Spatial transcriptomics won Nature Methods' Method of the Year in 2020, and for good reason: knowing where genes are expressed within a tissue—not just whether they are expressed—transforms our understanding of development, disease, and cellular organization. But every major spatial transcriptomics platform to date has depended on sequencing at some stage of the workflow. Sequencing introduces cost, latency, and infrastructure requirements that constrain who can perform these experiments and how quickly results arrive.

RAEFISH takes a different approach entirely. Rather than sequencing transcripts after capturing them in situ, RAEFISH reads gene identity and location through imaging alone, achieving whole-genome spatial transcriptomics at single-molecule resolution without a sequencer ever touching the sample.

The Landscape: How Spatial Transcriptomics Works Today

Current spatial transcriptomics methods fall into two broad families:

Sequencing-based approaches (e.g., 10x Visium, Slide-seq) capture mRNA from tissue sections onto barcoded arrays, then sequence the captured molecules to determine both gene identity and spatial coordinates. These methods offer genome-wide coverage but at limited spatial resolution—typically 10–55 micrometers per spot, meaning each measurement averages across multiple cells.

Imaging-based approaches (e.g., MERFISH, seqFISH+) use combinatorial fluorescence in situ hybridization to detect individual RNA molecules directly in tissue. These achieve single-molecule resolution but have historically been limited to pre-selected gene panels—hundreds to a few thousand genes, far short of the full transcriptome.

The trade-off has been clear: sequencing-based methods see the whole genome at coarse resolution; imaging-based methods see selected genes at fine resolution. Neither has delivered both genome-wide coverage and single-molecule spatial precision in a sequencing-free workflow.

What RAEFISH Does Differently

RAEFISH bridges this gap. According to the published work, the method achieves detection of approximately 23,000 human genes at single-molecule resolution through an imaging-only pipeline. No library preparation, no flow cells, no sequencing runs.

The core innovation lies in how gene identity is encoded and decoded through sequential rounds of hybridization and imaging. While previous imaging-based methods required selecting a panel of target genes in advance—constrained by the combinatorial encoding capacity of their probe sets—RAEFISH expands this capacity to cover the entire coding transcriptome.

The authors report improvements in cost, speed, and resolution compared to existing sequencing-dependent approaches such as 10x Visium. By eliminating the sequencing step entirely, the workflow compresses what has traditionally been a multi-day process (tissue preparation → capture → library prep → sequencing → data processing) into an imaging-centered pipeline.

Claims and Evidence

Critical Analysis

Several aspects warrant careful examination before assessing RAEFISH's practical impact.

Sensitivity and false discovery rates. Detecting 23,000 genes through imaging raises questions about optical crowding—when transcript density is high, distinguishing overlapping signals becomes increasingly difficult. The abstract does not specify false positive or false negative rates, which are critical for downstream biological interpretation. A method that detects all genes but misassigns 5% of molecules to the wrong gene would produce systematically misleading spatial maps.

Tissue compatibility. Spatial transcriptomics methods vary in their compatibility with different tissue types. Thick tissues, lipid-rich tissues (brain), and highly autofluorescent tissues (liver, kidney) each present distinct optical challenges. Whether RAEFISH maintains its resolution claims across diverse tissue types remains to be established.

Throughput and scalability. Imaging-based methods require sequential rounds of hybridization, each adding hours to the experimental timeline. For 23,000 genes, the number of imaging rounds needed—and the associated photobleaching, tissue degradation, and registration errors—could be substantial. The abstract claims improved speed, but the absolute time per sample matters for adoption.

Computational demands. Decoding single-molecule identities from sequential imaging rounds across an entire tissue section generates large image datasets requiring specialized analysis pipelines. The computational infrastructure needed may offset some of the cost advantages gained by eliminating sequencing.

Open Questions

Closing Reflection

RAEFISH represents a notable technical achievement: demonstrating that the entire human coding transcriptome can be spatially resolved through imaging without sequencing. If the sensitivity and specificity metrics hold up under independent replication, the method could substantially lower the barrier to entry for spatial transcriptomics—particularly in laboratories and clinical settings that lack sequencing infrastructure. The critical question is not whether the method works in principle, but whether it works robustly enough, across enough tissue types, to displace the sequencing-based workflows that have become the field's default.

면책 조항: 이 게시물은 정보 제공을 목적으로 한 연구 동향 개요이다. 학술 저작물에서 인용하기 전에 특정 발견, 통계 및 주장을 원문 논문과 대조하여 검증해야 한다.

RAEFISH: 단 하나의 염기도 시퀀싱하지 않고 모든 유전자의 위치를 읽다

공간 전사체학(spatial transcriptomics)은 2020년 Nature Methods의 올해의 방법(Method of the Year)으로 선정되었으며, 그럴 만한 이유가 있다. 조직 내에서 유전자가 발현되는지 여부만이 아니라 어디서 발현되는지를 아는 것은 발생, 질병, 세포 조직에 대한 이해를 근본적으로 바꾸어 놓기 때문이다. 그러나 현재까지 주요 공간 전사체학 플랫폼은 모두 워크플로의 어느 단계에서든 시퀀싱에 의존해 왔다. 시퀀싱은 비용, 지연 시간, 인프라 요구 사항을 수반하며, 이는 누가 이 실험을 수행할 수 있는지, 그리고 결과가 얼마나 빨리 나올 수 있는지를 제약한다.

RAEFISH는 완전히 다른 접근 방식을 취한다. 현장에서(in situ) 포착한 전사체를 시퀀싱하는 대신, RAEFISH는 이미징만으로 유전자의 정체와 위치를 읽어낸다. 이를 통해 시퀀서가 샘플에 전혀 관여하지 않고도 단일 분자 해상도의 전체 유전체 공간 전사체학을 구현한다.

