 你 可以 这样 通过 这个 coding 的 这个 办法 你 可以 实现 整个 transcriptlevel 的 这个 基因 检测 但是 这个 需要 singlemolecule 的 这个 光学 原理, 所以 说 errorrate 很 高, 小微 他们 发明 了 一些 很 非常 elegant 的 一些 算法 来 解决 这个 higherrorrate 的 问题, 所以 它 叫 errorrobust 叫 errorrobust 的 这个 fish 然后 这个 去年 这个 significantefforts 这个 Vaccine 是 把 它 commercialize 今年年初 Vaccinelaunch 了 他们 的 产品 所以 这是 第一个 相当于 整个 可以 实现 但 他们 其实 产品 还 没有 实现 整个 transcriptionscale 但是 至少 和 其他 的 技术 相比 可以 实现 更 高 的 这个 plus 是 更 高 多 更 多 的 这个 moleculartargets 可以 同时 检测 呃 我 我 我 个人 的 这个 反馈 也 是 facing 目前 是 大家 在 这个 imagingbasedspecialomics 里面 最最 被 看好 的 呃 一家 初创 公司 嗯 呃 然后 这个 领域 我 就 说 这个 specialbiology 呃 一下子 成为 整个 生物 领域 健康 呃 医疗 投资 这个 一个 热点 啊 所以 无数 的 这个 初创 公司 开始 出现 呃 另外 一个 基于 这个 fish 的 multiplexfish 叫 rebus 呃 然后 在 欧洲 有 类似 的 叫 resolve 呃 然后 做 蛋白 的 这 一块 欧洲 在 在 罗桑有 一个 公司 叫 Lunafold 他们 产品 基本上 都 接近 出来 了 就是 要 做 很 复杂 的 这个 imaging 系统 呃 所以 这个 imaging 系统 最后 会 成为 比较 昂贵 的 仪器设备 在 他们 所有 这些 产品 里面 呃 academic 我 没有 提到 的 另外 一个 叫 SciSafe 是 哈佛 的 PeterSchroeger 发明 的 呃 他 的 工作 原理 其实 和 codex 是 差 不太多 都 是 multiplex 的 fluorescentimaging 但是 他 的确 是 呃, 每 一轮, 呃 这个 上 了 这个 fluorescentlabel 的 antibody 之后, 他 他 要 用 非常 harsh 的 chemistry 把 那个 fluorophobes 给 给 eliminated 给 punch 掉, 呃 所以 他 这个 相对 harsh 一点 啊, 但是 现在 academiclab 有 很多 adopter 他, 我 现在 还 没有 太 留心 他们 的 commercialization 的 这个 effort 是 如何

