Diclofenac

“鉴于后台咨询需求，新增板块” 背景： 在传统药物研发中，我们已经能够非常精确地回答：血浆中的药物浓度是多少、整块肿瘤中有多少药物、肝肾组织中累积了多少母体药物或代谢物。然而，许多药物仍然出现“血药浓度理想但疗效不佳”“肿瘤总暴露充足但核心区域无效”“器官平均浓度不高却出现明显毒性”等看似矛盾的现象。   这些矛盾往往不是因为药代动力学数据错误，而是因为传统血浆 PK 和组织匀浆定量丢失了空间信息。MALDI-MSI 与 DESI-MSI 的核心价值，就是把“组织平均浓度”拆解为“药物、代谢物、内源性分子和病理表型在组织中的空间分布”，从而建立真正意义上的 spatial pharmacology（空间药理学）。 一、这些关键问题究竟暴露了传统药物研发的什么局限？ 药物研发通常通过四类证据判断候选药物是否有效、安全： 1. 血浆药代动力学：Cmax、AUC、Tmax、半衰期、清除率； 2. 组织匀浆定量：肿瘤、肝、肾、脑等组织中的 ng/g 或 μmol/kg； 3. 药效学指标：靶点占有、信号通路变化、DNA 损伤、凋亡或增殖抑制； 4. 病理和毒理指标：坏死、炎症、纤维化、肝肾生化和行为学异常。 这些指标本身并没有问题。真正的局限是： 它们往往分别回答“有多少药”“组织发生了什么变化”，却无法直接回答“药物是否在发生这些变化的同一组织微区”。1. 血浆暴露不等于靶组织暴露 血浆 AUC 较高只能说明循环系统中的暴露充分，不能证明药物已经： • 穿过异常肿瘤血管； • 完成血管外渗； • 穿透致密 ECM 和 CAF 屏障； • 到达缺氧或低灌注的肿瘤核心； • 进入表达靶点的细胞； • 以具有活性的化学形式存在。 因此，“系统暴露充足”与“局部有效暴露充足”是两个不同命题。2. 组织匀浆浓度不等于组织内均匀分布 组织匀浆 LC–MS/MS 会把血管、间质、肿瘤细胞、坏死区、免疫区和结缔组织全部混合。相同的 20 ng/g 可能代表： • 药物在整个肿瘤中近似均匀； • 药物只集中于肿瘤边缘； • 药物主要位于血管腔或血管周围； • 少数热点区域浓度极高、其余区域几乎无药； • 药物主要进入坏死区，而不是活肿瘤区。 因此，组织匀浆回答的是 mass balance，而不是 microregional exposure。3. 病理损伤不等于药物直接导致损伤 看到肾小管损伤、肝小叶坏死或神经组织改变，并不能自动证明： • 母体药物在该区域富集； • 毒性代谢物在该区域生成； • 损伤是 on-target 还是 off-target； • 损伤是否由免疫反应、缺血、继发炎症或全身状态间接造成。 MSI 的价值在于把药物、代谢物、组织结构与损伤标志物放在同一空间框架中，但空间共定位仍然是机制支持证据，不等于单独完成因果证明。4. 靶点阳性不等于有效药物到达 这一局限在 ADC、前药、PROTAC、纳米递送和核酸药物中尤其突出： • 抗体到达肿瘤，不等于 payload 被有效释放； • ADC 的 intact antibody 分布，不等于 free payload 分布； • 前药进入组织，不等于活性代谢物在靶区形成； • LNP 到达肝脏，不等于有效 RNA 进入目标细胞胞质； • PROTAC 到达组织，不等于形成三元复合物并诱导蛋白降解。 配图建议：在此处放置“传统 PK 与空间药理的差异”示意图。 从平均暴露到空间药理 图1｜从平均暴露到空间药理：MALDI-MSI / DESI-MSI 如何补齐药物研发中的空间断层  图注：该图比较了血浆 PK、组织匀浆 LC–MS/MS、MSI 空间分布以及多模态空间药理四类证据层级，强调“系统暴露高并不等于药物进入肿瘤核心，组织总量高不等于分布均匀，药物可见也不等于有效 payload 已释放，局部高暴露亦不必然代表毒性已经发生”。 传统血浆 PK 和组织匀浆定量主要回答“总量有多少”；MSI 进一步回答药物或代谢物位于血管、肿瘤边缘、活肿瘤、坏死核心还是毒性敏感结构。二、MALDI-MSI 与 DESI-MSI 能回答什么，又不能单独回答什么？1. MALDI-MSI MALDI-MSI 在组织表面沉积基质，利用激光逐像素解吸和电离分析物。常见优势包括： • 可覆盖小分子药物、代谢物、脂质、肽、部分蛋白和糖类； • 空间分辨率可以根据仪器和方法达到几十微米，优化平台可更高； • 可联合高分辨质量分析器和 MS/MS 提高分子鉴定可信度； • 适合 ADC payload、肿瘤内药物分布及器官微区暴露研究。 主要限制包括： • 基质类型和沉积方式显著影响离子化效率； • 基质晶体尺寸会限制有效空间分辨率； • 不同组织区的盐、脂质和蛋白组成会造成离子抑制； • 单纯离子强度通常不是绝对浓度； • 低丰度、易降解或电离性能差的化合物可能不可见。2. DESI-MSI DESI-MSI 通过带电溶剂喷雾在常压下从组织表面解吸并电离分子。其特点包括： • 样本前处理较少，无需 MALDI 基质； • 对脂质、小分子和部分代谢物特别有优势； • 可用于较快速的组织代谢分型； • 对组织形态的破坏相对较小，可与后续病理分析结合。 