현황: 오늘날 공간 전사체학의 작동 방식

현재 공간 전사체학 방법은 크게 두 가지 계열로 나뉜다.

시퀀싱 기반 접근법 (예: 10x Visium, Slide-seq)은 조직 절편에서 mRNA를 바코드 어레이에 포착한 후, 포착된 분자를 시퀀싱하여 유전자 정체와 공간 좌표를 모두 결정한다. 이 방법은 유전체 전체를 포괄하지만 공간 해상도가 제한적이며, 일반적으로 스팟당 10~55 마이크로미터로, 각 측정값이 여러 세포에 걸친 평균값을 나타낸다.

이미징 기반 접근법 (예: MERFISH, seqFISH+)은 조합적 형광 제자리 혼성화(combinatorial fluorescence in situ hybridization)를 사용하여 조직 내에서 개별 RNA 분자를 직접 검출한다. 이 방법은 단일 분자 해상도를 달성하지만, 역사적으로 사전에 선별된 유전자 패널—수백에서 수천 개의 유전자로, 전체 전사체에는 크게 못 미치는—에 한정되어 왔다.

이 절충 관계는 명확하다. 시퀀싱 기반 방법은 조잡한 해상도로 전체 유전체를 보고, 이미징 기반 방법은 높은 해상도로 선별된 유전자를 본다. 시퀀싱 없는 워크플로에서 유전체 전체 포괄성과 단일 분자 공간 정밀도를 동시에 제공한 방법은 아직 없었다.

RAEFISH의 차별점

RAEFISH는 이 간극을 메운다. 발표된 연구에 따르면, 이 방법은 이미징만으로 이루어진 파이프라인을 통해 단일 분자 해상도로 약 23,000개의 인간 유전자를 검출한다. 라이브러리 제작도, 플로우 셀도, 시퀀싱 실행도 없다.

핵심 혁신은 순차적인 혼성화(hybridization)와 이미징 라운드를 통해 유전자 정체를 인코딩하고 디코딩하는 방식에 있다. 기존 이미징 기반 방법들은 프로브 세트의 조합적 인코딩 용량에 제약을 받아 미리 표적 유전자 패널을 선정해야 했지만, RAEFISH는 이 용량을 전체 코딩 전사체(coding transcriptome)를 포괄할 수 있을 만큼 확장한다.

저자들은 10x Visium과 같은 기존 시퀀싱 의존 방법과 비교하여 비용, 속도, 해상도 면에서 개선되었다고 보고한다. 시퀀싱 단계를 완전히 제거함으로써, 전통적으로 며칠이 걸리던 과정(조직 준비 → 포착 → 라이브러리 제작 → 시퀀싱 → 데이터 처리)을 이미징 중심의 파이프라인으로 압축한다.

주장과 근거

비판적 분석

민감도 및 위발견율(false discovery rate). 영상화를 통해 23,000개의 유전자를 검출하는 것은 광학적 혼잡(optical crowding) 문제를 제기한다. 전사체 밀도가 높을 경우, 겹치는 신호를 구별하는 것이 점점 더 어려워진다. 초록에는 위양성률(false positive rate) 및 위음성률(false negative rate)이 명시되어 있지 않은데, 이 지표들은 후속 생물학적 해석에 있어 매우 중요하다. 모든 유전자를 검출하면서도 분자의 5%를 잘못된 유전자에 할당하는 방법은 체계적으로 오도적인 공간 지도를 생성하게 된다.

조직 호환성. 공간 전사체학(spatial transcriptomics) 방법은 조직 유형에 따라 호환성이 다르다. 두꺼운 조직, 지질이 풍부한 조직(뇌), 자가형광이 강한 조직(간, 신장)은 각각 고유한 광학적 문제를 제기한다. RAEFISH가 다양한 조직 유형에 걸쳐 해상도 관련 주장을 유지하는지 여부는 아직 검증되지 않은 상태이다.

처리량 및 확장성. 영상 기반 방법은 순차적인 혼성화(hybridization) 라운드를 필요로 하며, 각 라운드는 실험 일정에 수 시간을 추가한다. 23,000개의 유전자를 대상으로 할 경우, 필요한 영상화 라운드의 수와 이에 따른 광표백(photobleaching), 조직 손상, 정합 오류(registration error)가 상당할 수 있다. 초록에는 속도 향상이 주장되고 있으나, 채택 여부를 결정하는 데는 샘플당 절대적인 소요 시간이 중요하다.

전산 요구량. 조직 절편 전체에 걸쳐 순차적 영상화 라운드로부터 단일 분자의 정체를 해독하는 과정은 전문화된 분석 파이프라인을 필요로 하는 대용량 영상 데이터셋을 생성한다. 이에 필요한 전산 인프라는 시퀀싱 제거로 얻은 비용상의 이점 일부를 상쇄할 수 있다.

미해결 과제

마무리 고찰

RAEFISH는 주목할 만한 기술적 성취를 대표한다. 즉, 시퀀싱 없이 영상화만으로 인간 코딩 전사체(coding transcriptome) 전체를 공간적으로 해석할 수 있음을 입증하였다. 민감도 및 특이도 지표가 독립적인 재현을 통해 검증된다면, 이 방법은 공간 전사체학의 진입 장벽을 상당히 낮출 수 있다. 특히 시퀀싱 인프라가 부족한 실험실 및 임상 환경에서 그 효과가 클 것이다. 핵심적인 질문은 이 방법이 원리적으로 작동하는지의 여부가 아니라, 충분히 다양한 조직 유형에 걸쳐 충분히 견고하게 작동하여 해당 분야의 기본값이 된 시퀀싱 기반 워크플로우를 대체할 수 있는지의 여부이다.