转自：生物谷
空间生物学技术，特别是基于成像的空间原位技术的应用，正在迅速改变我们对健康和人类疾病的认识与理解，让我们能够直接观察并深入理解癌症组织的异质性和细胞间的相互作用，广泛应用于疾病机制、病人分层、药物机理、药物靶点筛选和发现等多方面的研究。而细胞在生物体中处于三维环境中，整合大样本三维成像和单细胞超多重分析的多模态跨尺度空间生物学成像，帮助我们全面理解复杂的生物学过程，也为未来生物医学进步的提供重要的支撑作用。
6月21日，生物谷携手美天旎共同召开主题为“从3D到2D，空间生物学成像助力疾病研究与药物开发”的空中讲坛，邀请各位行业专家共聚云端探讨空间生物学相关技术的应用和最新进展、未来发展方向，促进学术交流和合作。
扫码免费报名
嘉宾阵容
麦鸿成
中山大学孙逸仙纪念医院 副研究员
嘉宾简介：麦鸿成，副研究员，博士生导师，“百人计划”中青年杰出人才。德国慕尼黑大学博士，以及在德国亥姆霍兹国家研究中心进行博士后训练，师从组织光透明技术前驱者Ali Erturk。致力于跨器官水平的组织光透明标记与成像技术的研发和应用。曾以第一作者，通讯作者（含共同）Nature Biotechnology、Nature Protocols、Stroke和Bioactive materials上发表论文，同时受邀在Nature Reviews Cancer上发表短评。共同作者在Cell、Nature Communications和Small等刊物上发表了多篇学术论文。VIEW期刊， BrainX期刊青年编委会的成员。
演讲题目：利用组织光透明技术探索三维空间蛋白质组的研究
演讲摘要：组织透明化方法代表了三维成像领域的一次重大突破，为科学家提供了一种能够深入观察内部结构而不破坏组织完整性的手段。本讲座旨在深入探讨组织透明化技术的基础原理和实际神经科学应用，尤其是着重介绍利用组织光透明技术在实现三维空间蛋白质组的研究。
Christoph Herbel
Miltenyi Biotec B.V. & Co. KG R&D Group Leader
嘉宾简介：Christoph Herbel博士在德国癌症研究中心（dkfz）攻读博士学位，研究DNA损伤应答、代谢和表观遗传之间的相互关系。在Dana Farber癌症中心的博士后工作聚焦于确定影响细胞对基因毒性应激反应的代谢信号通路。他的第二轮博士后是在贝斯以色列女执事医疗中心（Beth Israel Deaconess Medical Center）/哈佛医学院研究T细胞反应的调控机制和信号通路。Christoph Herbel博士在2017年加入美天旎生物技术，担任研发部门的项目负责人，他在美天旎期间利用MACSima空间组平台鉴定并验证了基于免疫细胞的癌症治疗新靶点。
演讲题目：Preclinical Evaluation of Novel Folate Receptor 1-Directed CAR T Cells for Ovarian Cancer via spatial biology
演讲摘要：卵巢癌是一种严重威胁妇女健康的重大疾病，早期诊断比较困难，而且复发率高，因此亟需新的长效、高效药物。由于表达嵌合抗原受体（CAR）的T细胞疗法可产生高效、持久的抗肿瘤反应，我们的研究旨在设计和探索针对卵巢癌的CAR T细胞。使用MACSima空间组平台，我们证实叶酸受体1（FOLR1）是卵巢癌患者样本中有前景的肿瘤相关抗原。我们设计了靶向FOLR1的CAR T细胞库，并在体外针对细胞系以及卵巢癌小鼠模型体内评估了它们的功能和特异性。最终选择了一种候选先导细胞进行进一步研究，这种抗FOLR1的CAR在包括反映实体瘤微环境的试验中测试有效。这些结果支持我们对新的FOLR1特异性的CAR T细胞进行临床转化。
高军涛
清华大学 副研究员
嘉宾简介：清华大学，北京信息科学与技术国家研究中心（BNRist) 副研究员；德国海德堡大学/德国癌症研究中心博士，美国Stowers医学研究所博士后；全球首个单细胞英文杂志Monocytomics，编委； 世界华人医师协会前沿科技与临床转化专委会，委员；中国遗传学会三维基因组学专委会，委员；国家自然科学基金评委，中国三维基因组学领域内的活跃专家之一。高军涛实验室多年来，一直从事三维基因组等多组学新方法的开发（侧重于生物分子超分辨成像方向）， 并利用这些新方法来研究癌症的分子机理。在Nature Communications、PNAS、NAR、Advanced Science等杂志发表论文近六十篇，被引用一千多次。主持或参与了多项国家自然科学基金委员会、国家重大研发计划及 973 的科研项目，已获得多项专利的授权。
演讲题目：基于分子成像的空间生物学
演讲摘要：空间生物学以空间多组学为主要研究内容，其主要工具可分为测序和成像两大类。基于分子成像的空间多组学，在三维基因组学、空间转录组学等领域都取得重要进展。（多重）FISH（荧光原位杂交）技术是这些领域的主要技术之一。然而，在FISH应用于临床的过程中，需要有专人在显微镜下从大量的FISH图像中找到需要的FISH信号，每天长时间的阅片会导致错误率的上升。为了克服这个缺点，我们提出用机器学习的方法来进行智能阅片。
我们首先积累了FISH的大数据、开发了基于FISH图像的细胞核内的多组学数据库iSMOD(https://www.i-smod.com/)。该库收录了自FISH发明以来的半个世纪中，已经发表在共计两万多篇（仍在增长中）文献中的各种DNA FISH、RNA FISH数据（包括Tn5-FISH数据）及相应的空间基因组、空间转录组图像数据，以用于监督学习的算法训练。基于FISH成像的空间多组学数据，有助于理解基于染色质和关键蛋白的调控和转录的分子机理。
因此，该库还包括了核蛋白的蛋白质组数据，以对细胞核中的三维基因组、转录组和蛋白质组数据进行整合，来更好地理解转录和调控机理。与此同时，我们开发了一种新的基于无监督学习的深度学习框架，用于检测和定位FISH数据中的有效荧光信号。所有这些工作，为空间生物学的高通量、快速成像和智能阅片，打下了初步的基础。
