?
空間蛋白質(zhì)組學(xué)
空間蛋白質(zhì)組學(xué)能夠在傳統(tǒng)蛋白質(zhì)組學(xué)提供豐富分子信息的基礎(chǔ)上,，進(jìn)一步揭示分子在細(xì)胞或組織中的空間分布，對于系統(tǒng)性地理解生物功能,、疾病機(jī)制和治療效果至關(guān)重要,。《Nature Methods》選擇空間蛋白質(zhì)組學(xué)作為2024年度方法[1],，也反映了行業(yè)對這項(xiàng)技術(shù)應(yīng)用前景的關(guān)注和認(rèn)可?，F(xiàn)有質(zhì)譜空間蛋白質(zhì)組學(xué)技術(shù)主要包括基于MALDI的質(zhì)譜成像、激光顯微切割和膨脹水凝膠放大后切割等,。其中,，質(zhì)譜成像可檢測蛋白種類有限，后兩種方法的成本和質(zhì)譜檢測通量要求高,，使得其在研究中的廣泛應(yīng)用受限,。
2025年2月，中國科學(xué)院動(dòng)物研究所趙方慶團(tuán)隊(duì)聯(lián)合國家蛋白質(zhì)科學(xué)中心（北京）王貴賓在Cell雜志上發(fā)表了題為“High-resolution spatially resolved proteomics of complex tissues based on microfluidics and transfer learning”的研究論文[2]，該研究整合微流控技術(shù),、微量蛋白質(zhì)組學(xué)檢測技術(shù)和人工智能深度學(xué)習(xí)算法,，開發(fā)出一種全新的高分辨率和高通量空間質(zhì)譜蛋白質(zhì)組學(xué)平臺PLATO，能夠?qū)崿F(xiàn)對整個(gè)組織切片中數(shù)千種蛋白質(zhì)的精確映射,。
（點(diǎn)擊查看大圖）
01技術(shù)創(chuàng)新與優(yōu)勢
1.1 基于微流控的創(chuàng)新性高通量原位蛋白采樣技術(shù)
獲得3張組織的連續(xù)切片,，中間切片用于組織學(xué)染色或空間代謝/轉(zhuǎn)錄組學(xué)生成參考組學(xué)數(shù)據(jù)，而第一,、三片則在不同角度下進(jìn)行基于微流控芯片的平行流蛋白質(zhì)組分析,。切片在芯片上進(jìn)行消化，每個(gè)微通道中的肽段被抽出,、收集，并進(jìn)行LC-MS/MS定量分析,。每個(gè)角度的測量稱為平行流投影,。
（點(diǎn)擊查看大圖）
1.2 高穩(wěn)定性和準(zhǔn)確性的微量蛋白質(zhì)組學(xué)質(zhì)譜檢測
高定量準(zhǔn)確性、高通量和高穩(wěn)定性的微量蛋白質(zhì)組學(xué)檢測是支持空間蛋白質(zhì)表達(dá)圖譜重構(gòu)的基礎(chǔ)條件,。本研究利用Q Exactive HF質(zhì)譜儀DIA采集模式進(jìn)行檢測,，以每日40個(gè)樣本的高通量實(shí)現(xiàn)了微量樣本的可靠和可重復(fù)定量。
（點(diǎn)擊查看大圖）
1.3 基于深度學(xué)習(xí)的創(chuàng)新型空間重構(gòu)算法
本研究開發(fā)了一種基于遷移學(xué)習(xí)的算法Flow2Spatial,，可根據(jù)中間切片的圖像或空間代謝/轉(zhuǎn)錄組結(jié)果,，和兩組平行流投影值重建出高分辨率的原始蛋白質(zhì)空間分布。通過采用這種策略,，可顯著減少切片數(shù)量和測量次數(shù),，降低連續(xù)切片引入的異質(zhì)性，節(jié)省樣品制備和測量的時(shí)間和成本,。