主要限制包括： • 喷雾角度、溶剂组成、流速和表面湿润程度会影响信号； • 可能出现横向扩散和空间模糊； • 对不同化学类别的覆盖并不均等； • 对某些目标药物仍需针对性方法开发和衍生化。 MALDI-MSI 与 DESI-MSI 的比较与选择 图2｜MALDI-MSI 与 DESI-MSI 在药物研发中的比较与选择逻辑  备注：该图概括了两类 MSI 平台的电离机制、适合分析物类型、空间分辨率与样本前处理特点，并展示如何依据目标分析物、所需空间分辨率、是否需要绝对定量以及是否需要结构确认来选择单一平台或联合使用。3. 最重要的边界：MSI 不是“自动定量显微镜” MSI 可以产生非常直观的热图，但热图的颜色不天然等于绝对浓度。要报告 μg/g、ng/mm² 或 μmol/L 等绝对量，通常需要： • 同位素或结构类似内标； • 组织匹配校准曲线或 tissue mimetic； • 明确的线性范围、LOD、LLOQ、准确度和精密度； • 对组织特异性离子抑制进行评估； • 用 LC–MS/MS 对总体浓度或局部微切割样本进行交叉验证。 未完成这些验证时，更严谨的表述是： “相对离子强度显示该分析物在某区域富集”，而不是“该区域的药物浓度更高多少倍”。 药物研发中 MSI 能回答的五个关键问题 图3｜药物研发中 MALDI-MSI / DESI-MSI 最核心的五类问题  备注：该图总结了 MSI 最常回答的五类问题：药物是否进入肿瘤核心、是否富集于毒性微区、母体药物与代谢物分别位于哪里、肿瘤边缘是否存在特殊脂质或代谢生态位，以及药物暴露是否与 PD、组织损伤或细胞死亡共定位。三、问题一：药物是否进入肿瘤核心？ 这个问题表面上是“是或否”，实际上至少包含四个层级： 1. 药物是否进入肿瘤组织； 2. 是否离开血管进入肿瘤实质； 3. 是否到达活肿瘤核心，而非仅进入坏死腔； 4. 是否在靶点阳性细胞附近达到有效暴露。1. 什么情况下可以说“是”？ 不能仅凭核心区域出现几个彩色像素就判断“进入”。更可靠的证据组合包括： • 目标离子经过标准品、精确质量和 MS/MS 确认； • 信号位于病理学定义的活肿瘤核心； • 信号不只是与 heme、CD31 或血管标记高度重叠； • 多个连续切片和多个生物学重复中可复现； • core/edge ratio、距血管衰减曲线或核心阳性面积比例支持渗透； • 总体浓度与 LC–MS/MS 结果方向一致。2. 什么情况下可以说“否”？ 只有当检测方法已经证明在该组织基质中具有足够灵敏度，且阳性对照可检出时，核心区域持续低于预设阈值，才可以较有把握地说“未检出有效核心暴露”。 严谨表述应区分： • 未检出：低于当前方法检出能力； • 未进入：经方法学排除后推断真实不存在； • 进入不足：存在信号，但低于预设药效暴露阈值； • 进入但无效：存在药物，但无靶点调控或 PD 反应。3. 边缘高、核心低，是否一定是渗透障碍？ 不是。 可能的真实生物学原因： • 血管密度和灌注在边缘更高； • ECM 和 CAF 限制扩散； • 高间质液压阻止对流运输； • 大分子存在 binding-site barrier； • 给药后采样过早； • 药物在进入核心前被代谢或外排。 可能的方法学原因： • tissue edge effect； • 边缘基质结晶更充分； • 中心坏死、盐或血红素造成离子抑制； • 切片中心厚度或附着状态不同； • 图像按单张切片最大值归一化，夸大了边缘热点。4. 核心高信号是否一定是好结果？ 也不是。必须区分： • 活肿瘤核心； • 液化坏死区； • 出血区； • 囊腔内容物； • 巨噬细胞清除区。 药物进入坏死区不一定产生疗效；部分脂溶性化合物或代谢物可能在坏死物中被动积聚。5. 有没有通用的 core/edge 正常阈值？ 没有。 core/edge ratio、penetration distance、positive-area fraction 等指标必须根据： • 药物类别； • 预期作用细胞； • 空间分辨率； • 分析方法 LLOQ； • 肿瘤模型结构； • 采样时间点； • 药效阈值 预先定义。不能将某一研究中的 0.5、0.8 或 1.0 直接作为所有药物的正常值。四、问题二：药物是否富集在肝、肾或神经毒性区域？1. 高信号是否等于毒性？ 不等于。 肝、肾本来就是代谢和排泄器官，出现高暴露并不意外。要把“富集”解释为毒性机制，需要至少满足以下几个层次： 1. 药物或代谢物在特定解剖微区富集； 2. 同一区域出现组织损伤或分子应激； 3. 存在剂量依赖或时间依赖； 4. 分布与药理机制或转运体表达具有生物学合理性； 5. 其他非药物原因得到控制。2. 肝脏中如何判读？ 需要区分： • 中央静脉区与门管区； • 肝细胞区与胆管区； • 炎症灶、坏死灶与正常肝小叶； • 母体药物与氧化、结合或反应性代谢物。 肝脏平均浓度高但无局部损伤，可能只是正常代谢。平均浓度不高但中央静脉周围代谢物热点与坏死重叠，反而更值得警惕。3. 肾脏中如何判读？ 肾脏必须按皮质、髓质、肾小球、近曲小管、远曲小管和集合管解释。