的

但 对于 所有 这些 Multiplex 的 FISH 不管 是 InSituSequencing 或者 Murphy 或者 是 Physic 说穿 了 基本上 还是 基于 这个 ImageBased 的 这个 FluorescentInSituHybridization 所以 我 叫 它 所有 的 这些 都 是 叫 FISH 整个 这个 FISHRelated 的 这种 他们 都 有 很多 的 限制, 其实 都 不 容易 做, 需要 很 高 的 这个 resolution 的 microscopy 然后 也 非常 的 laborious 所以 怎么 可以 democratize 这个 我 个人 觉得 的确 还是 需要 就 像 Illumina 这个 高通量 车序 或者 现在 华大 基金 在 中国 推出 自己 的 车序 这种 高通量 的 车序 可以 真正 把 这个 cost 的 降低 同时 还 能够 做 on bios 的 basebybase 的 discovery 这是 过去 几年 所以 叫 RysoftHigh throughputSequence BasedSpatialOmics 这个 roadmap 大约 是 2016 年 第一个 技术 这 叫 SpatialTranscriptome 是 瑞典 的 JokinLundberg 发明 的 呃 他们 的 idea 其实 很 简单 呃 甚至 一 开始 大家 都 觉得 不是 很 work 对 至少 你 要 把 它 实现 呃 就是 很 高 的 specialresolution 估计 不太 work 呃 但是 你 可以 看到 过去 几年 大家 如何 继续 推动 线条 实现 了 非常 惊讶 的 单核 或 多 核 层次 层次 层次 层次 层次 层次 层次 层次 层次 层次 呃 他 的 核心 idea 就是 你 用 你 用 一些 呃 DNAmicroarray 的 spots 在 这个 substrate 上 然后 你 的 你 的 样品 比如说 是 一个 这个 braintissueslice 啊 把 它 放到 那个 substrate 上 然后 底下 都 是 一些 带有 呃 特定 的 specialaddresscalledDNAoligomer 然后 你 permeabilize 这个 T 球 让 RNAdiffuseoutoftheT 球 section 然后 captureby 这个 DNApolygonalspots 然后 capture 上去 之后 你 就 立马 做 这个 cDNAsynthesiscDNAsynthesis 之后 就 把 这个 spatialaddresscode 给 incorporate 进去 了 最后 你 把 所有 这些 CDN 集结 起来, 这个 generatelibrary, 然后 用 illuminatedsequencing 来 测序 之后, 你 就 可以 根据 这个 数据, 你 如果 做 pairedendsequencing 的话, 你 一端 读 的 是 一个 spatial 的 addresscode, 另外 一端 读 的 是 到底 那 是 什么 基因, 是 吧, 是 那个 RNA, 这个 basebybase 的 序列, 你 把 它 整合 到 一起, 你 就 知道, 哦, 如果 这些 RNA 都 带有 这样 一个 specialaddresscode, 你 知道 它 是 来自 于 net 同样 一个 的 那个 spot 但是 这个 spotsize 最早 都 比较 大, 大约 是 10 个 micron, 然后 20 个 micron 的 spacing, 150micronspacing, 所以 specialresolution 非常 的 差, 所以 大家 并 没有 很 高 的 兴趣。 直到 2018 年 两年 后, 然后 TenXGenomics 收购 了 这个 STSpatialTranscriptome, 就是 JoaquinLundberg 他们 创立 的 那个 公司。 然后 他们 推出 了 一系列 的 产品, 基于 这个 specialomics 小 Vision, 就是 他们 把 spotsize 降到 了 5 个 micron, 5 个 micron 依然 不是 很 很 impressive, 但是 对于 某些 T恤 比如说 呃 这个 这个 neuron 是 吧 就是 这个 比如说 这个 nervenervoustissue 这个 这个 neuron 一般 size 都 比较 大, 所以 说 5 个 micron 已经 比较 接近 于 单个 细胞, 或者 就是 几个 细胞 的 这个 这个 水平, 所以 一下子 这个 产生 了 很大 的 兴趣, 而且 它 的 performance 也 提高 了 很多。 2019 年 同年 这个 高 宇宙 解析度 的 其他 的 技术 基于 同样 的 原理 这个 叫 BARCO 的 SurfaceMRICapture 这个 原理 其他 的 两个 技术, 一个 叫 Slic3c, 另外 一个 HDST, 他们 都 是 用 那个 那个 beads, 带有 DNAoligo 的 这个 beads, 那个 beads 如果 有 10 个 micron, 那 就 有 10 个 micron 的 这个 spotsize, 如果 beads 是 两个 micron, 你 名义 上 就 有 两个 micron 的 spotsize, 来 做 这个 microarraybasedRNAcapture, 这 两个 文章, 一个 在 Science, 另外 一个 在 NationMethods, 都 在 2019 年, 所以 2019 年 也 是 这个 领域 突破 的 一年, 其实 我们 最早 的 preprint 也 是 那 一年 release 的, 我 待会儿 会 讲 到, 我先 focus 讲 基于 最早 的 RNA, 包括 solid substrateRNAcapture 这个 approach 来 实现 了 一系列 新 技术 呃 然后 去年 呢 呃 就 有 一些 更 更 多 的 进展 了 比如说 朗尼 伯格 他们 同学 证明 这个 还 可以 用于 clinical 的 这个 tissuespecimen 包括 fpe 同时 你 也 可以 结合 一些 蛋白 当然 其实 我们 是 2019 年 最早 实现 multiomics 可以 结合 呃 一个 panel 蛋白 可以 同时 做 蛋白 和 RNA, 呃 这 201 年 更是 呃, 这 过去 短短的 几个 月 啊, 这是 非常 非常 的 惊人 的 这个 进步, 呃 这个 spotsize 甚至 做到 了 小于 一个 micron, 我会 呃。 之后 稍微 讲 一点 这个 细节, 这是 最早 的 这个 STsciencepaper, 然后 你 可以 看 这个 schematic, 它 就 DNAmicroarray 在 substrate 上, 然后 tissueslide 放在 上面, 然后 这个 RADfilter 下来 之后 就 有 这些 spotcapture, 每个 spot 都 有 特定 的 这个 addresscode, 然后 最后 得到 的 数据 就是 每个 这 一个点 的 spotsize 都 是 非常 大 的 然后 TEX 是 commercialized 的 这个 技术 叫 VisionPlatformVisualSpatialTranscriptomics 基本原理 还是 一样 但是 他们 就是 增加 了 更 多 的 spots 在 相同 的 大约 5 个 millimeter 左右 这个 范围 内 可以 实现 60 多个 不同 的 spots 然后 每个 spot 的 size 也 降低 到 5 个 micron 然后 今年 10X 也 推出 了 他们 自己 的 FLPEsolution 因为 FLPE 是 临床 上 最 多 的 这个 样本 你 如果 能够 和 FLPE 样本 相 compatible 这个 影响 是 一下子 是 数量级 的 增加 因为 你 allofasuddenunlock 了 所有 这个 就是 属于 这个 金矿 临床 上 这个 T9bank 无数 的 FLPE 样品 在 那里 你 如果 把 它 map 完 你 你 你 你 会 一下子 有 很多 的 这个 insights 可以 知道 怎么 发现 最好 的 这个 治疗 的 方案 之类 的 这 这 以前 大家 只能 看 一两个 mark 所以 不太可能 有 多少 信息 啊 来 帮助 你 做 这个 drugdiscovery 所以 现在 这是 大家 非常 非常 感兴趣 的 一个 方向 呃 这个 这个 金矿 在 那里 已经 bank 了 数十年 怎么 利用 它 来 empower 下一代 的 这个 这个 drugdiscovery 甚至 precisionmedicine 这个 但是 你 可以 看 这个 细节 稍微 有点 不 一样 了 这 FAP 样品 在 在 他们 这个 就是 permeabilize 这些 体积 然后 在 RNArelease 出来 capture 这个 chemistry 上 worked 是 非常 非常 差 的 所以 他们 做 这个 FLP, 他们 其实 已经 没有 在 用 这个, 这个 他们 的 核心技术 原理 了, 相反 他们 其实 是 把, 就 非常 类似 于 FISH 一样 的, 就是说 他们 design 了 很多 这个 probe, 这个 probediffused 到 这个 T Shell 里面, 然后 识别 不同 的 基因, 然后 把 它 likeit 到 一起, 就是 两个 probe, probe 同一个 基因, 然后 把 它 likeit 到 一起 之后, 然后 他 最后 release 这个 probedigest 的 那个 RNArelease 那个 probe 然后 这个 probe 下来 被 这个 DNAmicroarray 这个 substratecapture 然后 这时候 他 把 这个 probe 再 打 上 这个 spatialaddresscode 然后 sequence 所有 的 probe, 所以 从 某种 严谨 的 意义 来说 呢, 他们 其实 并 没有 在 做 这个 basebybase 的 sequencing 了, 他们 其实 只 做 这个 targeteddetection, 只不过 他们 这个 targeteddetection 这个 panel 非常 的 大, 180 多个 蛋白, 180 多个 基因 他们 可以 检测 到, 所以 说 这 的确 是 整个 transcriptomescale 对, 但 他们 并 没有 真正 就是 测 这个 RNAbasebybase 的 测, 他们 只是 用 这个 probe 去 detect 然后 明年 就是 今年 下半年 刚刚 release 的, 然后 明年 他们 会 release 新 的 产品, 可以 把 这个 resolution 进一步提高 到 就是 5 