空间组学这几年最重要的变化，不只是把基因表达「放回」组织切片，而是让组织结构、细胞状态和分子信号可以在同一坐标系中被解析。高分辨率原位检测让研究者能定位关键细胞群和分子互作；连续切片与计算重构正在把二维图谱推进到三维组织结构；在再生、发育和肿瘤研究中，干细胞生态位重建、组织边界形成、免疫微环境互作等问题，也逐渐从形态观察变成可量化的空间数据。 与此同时，空间组学的挑战也从数据获取，延伸到大规模空间数据的分析与建模。2025 年以来，面向空间转录组和病理图像的 AI 基础模型陆续出现，例如 Nicheformer、Novae、OmiCLIP 等，开始尝试学习细胞邻域、组织形态与分子表达之间的关系。它们提示我们：未来的空间组学，不只是生成一张空间图谱，而是借助算法从海量组织切片中识别可重复的空间结构、预测细胞互作，并帮助提出新的机制假设。