近曲小管富集可能与： • OAT/OCT 等主动摄取； • 肾小球滤过后重吸收； • 溶酶体捕获； • 局部代谢； • 结晶或沉淀 有关。 但即便药物与损伤区共定位，也需结合 KIM-1、NGAL、clusterin、组织病理和肾功能指标，不能只凭 MSI 图认定肾毒性。4. 神经组织中如何判读？ “脑组织有药”仍不足以证明药物到达目标神经元。应继续区分： • 灰质与白质； • 皮层、海马、纹状体或脑干； • 血管周围与脑实质； • 神经元、胶质细胞和髓鞘丰富区域； • 背根神经节等外周神经毒性敏感组织。5. 真实案例：NK105 与 paclitaxel Yasunaga 等使用高分辨成像质谱比较 paclitaxel 与其胶束制剂 NK105。研究显示，NK105 在小鼠模型中向肿瘤、包括肿瘤中心递送更多 paclitaxel，同时正常神经组织中的分布较少，并伴随更强抗肿瘤作用和较低神经毒性。这一案例说明 MSI 可以同时支持“疗效区域递送”和“正常组织暴露降低”的制剂优化判断[9].五、问题三：代谢物分布在哪里？ 传统 LC–MS/MS 可以准确告诉我们代谢物 M1、M2 的总量，但不能天然告诉我们代谢物： • 在哪里生成； • 在哪里滞留； • 在哪里排泄； • 是否与局部毒性共定位； • 是否进入真正的药效区域。1. 什么情况下可以确认“这是代谢物”？ 仅靠准确质量匹配数据库通常不够。更可靠的证据优先级是： 1. 与标准品保留的 MS/MS 碎片一致； 2. on-tissue MS/MS 支持结构； 3. 同位素和加合离子关系合理； 4. 给药组出现、空白组缺失； 5. 时间序列符合母体药物—代谢物转化； 6. LC–MS/MS 或组织提取物验证。2. 母体药物与代谢物空间不一致意味着什么？ 可能说明： • 代谢酶具有区域性表达； • 代谢物被不同转运体摄取； • 代谢物极性和扩散能力不同； • 母体药物快速消失而代谢物滞留； • 代谢物在排泄器官二次浓缩； • 某一区域发生局部生物活化。3. 异常结果：发现“意外代谢物热点” 先不要直接提出新机制。必须先排除： • 同质量内源分子； • 基质或溶剂污染； • in-source fragmentation； • 钠、钾、铵等加合离子误注释； • 切片处理过程中的降解产物； • 离体代谢或取材延迟。4. DESI / nano-DESI 的真实应用 2022 年研究使用 nano-DESI MSI 成像 diclofenac 及其代谢物，展示了环境电离 MSI 对母体药物及不同代谢物组织定位的能力。[15] 2024 年 MALDI-MSI 研究还成像了 duloxetine 及其主要代谢物在小鼠脑、肝、肾和脾中的分布，说明 MSI 可用于跨器官比较母体药物与代谢物的空间药代。[16]六、问题四：肿瘤边缘是否存在特殊脂质或代谢状态？1. 为什么肿瘤边缘值得单独分析？ 肿瘤边缘不是一个简单几何边界，而可能同时包含： • 侵袭前沿； • 肿瘤—间质交界； • CAF 富集区； • 免疫排斥区； • 血管生成活跃区； • EMT 和迁移相关细胞； • 氧和营养梯度变化区。 bulk metabolomics 会把这些区域与肿瘤核心混合，掩盖局部代谢生态位。2. 边缘脂质高是否代表侵袭或耐药？ 不能仅凭某个脂质离子在边缘高就下结论。 需要： • 高可信结构注释； • 多个样本重复； • 肿瘤边缘由病理或空间标志物定义； • 排除 tissue edge effect； • 与侵袭、CAF、免疫、缺氧或药物反应标志物联合； • 用 LC–MS/MS、MS/MS 或正交组学验证关键分子。3. 为什么脂质 MSI 特别容易出现假边缘？ 脂质高度依赖样本处理。以下因素会造成空间重分布： • 解冻时间过长； • 水性步骤引起分子迁移； • 冷冻速度不一致； • 切片表面冷凝水； • DESI 喷雾造成横向溶解； • MALDI 基质溶剂过湿； • 边缘干燥和结晶差异。 因此，边缘富集首先是一个需要验证的观察，不是自动成立的生物学结论。七、问题五：药物暴露是否与组织损伤或细胞死亡区域共定位？ 这一问题最接近药理学因果链，但也是最容易被过度解释的部分。1. 四种典型空间组合 空间结果 优先解释 必须排除 药物高、PD 高、损伤高 支持局部暴露驱动药效或毒性 高灌注区同时带来的假相关 药物高、PD 低 靶点缺失、未活化、耐药、时间点过早 PD 检测失败或标志物选择错误 药物低、PD 高 延迟效应、旁观者效应、代谢物作用、免疫介导 药物低于检出限或取样过晚 药物高、损伤低 未达到效应阈值、组织耐受、非活性形式 病理时间窗尚未出现2. 共定位是否证明因果？ 不证明。 空间共定位能够提高机制可信度，但至少还需要： • 剂量—反应； • 时间顺序； • 药理阻断或遗传干预； • 对照化合物； • 多个模型； • 生化和病理验证。3. 为什么采样时间特别重要？ 药物暴露、靶点结合、信号通路变化和细胞死亡通常不同步： • 药物峰值可能出现在 1 h； • target engagement 可能在数小时后最强； • DNA 损伤或凋亡可能在 12–48 h 后出现； • 取样时药物已经清除，但 PD 仍持续。 