个 micron, 我 说 到 Vizium 现在 的 SpatialSpotSize 是 5 个 micron, 然后 他们 明年 新 的 产品 会 提到 5 个 micron 然后 我 提到 就是 spatial, 这个 这个 highresolution 的 这个 spatialtranscriptome 有 两个 新 的 技术, 0192 年 一个 是 slicic, 他们 是 用 这个 这个 beads, 4 个 micron 的 beads 每个 bit 上 有 不同 的 DNAoligo, 如果 你 可以 decode 那个 bit, 你 不 就 有 了 一个 这个 DNAmicroarray 在 你 的 这个 slice 上 吗, 所以 他们 叫 这个 slice, 然后 他们 可以 decode 那个 bit, 所以 那个 decoding 的 过程 其实 就是 跟 这个 institutionalsequencing 非常 类似 的, 也 是 一个 非常 laborious 的 呃 这个 这个 process 但是 anyhow 他们 做 就 他们 如果 把 那个 做好 了 把 这个 substrate 给 你 你 用 起来 就 跟 呃 用 那个 Visium 实验室 几乎 一模一样 的 呃 但 这个 技术 在 过去 这 几年 呢 总体 看来 呃 这个 sensitivity 还是 不够 理想 的 他们 第一代 的 sensitivity 是 非常 差 的 就是说 只能 有 10 多个 transcripts 在 每个 spot 上 可以 检测 到 这个 spotsize 跟 一个 细胞 差不多 也就是说 在 细胞 在 单个 细胞 的 这个 水平 上 你 只能 检测 到 10 多个 transcripts 这是 非常 不 理想 的 他们 去年 release 的 这个 Slic3c2 在 NationalBiotech 上 发表 的 他们 显示 增加 了 这个 performance 大概 50 到 70 或者 50 到 10 个 transcriptsperspotHDST 非常 类似 我 就 不 讲 细节 唯一 的 差别 就是 他们 用 的 是 呃 那个 两个 micron 的 DNA 呃 barcode 的 那个 beads 来 做 来 做 这个 substrate 然后 为了 很 好 的 把 它 pack 起来 他们 还 fabricate 这个 很 很小 的 这个 两个 micron 三个 micron 的 这个 well 然后 beads 落 进去 来来 做 这个 这个 这个 pack 的 这个 bead 的 这个 substrate 但 again 它 这个 sensitivity 是 非常 差 的, 最后 他们 数据分析 的 时候 都 完全 没有 在 两个 micron 来 做 分析, 他们 其实 aggregate 很多 的 这个 bits, 大约 形成 叫 10 个 micron 的 这个 grade, 在 10 个 micron 的 level 上, 他们 可以 看到 一些 还 比较 有趣 的 东西, 然后 如果 他们 不 aggregate 的话, 那个 数据 一点点 看起来 基本 没有 太多 的 有 意义 的 信息。 然后 这 一年 就 过去 的 几个 月 就 非常 exciting 的 几个 新 的 进展 把 这个 resolution 进一步 push 到 至少 这个 spotsize 进一步 push 到 一个 micron 或者 更 低 这 是 上 一个月 发表 在 Cell 上 的 文章 叫 SickScope 他们 今年年初 也 是 把 这个 文章 upload 到 BioRxiv 上 另外 一个 还 依然 在 BioRxiv 上 的 文章 叫 PixelStick 它们 都 很 类似 就是 用 Illumina 特殊 的 原理 OK 来来 建立 那个 DNAmicroarray 这 篇文章 甚至 就是 直接 这个 hack 那个 Illumina 测序 的 那个 芯片 然后 把 那个 Illumina 测序 的 芯片 作为 你 的 substrate 然后 把 T恤 放在 上面 然后 capture 那个 RA 然后 这个 文章 是 基于 Illumina 的 那个 bridgeamplification 的 那个 chemistry 但是 他 自己 用 他 的 gelsubstrate 的 来 做 那个 Illuminaamplification 的 那个 bridgeamplification 的 chemistry 来来 create 这个 DNApolonysubstrate 然后 用 这个 substrate 来 capturemessengerRNA 然后 在 我们 国内 这个 华大基因 也 是 今年年初 release 他们 不是 用 Illuminasubstrate 其实 也 就是 用 华大基因 自己 的 这个 DNAnanobot 的 技术 来 create 的 这样 一个 DNAmicroarray 来 captureRNA 然后 他们 都 实现 了 这个 spotsize 小于 一个 micron 对 但是 其实 不管 说 这些 技术 他们 最好 的 数据 基本 都 还是 来自 于 大约 5 到 10 个 micron 把 这个 spotaggregate 到 一起 然后 做 数据分析 那个 数据 会 更加 的 informative 一些 然后 所有 这些 技术 都 是 基于 相同 的 原理 了, 虽然 你们 可以 把 这个 substrate 怎么 做 做法 不 一样, 但 核心 原理 都 是 2016 年 这个 ST 的 技术, 所以 我 叫 它 叫 takeRAout, 然后 你 再 capture 在 substrate 上, 然后 我们 自己 的 lab 在 2019 年 开发 出来 的 这个 技术 呢, 就是 完全 是 相反 的, 我 觉得 这是 整个 领域 里 唯一 一个 不同 的 技术, 其他 的 技术, 呃 就是 其实 都 大同小异, 呃 都 是 基于 2016 年 这个 这篇 science 文章, 只不过 你 怎么 做 那个 那个 DNAarray 方式 不 一样, 或者 array 的 size 不 一样, 但 原理 都 是 一样 的。 呃 就 我们 自己 2019 年 开发技术 是 完全 不 一样 的, 我们 不是 把 RA 就是 让 他 defuse 出来 相反, 我们 是 让 他 就 待 在 那里, 但 我们 把 这个 addresscodesend 到 那个 T Shirt 里面, 所以 我们 叫 sendbarcode 也 叫 他 deterministicbarcodeinT Shirt 不是 不是 random 的, 而是 同时 也 不是 把 它 capture 出来, 而是 直接 inT Shirt 的 这个 barcode 这个 文章 去年 在 Cell 发表 但 同时 我们 也 实现 了 非常 高质量 的 FLPE 这个 临床 样本 的 这个 SpatialTranscriptional 车序 我们 如何 想到 这个 呢 其实 也 有 一定 的 历史 了 大约 十多年 前 我 在 做 PostDoc 在 Caltech 的 时候 我们 那个 时候 就 开发 了 也 就是 后来 商业化 的 IsoCode 晶片 的 那个 技术 我们 可以 做 就是 用 microfluidchannel 来盖 的 这个 RNA 或者 protein 的 deliveryDNA 或者 protein 的 delivery 来 实现 这个 speciallyencoded 的 这个 protein 或者 是 nucleicaciddetection 就是说 最早 我们 用 这个 实现 了 highlymultiplex 的 这个 血液 里面 的 proteinbiomarkerdetection 就是 208 年 的 naturebiotech 封面 文章 然后 后来 我们 把 这个 进一步 push 到 这个 单个 细胞 的 multiplex 的 proteindetection 但是 核心技术 是 这个, 其实 就是 我们 可以 用 这个 microchannel 来 guide 这个 RNA 或者 这个 DNA 的 这个 surfacepatterning, 就是 可以 把 DNA 送到 我们 想 去 的 地方, 用 这个 microchannel 作为 这个 工具。 这时候 我们 就 想到 了, 我们 可以 用 这个 microfluidchannel, 这个 平行 的 channel 来 把 这个 spatialaddresscode 直接 送到 这个 T Shield 的 表面 上。 但是 这些 channel 都 是 连通 的 都 是 平行 的, 所以 你 并 没有 实现 这个 二维 的 这个 这个 这个 addresscode, 你 只能 在 一个 方向 上, 但 这 不难, 我们 可以 做 两次, 然后 把 它们 likegated 到 一起, 所以 第一 我们 第一步 的 这个 这个 barcode 流过去 之后, 这些 barcode 可以 detect 的 这个 message, 如果 我们 是 要 detectRNA 的话, 通过 这个 PolyA, OligoDT 的 interaction, 我们 同时 也 可以 tweak 它 一点, 然后 用 这个 Antibiotic 这个 polyethyl 的 这个 antibody 的 DNAconjugate 来 detect 一些 感兴趣 的 protein 所以 我们 是 第一个 实现 这个 protein 和 mRNA 这个 spatialmapping 的 这个 方案 的 但 这 只有 一个 方向 的, 所以 你 没 办法 实现 这个 2D 的 spatialmapping 那么 我们 再留 第 2 个 DNAbarcode, 然后 把 它们 lockated 到 一起 你 可以 想象 这时候 你 就 create 了 一个二维 的 一个 网格 结构 的 这样 一个 grid 然后 每个 pixel 在 这 里面 的 每个 pixel 呢 都 是 由 这个 A 和 B 的 不同 的 组合 来 决定 你 的 这个 addresscode 之后 我们 就 把 所有 的 cdacollected 起来 然后 generateasequenceinlibrary 测 完序 之后 你 可以 computationconstruct 这个 spatialexpressionmap 这是 我们 的 academicprototypedevice 这个 device 说 实在 是 我 用 过 的 最最 简单 的 device 之一 你 真的 不 需要 多么 好 的 一个 microfluidicsexpert 这些 inlets 这些 well 都 蛮 大 的 所以 你 基本上 可以 直接 派 你 的 ray 进来 然后 我们 vacuum 把 它 pull 过去 你 的 气球 在 这个 地方 所以 Honest 你 不 需要 在 SteveQuickLab 有 数年 的 Microfluidics 的 经验 你 完全 可以 用 这个 device 这是 我们 Generate 的 一些 数据 来自 于 比如说 MouseEmbryo 的 那个 brainregion 然后 可以 看 所有 的 RNA 所有 的 几十个 蛋白 你 可以 看 individual 的 蛋白 的话 我 就 想 碰到 这么 一两个 比如说 这个 叫 pan endothelialcellantigen 然后 你 知道 endothelialcell 是 什么 意思 它 告诉 你 就是 哪里 这个 血管 在 哪里 就是 这个 微血管 在 什么 地方 呃, 然后 这个 epicam, ok, epicam 告诉 你 就是 missati 的 epithelialgland, 这个 这个 epithelial, 呃 这些 T 球 在 哪里 开始 出现 了, 这是 eatonmouseembryo, 你 已经 可以 看到 非常复杂 的 这个 不同 的 T 球 结构 了。 