癌症相关成纤维细胞(CAF)研究的发展史也是一部方法学升级的历史。早期研究通过少数标志物或bulk组学观察肿瘤基质变化但这些方法难以区分信号来自癌细胞、免疫细胞、血管细胞还是成纤维细胞。单细胞测序的出现提升了细胞分辨率使iCAF、myCAF、apCAF等亚群被不断发现。然而Cancer Cell综述指出单细胞命名仍然面临跨癌种可比性不足和组织位置缺失的问题。CAF并不是漂浮在细胞悬液中的孤立对象它的功能往往取决于邻近肿瘤巢、免疫聚集区、血管壁或ECM束的位置关系。因此空间蛋白组学成为理解CAF分类的重要补充。PCF80作为80抗体Panel的空间单细胞蛋白组体系可为组织原位空间蛋白组学技术提供蛋白层面的连接。文献指出CAF领域的一个难点在于命名越积累越复杂。不同研究根据转录特征提出多种CAF亚群但这些亚群是否代表保守生物学实体仍需结合空间位置和功能背景分析。比如表达ACTA2的细胞不一定都是myCAF因为血管平滑肌细胞和周细胞也可能表达相关标志表达MHC-II相关分子的apCAF在不同起源和免疫邻域中可能具有不同含义保留CD34、DPT、PI16等特征的祖细胞样群体也可能被误认为新的CAF亚群。换句话说单细胞测序提供了“细胞表达什么”的线索但要理解“这些细胞在组织中承担什么结构角色”仍需要回到组织原位。在方法学组合上bulk组学适合获得整体表达趋势单细胞测序适合发现候选细胞状态空间转录组可提供区域性RNA图谱而PCF80等空间单细胞蛋白组方法则可在蛋白层面同步分析细胞身份、功能状态和空间邻域。这种方法学升级可用于多类研究设计。肿瘤样本中研究者可先利用单细胞测序提出CAF候选亚群再用PCF80观察这些亚群是否位于肿瘤-间质界面、血管周围或淋巴细胞富集区。免疫微环境研究中可对比CAF富集区与CD8 T细胞、Treg、巨噬细胞或B细胞结构的空间关系。炎症和纤维化组织中可观察不同基质程序是否与炎症细胞聚集、胶原沉积或血管结构变化相伴随。神经相关肿瘤或器官特异性研究中还可把CAF状态与组织固有解剖分区结合起来。PCF80在这些场景中的意义是为候选机制提供蛋白层面和空间层面的观察框架。因此从bulk到单细胞再到空间蛋白组并不是简单追求更复杂的数据而是为了回答不同层级的问题。bulk可以告诉我们整体趋势单细胞提示可能的细胞状态空间蛋白组则帮助分析这些状态如何嵌入真实组织结构。Cancer Cell综述对CAF分类的贡献正在于把分子表型和空间原型放入同一框架。对PCF80而言这篇文献提供了非常清晰的应用逻辑以80抗体Panel组织CAF、免疫、血管和ECM指标在同一张组织切片上建立可理解的空间微环境图谱。【说明】本文仅为科研技术方法介绍不涉及疾病诊断、治疗建议、疗效预测、用药指导或临床决策。文中提及研究发现均来自学术文献相关分析结果需结合更多实验和研究进一步观察与复核不构成任何医疗意见。【参考文献】Liu Y, Chen X, Dai Y, Jia Y, Kieffer Y, Xie L, Zhou Z, Tyler L, Kim AC, Biffi G, Krishnamurty AT, Mechta-Grigoriou F, Scherz-Shouval R, Sherman MH, Turley SJ, Wang L, Huang H. Molecular phenotypes and spatial archetypes: A new framework for cancer-associated fibroblasts. Cancer Cell. 2026;44(1). https://doi.org/10.1016/j.ccell.2026.06.001