因此，“药物低但损伤高”不一定矛盾，可能只是存在时滞。4. 真实案例：adavosertib 多模态空间药理 Lopez 等将 MALDI-MSI、磷酸化蛋白组学和 t-CyCIF 结合，用于研究 WEE1 抑制剂 adavosertib 在 GBM PDX 和临床试验组织中的分布与反应。研究观察到明显的肿瘤内和肿瘤间分布异质性，并在相邻切片上把药物分布与 DNA damage response 和适应性信号联系起来。该研究的重要性不在于单张热图，而在于建立了“药物分布—靶点作用—细胞响应”的多模态证据链。[12] 配图建议：在此处放置“五类关键问题与结果组合”示意图。 **图注：**MSI 在药物研发中常见的五类问题。每一类问题都需要区分“检测到分析物”“到达正确解剖区”“达到有效暴露”“与药效或毒性响应一致”四个层级。图为概念示意。 图4｜MSI 常见空间分布模式图谱及其判读思路 备注：该图系统概括了均匀进入活肿瘤、血管/边缘富集、坏死核心低信号、毒性微区热点、母体药物与代谢物空间错位，以及药物与 PD/损伤共定位或不共定位等典型模式。需要强调的是，这些空间模式是机制线索而非最终结论，必须结合 MS/MS、病理配准、内标定量与正交验证进行综合判断。八、“正常”与“异常”应该如何定义？ MSI 领域没有适用于所有药物和组织的统一“正常参考范围”。正确做法不是寻找一个万能 cutoff，而是建立项目特异的判读框架。1. 建议预先定义的空间指标肿瘤递送 • core/edge intensity ratio； • viable tumor/necrosis ratio； • vascular-proximal/vascular-distal ratio； • penetration distance； • 达到 LLOQ 或预设效应阈值的面积比例； • 药物与靶点阳性区的空间重叠比例。毒性研究 • cortex/medulla 或 periportal/centrilobular ratio； • 毒性病理 ROI 内外的药物或代谢物差异； • drug–injury spatial correlation； • hotspot 面积、峰值和持续时间； • 母体药物/代谢物空间比值。药物—PD 关联 • 分区相关而非仅全图相关； • 考虑空间自相关后的统计检验； • 混合效应模型处理动物和切片层级； • 预设时间窗而不是事后挑选最相关时间点。2. 什么才是“理想结果”？ 理想不等于完全均匀。真正理想的分布应与药物机制匹配： • 靶向血管药物可能无需深入所有肿瘤细胞； • 旁观者效应强的 ADC，intact ADC 不均匀但 free payload 可更均匀； • 局部给药本来就可能形成高梯度； • CNS 药物应进入目标脑区，而不是整个脑均匀； • 肾排泄药物在尿路高信号不必然异常。 因此，正常/异常必须以 intended pharmacology 为参照，而不是以“颜色越均匀越好”为参照。九、最常见的异常图像：真实生物学还是技术伪影？异常一：完全看不到药物 可能是真实无暴露，也可能是： • 电离效率差； • 选错正/负离子模式； • 主要形成 Na⁺/K⁺ 加合离子而非 [M+H]⁺； • LOD 不足； • 组织离子抑制； • 基质不匹配； • 药物在取材或储存中降解； • 药物被洗脱； • 目标其实是活性代谢物而非母体药物。 处理顺序： 1. 纯标准品； 2. 标准品点样到空白组织； 3. 加标组织； 4. 给药组织提取液 LC–MS/MS； 5. on-tissue MS/MS； 6. 优化基质、离子模式、衍生化或靶向采集。异常二：组织边缘异常亮 优先排查： • matrix edge effect； • 溶剂在边缘聚集； • 组织厚度差异； • 归一化放大热点； • 切片卷曲或脱落； • DESI 喷雾在边缘的几何变化。 只有在重复切片、不同沉积批次和正交方法中保持一致，才能解释为真实边缘富集。异常三：坏死区完全无信号 可能是真的药物难以进入，也可能是： • 坏死区盐和血液成分造成离子抑制； • 分子降解； • 组织空腔导致有效组织量不足； • TIC normalization 对坏死区失真。 可通过内标图、组织学、其他内源分子和加标实验判断。异常四：出现少数极亮热点 可能是： • 局部血管或出血； • 药物结晶或沉淀； • 切片污染； • matrix crystal hotspot； • 灰尘或玻片表面缺陷； • 真正的微区蓄积。 热点必须查看原始质谱、同位素峰、内标和光学图像，不能只看渲染后的热图。异常五：不同批次整体强度差很多 可能来自： • 激光能量漂移； • 基质批次； • 喷涂厚度； • 离子源污染； • 样本储存时间； • 仪器灵敏度变化； • 数据归一化策略不同。 解决方案包括共载玻片、随机化、QC tissue、稳定同位素内标、批次桥接样本和预定义分析流程。异常六：MSI 与组织匀浆 LC–MS/MS 方向相反 不一定是谁错了。