然后 那个 是 蛋白, 然后 我们 也 可以 看 整个 transcriptome, 然后 数据 的 分析 其实 跟 单细胞 RNA 测序 的 数据分析 比较 的 类似, 我们 做 比如说 unsupervisedclustering, 你 看 哪些 不同 的 differentiallyexpressed 的 这个 这个 这个 geneexpression 的 clusters, 然后 每个 cluster 它 的 特征 的 表达 的 基因 是 什么, 你 就 可以 自己 可以 相当于 可以 identify 他 可能 是 什么 majortissuetype, 我 想 说 一下 这个 cluster, cluster2, 我们 又 发现 很多 这个 erythrocytes 啊, 就是 这种 血细胞 的 基因 表达, 然后 这个 你 仔细 看 他 的 像 一个 网格 结构 一样 和 我们 之前 那 一个 slide 上 的 panelthoriumantigen 的 那个 网格 结构 是 高度 重合 的 所以 这是 perfect 就是 这 说明 这 这些 血细胞 stuck 在 这个 这个 微血管 里面 了 然后 我们 同时 两种 不同 的 这个 检测 把 它们 都 给 resolve 出来 我 自己 不是 Pythology 的 training, 所以 我 看 的 那个 HNAimage, 我 是 完全 分不出 这些 EndothelialMarkupVessel 在 哪里 的, 但是 我们 的 测序 数据 可以 很 清楚 的 把 它 看到。 OK, 我们 后来 进一步 想 push 说 OK, 能 不能 做到 就是 接近 于 单个 细胞 的 这个 resolution, 这是 我们 的 数据 显示, 依然 是 这个 embryonicbrain 区域, 但 我们 就 随 随机 的 选 了 一个 区域, 我们 也 不 太 懂 developmentalbiology 的 时候。 呃, 我们 就 随机 选 了 一个 区域, 呃 然后 做 完 这个 麦克 福 的 一个 barcoding 之后, 你 你 再 看 一下 这 T恤 就 看到 好像 像 一些 网格 一样 的, 就是 因为 这个 device 压到 T恤 上 之后 就 产生 了 一点 那个 imprint, 所以 你 可以 清楚 的 看到 每个 pixel 在 哪里, 这是 我们 非常 独特 的 地方, 我们 我们 是 非常 准确 知道 每个 pixel 在 哪里, 而 不是 你 靠 把 它 就是说 把 那个 你 的 这个 设计 的 这个 这个 array 和 你 的 tissueoverlay 你 可以 猜 大概 在 哪里 而 我们 是 实实在在 看到 每个 pixel 的 位置 然后 当 我们 分析 这个 数据 的 时候 我 最早 看到 这个, 我 说 我 告诉 我 的 poster, 我 说 我们 做 microfree 这么 多年 经常 看到 这个 啊, 就是 你 你 会 把 你 kingwipe 那个 tissuepaper 的 fiber 不 小心 搞 到 你 的 你 的 这个 substrate 上 了, 搞 到 你 的 device 上 了, 呃 这个 看起来 是 个 这个 fiber, 这个 这个 kingwipepaper 的 fiber, 呃 最后 测完 呃, 测序 数据 一 分析 发现, no, 不是, 这 非常 有趣 的, 有 什么 东西 在 这里, 呃 特定 的 marketing, 比如说 pmail 是 一个 那个 就是 像 你 皮肤 的 那个 那个 黑色素 细胞 的 这个 这个 后来 我们 才 去 读 一下 文章 我们 才 知道 哦 原来 在 眼睛 发育 的 这个 这个 过程 当中 甚至 更晚 的 一个 时期 都 有 一层 的 这个 就是 在 这 里面 它 有 很多 这个 Melanoblast 或者 表达 这个 这个 Pmale 的 细胞 而且 它 就是 一个 layer 这个 单单 层 的 这个 细胞 在 那里 所以 我们 就 这 是 非常 exciting 的 这个 结果 说明 我 我们 可以 很 好 resolve 出 这个 这个 单层 的 这个 细胞 甚至 在 这么 早期 的 embryonicdevelopment 的 这个 阶段 我们 进一步 把 数据 进行 整合 的 分析 了 比如说 呃 就是 这 这个 淡蓝色 灰色 都 是 呃 单细胞 RNAsequencing 的 这个 数据 然后 我们 的 测序 数据 呃 special 这个 pixel 的 这个 数据 呢 是 在 红色 点 我们 把 它 就是 完全 整合 到 一起, 然后 做 这个 onbios 的 clustering 分析, 我们 发觉 这些 红色 点 呢, 这个 spatialpixel 就 很 好 的 整合 到 这些 cluster 里面, 就是 基于 这个 singlecellRNA 特许 的 cluster 里面, 就是说 你 可以 通过 这个 整合 的 分析。 来看 每个 cluster 是 什么 然后 你 可以 做 你 自己 的 这个 curationannotation 但 你 看 有 哪里 有红点 你 就 知道 你 有 哪种 细胞 比如说 这个 cluster 的 细胞 和 这些 红 点 那么 你 就 知道 这些 specialpixel 他们 是 主要 是 这种 celltype 你 甚至 可以 就是说 这时候 你 可以 走 回去 看 它 到底 这些 pixel 分布 在 哪里 了 你 甚至 可以 用 大家 现在 做 的 非常 详细 的 升高 Celltype 的 annotation 把 它 整合 到 一起 然后 所有 的 这些 不同 的 celltype 你 可以 看 它 跟 我们 这些 spatialpixel 到底 哪些 是 overlap 然后 你 就 把 overlap 那些 spatialpixel 所 对应 的 这个 celltype 把 它 project 回去 到 这个 这个 t shirt 上 你 这样 你 可以 知道 哪些 celltype 在 你 的 t shirt 上 是 如何 分布 的 我 觉得 这个 是 非常 powerful 你 真正 可以 通过 这个 整合 的 数据分析 你 可以 有 直接 的 证据 来 确认 这些 不同 的 细胞 细胞 是 如何 如何 分布 的 我 就 给 你们 一些 例子 比较 有趣 的 比如说 这个 它 这个 细胞 细胞 分布 告诉 你 大概 就是 一种 细胞 的 Oligodendrocyte 但是 你 在 这里 你 看到 它们 分布 在 稍微 不同 的 区域 说不定 它 有 一些 不同 的 细胞 这个 深空 伤害 测序 没有 呃 区别 出来 然后 我们 回去 看 他 的 special 分布 的确 就是 有 三个 不同 的 区域 这个 是 opticalnerve 这个 是 forebrain 的 一部分 所以 这个 看起来 就 非常 漂亮 就是 小 信息 是 互补 的 然后 这个 special 数据 是 非常 非常 精确 而且 也 真的 到 这个 呃 这个 cellcelllevel 我 不 说 它 是 真正 singlecelldata 但是 的确 到 singlecelllevel 然后 大家 经常 问 我 你 是否 还 想 进一步 push 这个 resolution 到 更 高 比如说 一个 micron 我 觉得 我们 这个 技术 我 没有 太大 的 兴趣 这么 做 原因 是 这样 的 比如说 我们 现在 做 的 10 个 micron 的 这个 channel 在 t show 上, 那 看起来 是 这样 的, t show 本身 有 6 个 micron 左右 的 厚度, 如果 你 把 它 push 到 比如说 submicron 就是 0.5 个 micron, 实际 的 情况 这样, 大家 不 经常 看, 大家 只 从 顶上 往下 看, 而 你 可以 想象 一下 这个 crosssectionT9 本身 是 6 个 micron 厚, 然后 你 要 实现 0.5 个 micron 的 这个 resolution, 然后 我们 的 barcodedefuse 进去, 我 不 觉得 我们 可以 实现 那个, 对, 你 估计 可以 看到 一些 special 的 不同 的 feature, 但 我 不 认为 那 就是 非常 精准 的 有 这个 一个 micron 的 resolution, 我 觉得 可能 我们 可以 试 5 个 micron 左右, 但是 我 没有 太大 的 兴趣, 进一步 把 那个 resolution 降低, 对, 对 我 觉得 我 大部分 该 讲 的 讲完 了 就是 我 有 很多 的 那个 我们 最近 的 这个 在 在 我们 自己 lab 的 技术 的 进一步 的 开发 我 可以 迅速 给 你们 讲 一下 嗯 就 所谓 的 那 future 或者 ournextsteps 嗯 这个 文章 是 去年 已经 publish 了 所以 想 知道 更 多 细节 你们 可以 自己 去 看 呃 我 提到 了 我们 把 它 成功 的 在 临床 的 这个 FAP 样品 上, 做出 了 非常 漂亮 的 数据, 这是 FAP 的 mouseembryo, 你 可以 看到 不同 的, 这个 不同 的 tissuetype, 甚至 非常 fine 的 structure, 我们 都 可以 很 好 的 result, 比如 这个 heart, 然后 这个 heart 的 这个, 这个 epicardium, 这个 和 pericardium 就 很 薄 的 一个 layer 的, 我们 都 可以 发觉 还有 不同 的 这个 transcriptionalprofile, 然后 这是 我们 的 一个 数据 的 和 他 那个 就是 这个 YouMap 的 classroom 分析 了 我们 做 了 两个 样 样品 cover 稍微 不同 的 区域 你 可以 看到 他们 整合 到 一起 的 这个 YouMap 图 的确 就 有 有 overlap 有 不同 的 然后 不同 的 比如说 这 一块 区域 所 对应 的 肯定 就是 这些 这个 brain 里面 的 一些 细胞 然后 在 这个 样品 里面 有 的 然后 所有 的 这个 数据分析 也 非常 的 非常 漂亮 呃 你 可以 把 它 和 这个 T 球 的 呃 morphology 数据 进行 很 好 的 这个 比较 呃 fpe 非常 好 棒 的 一个 事情 就是 呃 它 的 T 球 morphology 是 wellpreserved 的 就是 每次 我们 跟 我们 的 pathology 的 同事 聊 呃 他们 就 非常 frustrated 如果 我们 拿 这个 freshfrozen 的 样品 然后 染个色 给 他们 看 他们 真的 不能 很 好 的 理解 这个 T 球 到底 什么 需要 在 哪里 什么样 的 特性 所以 你 如果 能 让 你 的 技术 跟 这个 高质量 的 临床 的 样本 兼容 的话, 这会 是 一个 很大 的 很大 的, 不光 是 简单 是 个 优势, 我 觉得 真的 是 enable 了 很多很多 的 opportunity。 