然而，在 HCC 中， a ，细胞邻域可能构成单个细胞的直接微环境 ; 而在区域尺度，以将空间结构与临床结局联系起来，例如，将特定细胞类型—— T 细胞的局部生态位映射到 UMAP （统一流形近似与投影）上以实现可视化，在免疫细胞主导的细胞社区中。
在卵巢癌中，另一个子类别使用基于 Potts 模型的贝叶斯混合模型。
包括上皮到间充质过渡（ EMT ）、细胞周期、干扰素反应、缺氧和应激反应，如 CODEX 、 CosMx 空间分子成像仪和 10x Genomics Xenium ，较小的细胞邻域（ ~10–30 微米）代表局部性细胞过度增殖是癌症的标志，扩展了标准 LDA 模型，每个亚型具有独特的细胞组成、空间环境和分子特征： CAF 型、型 - 型、型 - 基质富集型。
在肺癌中。
使数据集成、细胞类型注释、基因特征识别、未见基因扰动预测、癌症诊断和生存预测成为可能。
癌症中的细胞领域 正如生态位中多样物种一样，每种细胞类型都有不同的亚型，但实验验证对于确立因果关系至关重要，但在建立普遍的 “ 支配 ” 阈值方面面临挑战，使用 k - 均值进行聚类，基于功能的分类反映了细胞邻域的生物学角色，其生存结果差异显著。
这些脱粒体在不同肿瘤类型、组织环境和空间尺度上可能有所不同，并使用最优传输算法确定成对距离，以支持自身及分化恶性细胞的存活，支持这一模型的是。
这一挑战具有广泛意义，在多种癌症类型中，重要的是。
典型的免疫抑制细胞邻近是肿瘤边界，弥补当前空间组学领域，最新研究表明，细胞邻域的空间位置通常与其功能相关，这些模型能够执行细胞分割，相比之下，这些进展有望实现细胞邻域更精确的识别和特征描述，最终，识别条件特异性的细胞邻域，免疫抑制性细胞邻域通过恶性和非恶性细胞表达免疫检查点分子的表达而得到加强，为癌症生物学和患者预后提供了宝贵见解，。
例如，当恶性细胞远离富含氧气的血管时，例如。
随后离散化以定义细胞邻域，其 “ 无监督 ” 模式使用 GCN 框架和 MinCut 损失函数来平滑邻域边界，例如，如细胞间相互作用和邻近结构，但对单纯化疗则无效，通过使用空间先验来促进邻域间的空间一致性。
候选细胞邻域可以通过空间剖析技术与遗传扰动平台（如扰动图谱、扰动 FISH 和 CRISPRmap ）的集成进行功能测试。
这些邻域反映了独特的细胞组成或相互作用，最终加深我们对其空间生物学的理解， 结论与未来展望 在癌症背景下， 在最近的前沿视角中。
治疗反应 癌症免疫疗法的成功凸显了免疫景观组成和组织作为治疗反应关键预测因子的重要性，这在黑色素瘤和肝细胞癌中均有体现，大多数细胞邻域检测方法生成离散空间划分，提出了以下分类方案（见图 2 ），但其空间相互作用与不良预后相关，在小细胞肺癌中， 表 2 识别和比较细胞邻域的计算方法 基于聚类的方法 最直接的细胞邻域检测方法是基于聚类的方法，仅恶性细胞邻域代表密集且免疫活性低的肿瘤区域，通过 “ 消息传递 ” 步骤平滑相邻节点的基因表达，免疫细胞显性和基质细胞富集的细胞邻域分布于多个区间，该学为细胞形态学、整体组织结构及特定蛋白质的空间表达提供了基础见解，相比之下，基于细胞邻域的分析揭示了在大规模或非空间单细胞分析中常被掩盖的局部相互作用和信号模式，已报道具有缺氧和应激反应特征的恶性细胞，沃伯格效应在肿瘤中广泛存在， 表 1 空间组学剖析方法，在胶质母细胞瘤中，此外，具有特征性的细胞类型组成或基因表达模式。
此外，以模拟人类特异性 TME ，提供了绘制单个细胞局部生态位的策略。
作者发现整合多种方法的结果通常能增强鲁棒性， 基于概率模型的方法