常见原因： • MSI 受离子抑制影响； • LC–MS/MS 包括血管内残留； • MSI 只分析一张切片而匀浆代表整个组织； • 组织高度异质； • 目标离子选错； • MSI 测的是相对强度，LC–MS/MS 测的是绝对总量。 正确做法是核查取材层级，并考虑多个切面或 3D MSI。 配图建议：在此处放置“异常结果判读决策树”。 **图注：**异常 MSI 结果应先验证分子身份、检测能力、空间真实性和定量可靠性，之后才能进入药物渗透、代谢、毒性或耐药机制解释。 图5｜观察到异常 MSI 空间分布后应遵循的判读流程  备注：该图将异常结果的审查顺序分为四步：先验证分子身份是否可信，再判断检测能力是否充分，随后确认空间模式是否真实，最后评估是否具备定量条件。只有完成这些方法学与证据链审查后，才适合进一步解释递送障碍、局部代谢、毒性微区或耐药等生物学机制。十、哪些异常可以避免，哪些不能完全避免？1. 大部分可以明显降低的误差 问题 是否可避免 主要措施 基质喷涂不均 大部分可避免 自动喷涂或升华、质量控制玻片 批次漂移 可显著降低 随机化、QC tissue、内标、共载 切片厚度不一致 可避免 固定冷冻切片参数、记录和审计 分子误注释 可显著降低 精确质量、标准品、MS/MS、空白对照 边缘干燥效应 可降低 统一干燥、减少冷凝、检查矩阵分布 图像过度归一化 可避免 预设归一化方案、报告原始和归一化结果 病理配准偏差 可降低 连续切片、同切片染色、非线性配准 组织间比较失真 可降低 组织匹配校准、内标、同批分析2. 无法完全消除、只能量化和控制的问题 • 真实组织异质性； • 不同区域的固有离子抑制； • 连续切片并非完全相同； • 低丰度分析物的随机性； • 采样时间只能捕捉某个瞬间； • 高空间分辨率与灵敏度之间的权衡； • 部分药物化学性质不适合直接 MSI； • 3D 重建中的切片形变和缺失。3. “避免异常”不是让图更漂亮 质控的目标不是获得均匀、平滑、符合预期的图，而是保证： • 真实异质性不被平滑掉； • 技术差异不被误认为生物学差异； • 阴性结果具有足够的检测能力支撑； • 阳性热点具有足够的分子鉴定证据。十一、推荐的研究设计：如何让 MSI 结果真正可用于研发决策？ 图6｜基于 MSI 的空间药理研究：完整证据链与研究设计 备注：该图从定义研发问题、剂量与时间设计、快速取材与冷冻、连续切片、分析物确认、MSI 采集与批次控制、病理/IHC/IF 配准、空间定量与统计，最终到研发决策，系统概括了一个可用于药物研发的 MSI 研究闭环；右下角同时列出了最低证据要求，包括内标、LC–MS/MS 交叉验证和病理配准。1. 在实验前定义问题 不要以“做一张药物分布图”为目的。应明确： • 要评价进入肿瘤还是进入活肿瘤核心？ • 要看母体药物还是活性代谢物？ • 要解释疗效还是毒性？ • 需要相对分布还是绝对空间定量？ • 决策终点是什么：换剂型、换 linker、调剂量还是淘汰候选物？2. 样本设计 最低建议包括： • vehicle / untreated 阴性对照； • 加标或标准品阳性对照； • 至少两个剂量； • 多个时间点； • 足够的生物学重复； • 关键器官和靶组织同步取材； • 记录灌流、缺血时间、冷冻时间和储存条件。3. 冷冻组织优先用于小分子和脂质空间分布 FFPE 的固定、脱水、透明和石蜡步骤可能提取、迁移或破坏部分小分子和脂质。并非所有 FFPE 都不能做 MSI，但如果目标是直接还原药物和脂质原位分布，通常应优先使用快速冷冻组织。4. 连续切片证据链 推荐组织顺序： • MSI； • H&E； • 靶点 IHC/IF； • 血管标志物； • PD 标志物； • 损伤或细胞死亡标志物。 需要注意：相邻切片并非同一细胞平面，微小病灶可能在两张切片之间消失。高精度共定位应报告配准误差，并避免声称单细胞级共定位，除非空间分辨率和同切片方法确实支持。5. 分子鉴定与定量 最低验证组合： • 精确质量； • 加合离子检查； • 空白组织； • 标准品； • on-tissue 或提取物 MS/MS； • 内标； • LC–MS/MS 交叉验证。6. 数据分析 建议预先固定： • 峰提取窗口； • 去噪和校准； • 归一化； • ROI 定义； • 空间平滑参数； • 异常像素规则； • 统计模型； • 多重检验控制。 避免根据结果反复调整颜色范围、阈值和 ROI，直到得到“符合预期”的图。 十二、真实案例：MSI 如何改变药物研发结论？ 图7｜真实研究如何支持空间药理判断 备注：该图汇总了若干具有代表性的原始研究，包括紫杉醇在肿瘤模型中的空间异质性、3D MSI 对肿瘤内分布异质性的揭示、NK105 对紫杉醇递送的改善、ADC 中 MMAE 载药释放的直接可视化、adavosertib 的多模态空间证据以及罗滕酮在肾脏中的蓄积与早期分子改变，说明 MSI 的价值在于改变候选物筛选、制剂优化、ADC 设计和安全窗判断。案例一：paclitaxel 总量相似，但空间渗透不同 Giordano 等在多个卵巢癌模型以及结肠癌、乳腺癌和恶性胸膜间皮瘤模型中研究 paclitaxel 分布。MALDI-MSI 显示不同模型的药物渗透高度异质，而这些差异并不总能由肿瘤匀浆 HPLC 总量解释[7]。 