然后 我们 做过 那个 整合 分析。 然后 想 显示 一两个 我们 最近 的 数据 了 一个 是 这个 是 humanlymphoma 的 体秀 我 想 强调 的 是 这个 样品 我们 实现 了 非常 高 的 这个 这个 sensitivity 比如说 在 10 个 micron 的 情况 下 我们 测 了 多达 将近 1 万个 transcript 这个 就是说 和 其他 的 呃 这个 区别 是 non FLPE 的 这个 surfacesparkle 的 mricapture 的 技术 相比 呃 几乎 都 是 数量级 的 增加 这 还 不是 这 还是 FLPE 这 还 不是 freshflow 的 那 个体 秀 样品 呃 这 是 最近 我 的 学生 的 gramshu 啊 做 的 这个 humanbrain 我 觉得 这个 估计 应该 是 第一个 这个 人 的 脑子 hippocampus 控制 了 我们 很多很多 的 我们 的 情感 我们 的 各种各样 的 这个 呃 这 很 复杂 的 一些 呃 这个 行为 的 这个 区域 这个 hippocampus 我们 基本上 可以 map 出 整个 hippocampus 的 这个 specialspecial 嗯 这个 这个 基因 表达 的 这个 分布 呃, 另外 我 想 强调 的 就是说 我们 这一 这个 技术 出来 的 时候, 我 我 第一天 我 就 没 觉得 它 是 另外 一个 spatialtransform 技术, 相反 我 觉得 它 是 一个 platform, 你 可以 unlock 很多很多 不同 的, 呃 这个 spatialomics 的 分析。 呃 所以 今年年初 啊 naturemethods 呃 选择 这个 spatialresolve 的 transcriptment 作为 这个 methodofyear 我 觉得 我们 这个 领域 大家 都 非常 非常 的 excited 呃 那同 一期 有 一个 highlight 的 讨论 那 我们 的 工作 就是说 multi omicssequencinggoesspatial 就是说 我们 其实 第一天 我们 想到 了 已经 不是 简单 的 呃 spatialtranscriptomics 我们 想到 了 呃 还有 其他 很多 的 spatialomicsmapping 你 是否 可以 同时 实现 我 现在 想 说 就是说, 比如说 在 蛋白 方面, 我们 最近 做到 了 数百个, 就是 三百个 的 蛋白, 这个 HumanTunnelTissue, 光是 利用 蛋白, 你 可以 看到 光是 利用 这个 三百个 蛋白 的 这个 SpatialMapping 做 这个 Clustering, 你 可以 看到 非常 漂亮 的 Clustering, 而且 这些 Clustering 和 你 的 这个 这个 tonsil 里面 叫 B cellfollicle 的 结构 是 非常 一致 的 比如说 这是 一个 B cellfollicle 这是 一个 你 可以 看 特定 的 这些 基因 关于 所有 的 B cell 相关 的 你 知道 这些 都 是 B cell 附集 的 follicle 区域 然后 在 它 的 边上 这里 有 一些 这些 是 叫 T cell 中 然后 tonsil 和 lymphnodes 这些 都 是 我们 在 我们 体内 比如说 你 的 Covidvaccine 打 了 之后 然后 这个 vaccinetrigger 这个 Tcell 的 trainingBcell 的 training 都 是 在 这个 这个 这个 lymphorgan 不是 tonsil 对 我们 来说 是 在 lymphnodes 里面 实现 的 Whatishappening 就是 这里 这些 follicles 有 TcellBcell 它们 相互作用 然后 dendriticcellcarry 这个 vaccine 的 这个 这个 peptide 进去 然后 最后 把 这个 这个 antigenspecificTcellBcell 称 出来 所以 说 就是说 我们 看到 有 这样 的 结构 就是 很 好 的 正 正常 的 这个 immunedefense 开始 develop 我们 最近 也 同时 实现 了 specialepigenomestrategy 我 迅速 finishup 这是 我们 证明 我们 可以 做 不光 是 基因 的 表达 我们 真正 看 在 细胞核 里面 到底 是 什么 控制 了 基因 的 表达 这里 我们 看到 的 是 叫 chromatin 的 那个 accessibility 就 非常 类似 的 我们 用 这 两个 microvialdevice 来 barcode 的 DA 的 accessibilitychromatin 的 accessibility 然后 非常 漂亮 的 数据 显示 比如说 你 就 只是 利用 ChromaticAccessibility 可以 很 好 的 区分 不同 的 这些 tissuetype 然后 你 可以 还 可以 看 特定 的 基因 的 这个 它 的 transcription 这个 enrichment 的 startingsite 的 这个 enrichmentscore 然后 都 是 非常 非常 这个 tissuespecific 对 这里 显示 的 这个 基因 然后 在 大脑 里面 的 这个 不同 的 区域, 这些 不同 的 celltype 相关 的 一个 Tcelltype 相关 的 基因 也 是 differential 的 相对 epigeneticregular 的 这个 数据 的 整合 分析 我 现在 可能 也 不再 讲 那么 多 了 另外 我们 不光 是 可以 看 整个 chromatinaccessibility 可以 看 chromatin 的 modification 这是 另外 一个 工作 我们 可以 看 它 几个 不同 的 headstonemark 特定 的 headstonemark 如何 control 那些 不同 的 基因 的 表达 的 我 可能 就 停 在 这里 想 就是 emphasize 一下 我们 的 技术 现在 在 过去 这 两年 里, 我们 迅速 地 进步 了。 不仅 实现 了 SpatialTranscriptome 的 PanelProtein, 我们 还 真正 解锁 了 很多很多 事情。 我 最近 在 很多 的 Panel 上 呃 大家 经常 会 问 我 一个 问题 就是说 呃 这个 领域 发展 非常 的 快 就是 非常 exciting 呃 这个 未来 是 什么 呃 然后 我 的 回答 是 这个 thefutureistoday 就是 我们 其实 已经 清楚 的 看到 了 甚至 已经 demonstrate 了 呃 这个 futurespatialomics 到底 有些 什么 从 我们 自己 的 lab 这个 proteome 然后 这个 epigenome 这些 全都 是 可以 实现 的 我 就 说 onthelimitisyourimagination 你 可以 想到 什么 那么 spatialomics 就 可以 把 它 实现 出来 下面 就是 这张 slide 就 share 一下 这个 leaders 在 这个 领域 今年 他们 怎么 想 的 这 是 一个 10xgenomicsCEO 的 一个 interview 然后 他 说 weareatthebeginningofabiologyrevolution 为什么 他 今年 非常 confident 这么 说 singlecell 在 10XX 发展 了 这么 多年 因为 他 真正 看到 了 这个 opportunity 特别 在 spatialomics 技术 出来 之后 可以 把 singlecellbiology 不单是 简单 的 在 basicresearch 上来 advance 我们 的 对 biology 的 理解 真正 可以 产生 更大 的 影响力 的 以及 把 所有 这些 金属 脉络 所有 的 这些 医疗 细胞 可以 impowerdrugdiscovery 同时 可能 真正 可以 实现 personalizedmedicine 因为 每 一个 TCO 你 现在 只是 看 一下 histology 每个 病人 的 biopsy 你 只是 简单 看 一下 histology 然后 下面 几年 说不定 每 一个 这个 biopsy 的 TCO 来自 于 每 一个 病人 的 你 可以 做 他 整个 的 specialomicsmapping 那个 信息 会 极其 的 大 然后 肯定 会 帮助 你 找到 什么 是 最好 的 治疗 方案 这个 是 NanoStringJoeBeaton 的 他 的 想法 他 也 说 Spacebiologyisthenextlifesciencesrevolution 这是 我们 最近 就 我们 的 圈子里 大家 流行 的 一个 很 搞笑 的 一个 东西 了 说 这个 generaleditor 以前 很 喜欢 singlecellgenomics 的 文章 现在 他们 新来 都 是 spatialtranscriptomics 然后 我 把 稍微 tweak 了 一下 我 觉得 的确 在 这个 VC 领域 最近 也 是 这样 一个 趋势 吧 下面 谢谢 大家 非常感谢 有 机会 跟 大家 交流 呃 剩下 几分钟 啊 我 可以 呃 简单 回答 大家 一些

问题 谢谢 嗯 谢谢 文 教授 特别 详尽 特别 专业 特别 学术 的 这个 内容 嗯 呃 内容 非常 丰富 呃 现在 这个 就是 聊天 框里 其实 有 很多 人 在 问 问题 这个 李 淑芳 她 一直 在 举 着手 我 先 给 她 解开 话筒 让 她 问 一下 我 就 想 问 一个

简单 的 简单 的 问题 就是, 呃 就是 你 讲 了 您 这个 实验室 的 那个 技术, 还有 因为 现在 比较 就是 推广 的 比较 多 的 就是 那个 时程 的 那个 技术, 呃 就是 想 知道 就是 这 两个 技术, 如果 我们 想 做 的话 就是 怎么 选择 就是 有 一个 做做 两个 之间 是

怎么 比较 呢? 我 觉得 10X 现在 依然 是 就是 5 个 micron 的 spotsize 所以 就 说 commercialavailable 的 这个 highresolution 就是 NIH 的 定义 highresolution 是 大约 10 个 micron 就是 至少 20micron 的 below 所以 说 市场 上 有 的 技术 目前 还 没有 就 10X 那个 达 不到 就是 这个 市场 性 的 解决方案 如果 那 是 你 在乎 的 那就是说 10X 为什么 实现 不了 如果 就是说 你 不 太 care 这个 spatialresolution 你 要 看 很大 的 这 个体 秀 的 面积 然后 很大 的 细胞 10X 非常 我 觉得 还是 非常 powerful 的 对 我们 的 和 其他 我 提到 的 无数 多个 这个 领域 的 最新 的 进展 我们 都 在 这个 16 的 level 当然 包括 华大 BGI 的 那 一个 甚至 达到 了 一个 micron 的 spotsize 但 目前 商务区 并 不 可行, 你们 可以 看 是否 需要 可以 的话 跟 他们 合作 好, 对 另外 一个 可能 就是 数据 对 另外 一个 可能 就是 数据 质量, 我 觉得 我们 目前 在 10 米 克兰 的 水平 我们 做到 了 将近 1 万个 transfer 我 觉得 SurfaceSpark 的 这个 capture 目前 最好 的 数据 也

远远 低于 这个 嗯 好 谢谢 樊 教授 好 的 好 的 谢谢 你

呃 季军 啊 你好 你好 哎 嗨 季军 你好 你好 樊 老师 你好 你好 嗯 呃 那个 非常 好 的 这个 报告 啊 谢谢 呃 想 问 你 一个 问题 啊 我 记得 你 以前 前 几年 有 在 做 一些 卡尔基 方面 的 研究 啊 陈卓 好像 是 也 在 这个 这个 也 在 听 哈 刚刚 我 看到 的 他 也 在 啊 我 最近 對 這個 也 特別 感興趣 啊 就是 對 這個 CAR T 這 方面 的 治療 這 方面 就是 這個 治療 這個 實體瘤 這個 腫瘤 微環境 啊 跟 這個 方面 到底 是 怎麼 回事 為 什麼 說 我們 這 CAR T 沒有 這個 療效 啊 您 這邊 有 沒 有 在 做 一些

這 方面 的 工作 对 我们 在座 可能 不是 单单是 CAR 包括 TCRT 对 目前 有 好几个 公司 他们 感兴趣 包括 这个 10 万亿 市场 大小 的 这种 大 的 资料 公司 对 你 说 的 正确 的 是 他们 认为 追 追 有 希望 的 这个 方向 就是 真正 用高 解析度 的 宇宙 Omics 来看 这个 T cellinfiltration 以及 localmicroenvironment 的确 是

这样 是 的 好 的 谢谢 徐晓好

的 方 老师 您好 我 对 您 的 工作 特别 感兴趣 然后 我 觉得 这个 思维 很 巧妙 我 有 两个 问题 第一个 就是 目前 的 空间转动 组在 切片 的 基础 上面 去 看 这个 切片 的话 细胞 的 边界问题 它 就是 比较 难得 区分 你 觉得 这个 问题 对于 空间 单细胞 分辨 来说 是不是 非常 重要 第二个 问题 就是说 基于 这个 栽培 片 的 这个 冰冷 切片 的 空间转动 组 可能 会 有 那个 RA 的 污染 问题 我 感觉 这个 污染 问题 还是 比较 重要 的 一个 问题 您 觉得 在 这 两个 问题 就是说 在 这个 技术 领域 它 它 占 的 一个 重要性 有 多 大 呃 我

觉得 我先 回答 第二个 问题, 我 好像 现在 记得 第二个 问题, 第一个 问题 麻烦 你 带 我 重复 一下, 第二个 问题 我 觉得 切片 这个, 呃 这 是 为什么 我们 想 push 到 fpe, 我 觉得 freshfrozen 的确 可能 有 这么 一点 concern, 呃 这 还 不是 他 切片 的 这个 concern, 我 觉得 最后 RNAdefuse 出来 也 会 往 变成 defuse, 虽然 呃 最近 呃 他们 就是说 做 实验 号称 所以 就 只有 比如说 一个 麦克 兰 的 fusion 但是 呃 但是 10x 告诉 你 的 你 应该 怎么 optimize 你 的 这个 气球 process 就 明确 其实 已经 很 明确 了 他 你 如果 处理 不好 的话 他 diffuse 是 很 严重 的 另外 一方面 我 想 说 是 其实 不管 你 处理 的 好 与 不好 那个 时间 控制 对 不 对 它 都 是 defuse 只是 你 在 optimize 那个 signaltonoiseratio 你 就是 尽量 让 它 没有 defuse 而 被 capture 的 地方 给 你 最 多 的 信号 defuse 的 那些 给 的 信号 相对来说 占 比 比较 低, 然后 你 找到 那个 最佳 的 这个 sweetspot, 所以 不光 是 在 切片 那个 时候 有 这个 diffuse 问题, 这 是 我 为什么 觉得 最终 还是 fpe 同时 你 不要 让 它 diffuse, 就是 你 真的 是 把 barcodedeliver 到 T 球 里面, 我 认为 拿到 的 是 最 clean 的 data, 原理 上 是 这样, 对, 你 的 你 的 第一个 问题 是 什么? 我 第一个

问题 就是说 我们 现在 切片 一般 以 10 微米 的 厚度 来算 的话, 哦, 是 吧? 就是 那个 细胞 边界, 它 是 不规则 的, 怎么

解决 这个 问题? 对, 我 觉得 我 的 回答 可能 两 方面, 第一个 是 SalesSegmentation 的确 是 很大 的 一个 effort 我 知道 HumanCellActors 他们 organize 了 十多个 team 一 起来 做 这个 SalesSegmentation 这 的确 是 不 容易 的, 即便 你 有 subsidiaryresolution 怎么 做 SalesSegmentation 大家 都 号称 自己 可以 做, 但 的确 并 不 容易 standardize 这个 事情 第二 是 即便 当 我们 分析 第一期 differentialgeneexpression 的 时候 我们 也 发现 当 你 看 这个 单细胞 的 specialdifferentialexpression 和 specialdifferentialexpression 它们 不 完全 一样 的 就是说 有些 比如说 它 是 你 看 单细胞 的 时候 它 是 differentialexpress 的 不同 的 区域 不同 的 细胞 类型 但 它 special 也 不 distinct 所以 这 可能 也 让 大家 开始 考虑 真正 具有 很 重要 的 tissuefunction 的 你 是不是 更 应该 考虑 这些 基因 或者 基因 的 一个 设置 这 也 是 像 三个 institute 一直 在 想 这个 问题 所以 他们 的 computationalpipeline 比如 最早 大家 都 是 简单 这个 borrow 这个 singlecellRNAsequencing 的 computationalpipeline 做 differentialexpression, 现在 大家 觉得 no 那 不是 很 好 的 办法, 你 应该 真正 carespatiallydistinct 的 这个 expressionpattern, 如果 是 这样的话, 还有 我们 最近 也 是 无数 的 文章 看到, 就是说 细胞 activelyexchangematerial, 这个 special 的 呃 distinct 的 那个 那些 那些 基因 或者 那些 mutation 或者 那些 tcellbcell 不同 的 celltype 的 所 对应 的 那个 specialexpression 的 区域 可能 就 足够 告诉 你 你 想要 的 东西 了 但是 实际上 现在

当然 细胞 称数 已经 告诉 我们 很多 答案 就是说 做到 细胞 分泌 还是 很 重要 的 我 觉得 这个 点 还是

没错 没错 没错 这是 为什么 我们 也 是 发掘 和 单细胞 的 数据 整合 起来 哇 一下子 这个 这个 数据 就是 整整 个 数据 不是 简单 的 一加 一 你 是 真正 enrich 了 很多