说明：组织总量相近，不代表有效暴露面积相近；空间分布可能比平均浓度更接近疗效。案例二：3D MSI 显示 paclitaxel 更偏向肿瘤边缘 在恶性胸膜间皮瘤模型中，连续切片的 3D MALDI-MSI 重建显示 paclitaxel 分布高度异质，并更倾向肿瘤边缘而非核心[8]。 说明：单张切片可能因取样位置不同产生偏差；高度异质肿瘤可考虑多层切片或 3D 重建。案例三：抗血管生成治疗改善 paclitaxel 分布均匀性 Cesca 等在临床前模型中将 paclitaxel 浓度和 MALDI-MSI 分布与 CD31 血管形态、DCE-MRI 和增殖指标联合分析，研究表明 bevacizumab 对血管床的改变与 paclitaxel 更均匀的肿瘤内分布及更佳抗肿瘤反应相关[10]。 说明：抗血管生成治疗并非简单“减少血管就减少递送”；在特定时间窗内，血管正常化可能改善药物分布。该结论不能机械外推到所有模型和给药时间。案例四：ADC 的关键不是只有抗体分布，而是游离 payload Fujiwara 等通过 MALDI-IMS 研究 tissue factor 靶向 ADC，直接观察 MMAE 在肿瘤中的释放与分布，用于比较 ADC 设计[11]。 2026 年 Cai 等比较 DAR4 与 DAR8 ADC。IHC 显示 DAR4 intact ADC 的肿瘤穿透更好，但两者游离 payload 的强度和空间分布相似，PD 反应和疗效也相近。这说明“抗体穿透更好”并不必然转化为更好疗效，游离 payload 的释放和扩散可能更直接决定结果[13]。 说明：ADC 研发中应至少区分 intact ADC、released payload 和 PD 三个空间层级。案例五：肾脏药物蓄积与早期代谢改变 Tenebro 等在大鼠肾组织中成像 rotenone，观察到其在肾皮质区域蓄积；常规组织学尚未出现明显改变时，多个内源性代谢物和脂质信号已经发生变化[14]。 说明：MSI 可发现早于明显病理损伤的空间分子改变，但这类改变是潜在早期毒性信号，不应仅凭一次给药和单一指标直接定义临床肾毒性。十三、MSI 结果对应的研发动作 观察结果 优先研发解释 可采取动作 血浆和肿瘤总量高，核心低 空间递送失败 改变分子性质、剂型、载体、给药时间 intact ADC 分布差，payload 均匀 payload 扩散或旁观者效应补偿 不应仅按抗体 IHC 淘汰 药物均匀但无 PD 靶点/机制或有效形式问题 检查 target engagement、耐药和代谢 肾皮质热点伴损伤 局部摄取或代谢物毒性 优化结构、降低转运体摄取、调整剂量 代谢物在毒性区富集 代谢驱动风险 鉴定代谢酶、反应性代谢物和物种差异 药物与损伤不重叠 间接机制或时间错配 增加时间序列和正交验证 边缘高、核心低 渗透障碍或技术边缘效应 先排除伪影，再优化递送 图8｜MSI 结果—研发动作映射图 图注：MSI 的最终价值不是生成热图，而是判断失败位于系统暴露、组织递送、局部释放、靶点响应还是毒性微区，并据此决定是否优化分子、剂型、linker、DAR、剂量或研究时间窗。十四、结论：MSI 补齐的不是一张图，而是一条长期缺失的证据链 MALDI-MSI 和 DESI-MSI 指出的传统药物研发局限，可以概括为三点： 1. 平均浓度掩盖空间异质性； 2. 组织到达不等于靶细胞或活性形式到达； 3. 药物暴露与药效/毒性表型之间缺乏直接空间连接。 因此，这些技术真正说明的是： 药物研发不能只问“有多少药”，还必须问“药在哪里、以什么形式存在、接触了哪些细胞、是否触发预期反应、是否进入毒性敏感微区”。 但 MSI 也不是一个只要有图就能自动解释机制的技术。一个可信的结论必须完成： • 分子身份确认； • 组织基质中的检测能力验证； • 病理和空间配准； • 适当的内标和定量； • LC–MS/MS 或其他正交验证； • 时间、剂量和生物学重复； • 对技术伪影和空间自相关的统计控制。 只有完成这些环节，MSI 才能从“漂亮的分子热图”升级为能够影响候选物筛选、制剂设计、ADC 优化、给药方案、安全窗和临床转化的空间药理证据。参考文献 1. Rajbhandari P, Neelakantan TV, Hosny N, Stockwell BR. Spatial pharmacology using mass spectrometry imaging. Trends Pharmacol Sci. 2024;45(1):67–80. doi:10.1016/j.tips.2023.11.003. 2. Spruill ML, Maletic-Savatic M, Martin H, Li F, Liu X. Spatial analysis of drug absorption, distribution, metabolism, and toxicology using mass spectrometry imaging. Biochem Pharmacol. 2022;201:115080. doi:10.1016/j.bcp.2022.115080. 