对方 老师 您 那边 招博后 吗 呃 生命 一秒 嗯 好 的 好 的 谢谢 你 啊 好 谢谢 下 一个

王靖 啊 谢方 老师 非常 感谢您 的 报告 就是 呃 最近 其实 我们 也 在 做 这种 单细胞 测序 但是 我 遇到 一个 问题 就 想 请教 您 就是 现在 单细胞 测序 呃 特别 是 时程 这种 这种 呃 策略 然后 它 是 基于 UMI 的 它 没法 拿到 一个 全强 然后 呢 我 最近 也 在 关注 这种 呃 用 smartseq 的 这种 数据 去 做 这种 呃 可变 简洁 splicing 的 这样 的 这样 的 工作 然后 发现 呃 这种 呃 发生 Splicing, 根据 Splicing 的 这种 Events 然后 去 做 的 这种 剧类 和 这种 单纯 基于 这种 基因 表达 它 其实 剧类 是 非常 不 一样 的 所以 我 就 想 请教 一下 在 空间 转幕组 方面 有没有 可能 去 做到 这种 全场 的 RNA 因为 毕竟 这种 基因 的 这种 RNA 的 这种 结构 导致 的 这种 基因 表达 的 不 一样 和 只是 看 一个 单纯 的 Transcript 呃 的 这种 呃 表达 它 还是 有 很大 的 差别 的 对 我

我 我 觉得 可以 简单 的 回答 一下 第 1 个 是 嗯 他 他 的确 本来 就是 不同 的 这个 biological 的 information 是 吧 你 看 你 看 他 的 splicingpattern 和 和 expressionpattern 本来 就是 两个 不同 的 事情 所以 我 并 不 奇怪 你 就 看到 了 那个 这个 classroom 是 不 一样 的, 但 另外 一方面 就是 绝大部分 的 数据库 现在 目前 都 基于 GeneXpression 来 的, 虽然 GeneXpression 不 表明 所有 的 信息, 但 现在 似乎 是 大家 最最 关注 的。 虽然 你 新 的 技术 能够 解决 expressionpattern, expressionlevel 的 分析 依然 是 首要 的。 呃, 我 觉得 全 这个 FullLength 这 一块 即便 做 不到 FullLength, 其实 你 的 其实 你 的 TenX 的 library 是 蛮长 的, 只不过 你 现在 是 用 IlluminaParallelLine 的 测序, 你 只测 这个 150, 或者 你 用 MySec 你 可以 测 250, 呃。 但 其实 你 的 library 是 很长 的, 你 如果 真正 curious 你 可以 直接 把 10x 的 library 送 去 让 pacbio 的 机器 测, 你 可以 测 到 至少 10 多, 所以 你 可以 得到 不少 有 价值 的 spicy 信息。 好, 谢谢 你, 谢谢。 好, 下

一个 张 玉龙。 杨 教授

你好, 就是 关于 SlideSeek 这篇 相关 的 文献 都 有 仔细 去 看, 我 觉得 非常 好 的 方法。 我 这边 就是 有 两个 问题 想 请教 一下, 就是 现在 实诚 的 其实 像 相关 的 短路 走学, 其实 它 的 价格 还是 比较 贵 的。 像 SlideSeek 的话, 如果说 以后 商业化, 它 的 价格 会 不会 比较 亲民 呢? 就是 比较 能 大部分 人 做 得 起。 第二个 问题 就是 现在 的 空间转动 组 虽然 叫 空间转动 组 但是 明显 还是 个 2D 现在 要 做到 3D 还是 要 一层 一层 的 去 切能 不能 您 觉得 以后 有没有 可能 真正 的 做到 不用 一层 一层 去切 真正 的 做到 3D

呢 谢谢 嗯, 就 SlideSeq 我 不 清楚 他们 有 commercialization 的 计划, 相反 我 觉得 只是 现在 SlideSeq 和 commercialize 不太有 竞争力, 因为 第一, 呃 这个, 呃 他们 目前, 呃 我 觉得 那个 RAcaptureefficiency 那个 sensitivity 还是 比较 差, 对 不 对? 第二 是 TENX 明年 他们 号称 上半年 有 可能 会 下半年 会 推出 他们 的 TENXVISIONHD 所以 我 觉得 就是 SLYSIG 就 没有 太多 的 技术 优势 在 那里 了 呃, 当然 价格 是 另外 一 回事, 我 一直 不 把 价格 作为 我 的 呃, 首先 如果 collaborator 来 找 我 说 ok, 10x 太贵 了, 能 不能 跟 你 合作, 我 说 那 我们 先 想一想 有没有 其他 不同 的 这个 这个 信息, 你 从 10x 的 platform 上 得不到 的, 我们 可以 给 你 呢, 我 单纯 考虑 价格 的, 我 觉得 一般 从 market 上 产业 来说, 呃 并 没有 太 多 竞争 优势 然后 另外 就是 3D, 这 毫无疑问 是, 我 觉得 像 现在 NCI, NIH 有 很大 的 兴趣, 就是 intact 的 T Shield, 甚至 一个 millimeterscale, 你 可以 做 3D, 但是 我 想 argue 的 就是, 这个 pathology 就是 看 T Shieldslice 已经 看 了 数十年 了, 他们 有 无数 的 经验 在 那里, 呃, 你 等到 我 build3D 的, 而且 3D 有 很大 limitation, 你 得不到 很 精确 的 信息, 你 可能 只能 看 几个 marker, 然后 每 一轮 那个 也 很 也 很慢。 呃, 所以 我 不 觉得 它 短期内 会 有 多 大 的 影响力, 但是 它 可以 创 就是 create 一些 unique 的 data, 然后 这些 data 可能 可以 帮助 这个 一个 section 一个 section 把 它 stack 到 一起 的 那个 那个 数据 的 整合, 可以 帮助 这种 数据 的 整合 的 分析 但 我 觉得 怎么 capitalize 上 我们 的 这个 clinicalfriendspathologists 他们 的 knowledge 数十年 的 经验 我 觉得 这是 非常 非常 重要 的 而且 这个 也 不会 改变 以后 病人 的 这个 biopsy 样品 来 了 都 是 这个 流程 都 是 要 做 切片 然后 你 怎么 从 那个 切片 上 拿到 最有 最 大量 的 最 有 价值 的 信息 来 帮助 病人 我 依然 觉得 这是 最最 重要 的 好 的 好

的, 谢谢 樊 教授。 好, Grace 您 提问。 樊 老师

您好 啊, 非常感谢 樊 老师 的 演讲, 为 我们 为 我们 这个 WayV 到来 了 这个 Spatial omics 的 这个 发展 历程 和 最新 的 研究成果。 我 这边 可能 就是 有 两个 问题 啊, 一个 是 就是 如果 我 理解 的 对 的话, 这个 10x 他们 也 是 把 他们 的 propertysend 到 这个 sample 里 去, 然后 他们 的 技术 路径 是 什么? 然后 第二个 就是 就是 就是 呃 这个 这个 目前 的 这些 技术 技术 路径 啊 对于 这个 科研 啊 以及 资料 领域 已经 是 一个 有 非常 想 非常 大 想象 空间 的 一个 应用 的 这个 这个 领域 了 啊 我 想 问 的 是 就是 啊 在 您 看来 有没有 可能 有 一天 这个 specialomics 会用 在 临床 的 诊断 上 或者 是 在 临床 上 有些 应用 啊 他 会 是 在 比如说 5 年 10 年 的 这个 实验 范围 然后 您 觉得 他会 是 一个 怎么样 的 一个 临床 应用 场景