3. Unsihuay D, Mesa Sanchez D, Laskin J. Quantitative mass spectrometry imaging of biological systems. Annu Rev Phys Chem. 2021;72:307–329. doi:10.1146/annurev-physchem-061020-053416. 4. Tobias F, Hummon AB. Considerations for MALDI-based quantitative mass spectrometry imaging studies. J Proteome Res. 2020;19(9):3620–3630. doi:10.1021/acs.jproteome.0c00443. 5. Buchberger AR, DeLaney K, Johnson J, Li L. Mass spectrometry imaging: a review of emerging advancements and future insights. Anal Chem. 2018;90(1):240–265. doi:10.1021/acs.analchem.7b04733. 6. Eberlin LS, Ferreira CR, Dill AL, Ifa DR, Cooks RG. Desorption electrospray ionization mass spectrometry for lipid characterization and biological tissue imaging. Biochim Biophys Acta. 2011;1811(11):946–960. doi:10.1016/j.bbalip.2011.05.006. 7. Giordano S, Zucchetti M, Decio A, et al. Heterogeneity of paclitaxel distribution in different tumor models assessed by MALDI mass spectrometry imaging. Sci Rep. 2016;6:39284. doi:10.1038/srep39284. 8. Giordano S, Morosi L, Veglianese P, et al. 3D mass spectrometry imaging reveals a very heterogeneous drug distribution in tumors. Sci Rep. 2016;6:37027. doi:10.1038/srep37027. 9. Yasunaga M, Furuta M, Ogata K, et al. The significance of microscopic mass spectrometry with high resolution in the visualisation of drug distribution. Sci Rep. 2013;3:3050. doi:10.1038/srep03050. 10. Cesca M, Morosi L, Berndt A, et al. Bevacizumab-induced inhibition of angiogenesis promotes a more homogeneous intratumoral distribution of paclitaxel, improving the antitumor response. Mol Cancer Ther. 2016;15(1):125–135. 11. Fujiwara Y, Furuta M, Manabe S, et al. Imaging mass spectrometry for the precise design of antibody-drug conjugates. Sci Rep. 2016;6:24954. doi:10.1038/srep24954. 12. Lopez BGC, Kohale IN, Du Z, et al. Multimodal platform for assessing drug distribution and response in clinical trials. Neuro Oncol. 2022;24(1):64–77. doi:10.1093/neuonc/noab197. 13. Cai T, Li Z, Yan Q, et al. Spatiotemporal profiling of intratumoral free payload distribution via MALDI imaging mass spectrometry: implications for drug-to-antibody ratio optimization in antibody–drug conjugates. AAPS J. 2026;28:84. doi:10.1208/s12248-026-01235-w. 14. Tenebro CP, Marcial NBJ, Salcepuedes JJ, et al. Visualization of renal rotenone accumulation after oral administration and in situ detection of kidney injury biomarkers via MALDI mass spectrometry imaging. Front Mol Biosci. 2024;11:1366278. doi:10.3389/fmolb.2024.1366278. 15. Mesa Sanchez D, Brown H, Yin R, et al. Mass spectrometry imaging of diclofenac and its metabolites in tissues using nanospray desorption electrospray ionization. Anal Chim Acta. 2022;1233:340490. doi:10.1016/j.aca.2022.340490. 16. Khalil SM, Qin X, Hakenjos JM, et al. MALDI imaging mass spectrometry visualizes the distribution of antidepressant duloxetine and its major metabolites in mouse brain, liver, kidney, and spleen tissues. Drug Metab Dispos. 2024;52(7):673–680. doi:10.1124/dmd.124.001719. 17. Morosi L, Zucchetti M, D’Incalci M, Davoli E. Imaging mass spectrometry: challenges in visualization of drug distribution in solid tumors. Curr Opin Pharmacol. 2013;13(5):807–812. 18. Prideaux B, Stoeckli M. Mass spectrometry imaging for drug distribution studies. J Proteomics. 2012;75(16):4999–5013. 19. Balluff B, Frese CK, Maier SK, et al. De novo discovery of phenotypic intratumour heterogeneity using imaging mass spectrometry. J Pathol. 2015;235(1):3–13. 20. Porta Siegel T, Hamm G, Bunch J, Cappell J, Fletcher JS, Schwamborn K. Mass spectrometry imaging and integration with other imaging modalities for greater molecular understanding of biological tissues. Mol Imaging Biol. 2018;20(6):888–901. doi:10.1007/s11307-018-1267-y. 21. Nilsson A, Goodwin RJA, Shariatgorji M, et al. Mass spectrometry imaging in drug development. Anal Chem. 2015;87(3):1437–1455. doi:10.1021/ac504734s. 22. Källback P, Shariatgorji M, Nilsson A, Andrén PE. Novel mass spectrometry imaging software assisting labeled normalization and quantitation of drugs and neuropeptides directly in tissue sections. J Proteomics. 2012;75(16):4941–4951.相关同系列文章-空间转录组： 1.生物信息学基础知识（15）：为什么空间组学突然火了？从单细胞到组织生态地图 2. 生物信息学基础知识（16）：空间转录组：如何在组织原位构建基因表达地图？ 3. 生物信息学基础知识（17）：空间蛋白质组学：为什么临床与药企更关注“功能层面的组织地图”？ 4. 生物信息学基础知识（18）：空间转录组 vs 空间蛋白组：科研、临床和制药到底该怎么选？ 编辑：Vickymemo 校对：Vickymemo