对, 第一 我 想 说 一下 10X 它 那个 它 标准 的 Vision 它 不是 把 probe 伸 得到 体系 里面, 它 是 把 那个 RArelease 出来, 然后 RAdiffuse 出来, 然后 capture 到 substrate 上, 这个 substrate 上 有 DNAbarcode, 有 那个 addresscode。 对, 所以 他们 并 不是 sendprobe 到 T9 里面, 所以 我们 是 唯一 的 一个 send 的 这个 addresscode 到 T9 里面, 当然 还 有些 比如说 上个星期 一篇 sciencepaper, 他们 就 相当于 是 做 一个 specialresult 的 那个 那个 split seq 呃, 然后 他们 是 把 probe 送到 T恤 里面 啊, 但是 那个 是 数百 micron 的 specialresolution 对 啊, 并 没有 达到, 呃 大家 所谓 的 sellerlevel 对, 呃 第二, 你 的 第二个 问题 是 就是 往 临床 这 一块, 呃 的确, 我 觉得 大家 一直 在 说, 呃 我 觉得 整个 genomics 这个 industry 吧, 我 觉得 NGS 的确 是 怕 了 一部分 很多 的 公司, 包括 成功 的 经典 例子 是 precision 那个 foundationmedicine, 他们 就是 基于 简单 的 这个 包括 的 测序, 但是 积累 了 足 足够 的 数据, 然后 foundation 的 这个 panel 也 是 FDAapproved 下 一个 wave 就是 相当于 extracellular 这个 self freeDNA 几个 panel 现在 FDA 也 开始 approved 了 包括 Foundation 和 其他 的 这个 专 专注 做 这个 领域 的 公司 什么 Grail 或者 是 Garden 之类 的 我 认为 这个 升 高效 理论 上 应该 是 下 一轮 就是 进入 到 clinicalrealclinicalimpact 但 目前 看来 升 高效 可能 更 多 的 依然 停留 在 这个 basic 以及 drugdiscovery 方面 呃, 但是 我 可能 是 觉得 TenX 的 它 的 整个 workflow 一直 和 clinical 不是 很 compatible, 但 现在 情况 有 一些 变化, 就是 比如说 TenX 最近 推出 了 它 的 那个 fixedcell 的 那个 approach, 其实 那 也 是 我们 自己 以前 也 在 做 的, 呃 我 觉得 我们 估计 最早 做 出来, 一直 我 一直 没有 没有 怎么 publish 那个 因为 我们 最早 一直 在 想 怎么 和 clinicalIVD 怎么 相 兼容 现在 可能 突破 至少 可以 看到 怎么 突破 了 就是 怎么 和 clinical 的 这个 样本 更好 的 兼容 所以 下面 几年 是 有 可能 但 specialomics 就 比较 特别 它 出现 的 第一天 它 就 他 就 特别 关注 是否 和 标准 的 这个 Histopathology 相 兼容 所以 说 弄不好 的确 SpatialOmics 反倒 会 更进一步 最先 实现 这个 clinical 如果 不是 FDA 的 IVDapproval 比如说 CLEAR 的 这个 应用 很 有 可能 甚至 你 会 看到 比 SingleCell 更早 然后 我们 department 我们 pathologychair 也 在 challenge 我 说 Ron 你 的 这个 技术 能 不能 我们 想想 可以 develop 一个 cleartest 我 的确 有 几个 idea 比如说 你 真的 你 没 必要 这种 cleartest 的, 比如说 一个 tumor 来 了, 你 想 知道 它 的 mutationalprofile, 就是 因为 这是 actionablemutation, 大家 知道 的, 但 大家 不 知道 是 这个 actionablemutation 发生 在 T 球 的 什么 区域, 你 就 做 一个 specialresolve 的 DNAmutationmapping, 这个 很 容易 做, 用 我们 的 platform, 我 觉得 这种 东西 真的 是 很 有 可能 迅速 实现 clinicaltranslation 的, 呃 这 是 我 自己 的 一些 想法, 对, 呃 反正 下面 5 年会 非常

exciting 谢谢 法 老师, 嗯, 哦, 现在 有 另外 一个 administrator 的 有 一位

提问, 我 想 问 一下 就是, 哦, 你们 那个 dbit 的 技术 的话, 我 感觉 他 那个 因为 要 形成 每个 barcode 的 那个 独立性 的话 要 依赖于 那个 芯片 和 那个 波片 的 年付 吗, 所以 我 就 在 想 这个 你们 是 怎么 去 就 在 测序 测序 分析 之前 是 怎么 能够 保证 你 这个 barcode 是 没有 在 发生

混乱 的, 呃 我 觉得 我 也 是 很 surprise 的, 今天 还 work 的 挺 好 的, 呃, 当然 你 的 芯片 不 可以 有 defect, 比如说 channelacademic 的 prototype 有时候 就 会, 比如说 那 channel 之间 有 有 有 defect 之类 的, 有 这种 的话 你 肯定 是 不行。 第二 是 T Shield 的确 也 不能 有 什么 defect, 如果 T Shield 整个 有 一个 很大 块 的 一个, 比如说 fiber 这个 脏 的 东西 在 那里, 可能 也 会 导致 leak。 呃 但 我 觉得 这些 东西 对 其他 技术 也 是 一样 的, 呃 比如说 像 10x 为什么 那个 你 如果 有 很大 一块 一个 dash 的 在 那里, 那 一篇 信息 你 也 读 不到, 呃 就是说 你 如果 是 一个 好 的 这个 pathology 的, 你 是 不 允许 那个 事情 出现 的, 呃 因为 这个

看不到 嘛, 就 前期 处理 的 过程 是 你 好看 的, 对 他 都 是 无色 的 什么 东西, 你 不

知道 他 对 这个 是 我们 最近 在 想 的, 如果 你 真正 care 的话, 你 其实 可以 看 了, 你 spike 一点 floral 进去 就 好 了, 他 也 不 影响 对, 所以 我们 现在 最近 我 Live 没 在 做 这个, 但是 我们 公司 叫 AtlasExomex 它 在 想 develop 这些 QC 的 就是 或者 inlinequalitycontrolmonitoring 的 一些 process 其中 一个 就是 你 可以 spike 一些 fluorophore 进去 这些 fluorophore 不 含有 Oligo 那么 你 就 可以 它 也 不 影响 你 甚至 可以 spike 一些 带有 fluorophore 的 带有 Oligo 的 带有 fluorophore 的 Oligo 你 甚至 可以 看到 呃, 他 他 办 的 软件 上 的 MRI 上, 你 就是 sacrifice 一点 你 的 这个 这个 transcript 的 这个 这个 rates, 但是 你 有 很 清楚 的 这个 这个 这个 这个 QC 对于 每 一个 样品, 我 觉得 这个 可能 最后 往 重要 的 临床 转化 的 时候, 这些 是

蛮 重要 的。 对, 还有 就是 还有 一个 问题, 就是 好像 现在 的 整个 的 能够 覆盖 的 面积 好像 是 挺 有限 的。 No, 这是

我们 的 优势, 其实 gram 的 那 一个 数据 你 看到 了, 那个 是 很大 的 一片, humanhypercanvas 是 很大 的 一片。 我们 有 几个, 我们 有 几个 方案 可以, 所以 我们 最近 在 做 的 想 实现 到 25 个 mm, 但 我 也 没 觉得 需要 更大, 因为 我 的 玻璃片 也 就 也 就 一个 inch。 对 我 觉得 实现 一个 centimeter 甚至 1.5 个 centimeter 是 很 容易 的 对于 我们 这个

device 对 我 感觉 这 对于 这个 芯片 的 设计 可能 就 需要 这个

对要 重新 设计 一下 那个 芯片 就 是不是 简单 的 流过去 拉倒 了 核心 idea 就 跟 我 以前 我们 那个 isoflexdevice 一样 这个 channel 要 来来回回 很 多次 cover 很大 的 面积 蛇行 的

那种 是 吗 对 对 謝謝 謝謝

謝謝 我 看 這個 聊天 框 還有 幾個 問題 要不是 您 挑 一個 問題 回答 一下 比較 有 代表性

对 有 一个 就 说 那个 在 FLPE 上 做 spatialtranscriptome 我们 的 方法 和 10X 有 什么 区别 我 之前 也 提到 10X 他 最后 其实 根本 没有 做 这个 CDNA 的 测序 他 其实 做 的 是 测 的 测 的 是 他 的 probe 他 把 他 把 那个 probedeliver 到 那个 那个 T恤 里面 最后 把 RNAdigest 掉 之后, 把 那个 probe 拿 出来, 然后 测 到底 是 哪些 probe 被 被 capture 到 那个 RNA 上 了。 所以 说, 比如说 你 想 知道 那个 RNA 特定 的 序列 或者 特定 序列 的 变化。 比如说 有些 mutation 或者 有 有 有 什么 其他 的, 呃 比如说 spice 刚才 提到 的, 呃 那么 你 就 无法 知道, 因为 你 没有 这个 basebybase 的 测序 信息, 我们 还是 保留 在 传统 的 做法, 就是 3prime 就 像 3primesinglecellRNA 测序 一样 的, 我们 依然 是 合成 cdna, 最后 测 的 就是 cdna, 所以 我们 测 的 就是 mri 的 序列 basebybase, 嗯, 好

谢谢 樊 教授 谢谢 我 把 所有人 解开 镜 让 大家 跟 你 说 一声 谢谢 谢谢 谢谢 樊 教授 谢谢

樊 老师 谢谢 樊 老师 谢谢 樊 老师 拜拜