（點(diǎn)擊查看大圖）
02PLATO平臺亮點(diǎn)
2.1 高分辨率蛋白質(zhì)映射
PLATO平臺能夠以極高的空間分辨率（25 μm）對組織切片中的蛋白質(zhì)進(jìn)行定位和定量分析,。這意味著研究人員可以清晰地看到蛋白質(zhì)在不同細(xì)胞和組織區(qū)域中的分布情況，從而更好地理解其生物功能,。
2.2 廣泛的組織兼容性
無論是小鼠,、大鼠還是人類組織，PLATO都能完美兼容,。其強(qiáng)大的適應(yīng)能力使得研究人員能夠在各種生物樣本中進(jìn)行高效的蛋白質(zhì)組學(xué)研究,。
2.3 乳腺癌研究中的應(yīng)用
在乳腺癌研究中，PLATO展示了其強(qiáng)大的應(yīng)用潛力,。通過對乳腺癌組織的高分辨率蛋白質(zhì)映射,，PLATO能夠識別出不同的腫瘤亞型，并發(fā)現(xiàn)關(guān)鍵的失調(diào)蛋白質(zhì),，為腫瘤的診斷和治療提供了新的思路,。
（點(diǎn)擊查看大圖）
（點(diǎn)擊查看大圖）
向下滑動(dòng)查看所有內(nèi)容
03總結(jié)與展望
PLATO結(jié)合了微流控高效采樣、微量蛋白質(zhì)譜檢測和人工智能算法，實(shí)現(xiàn)了高分辨率空間蛋白質(zhì)組學(xué)的重大突破,。通過計(jì)算模擬,、顯微切割和免疫熒光驗(yàn)證了其測量的準(zhǔn)確性。此外,，PLATO展示了其在不同物種和組織類型中的普適性,，以及在臨床研究中的應(yīng)用潛力。在本研究中,，采用Q Exactive HF在26分鐘色譜梯度條件下,，即可實(shí)現(xiàn)2500個(gè)蛋白質(zhì)的精準(zhǔn)鑒定。該結(jié)果表明,，基于QE HF平臺已具備在微量樣本中解析復(fù)雜蛋白質(zhì)組的卓越能力,。然而，這一技術(shù)成果也為新一代儀器性能突破提供了基準(zhǔn)：賽默飛在2023年革命性推出的Orbitrap Astral,，在微量蛋白質(zhì)組上,，不僅將鑒定通量提升，更可突破性地實(shí)現(xiàn)單個(gè)細(xì)胞超6500個(gè)蛋白質(zhì)的深度覆蓋[3],。這種跨越式的性能提升為空間蛋白質(zhì)組學(xué)研究提供了前所未有的技術(shù)支撐——結(jié)合PLATO技術(shù),，在保持空間定位精度的同時(shí)，研究者現(xiàn)在能夠系統(tǒng)性解析微米級組織區(qū)域中完整的蛋白質(zhì)表達(dá)網(wǎng)絡(luò),，實(shí)現(xiàn)從"蛋白質(zhì)檢測"到"蛋白質(zhì)景觀重構(gòu)"的范式轉(zhuǎn)變,。
中國科學(xué)院動(dòng)物研究所博士后胡倍瑜、博士后何睿喬,、博士研究生龐琨及國家蛋白質(zhì)科學(xué)中心（北京）王貴賓為該研究的共同第一作者,，中國科學(xué)院動(dòng)物研究所趙方慶研究員和冀培豐副研究員為該研究的通訊作者。
專家訪談
趙方慶 研究員
中國科學(xué)院動(dòng)物研究所
Q1如何解決微流控芯片上樣本量少導(dǎo)致蛋白檢測數(shù)目不足的問題,？
答：這是一個(gè)關(guān)鍵挑戰(zhàn),，微量蛋白質(zhì)的檢測一直是難點(diǎn)，尤其是在微流控芯片體系下,，樣本損失是一個(gè)不可忽視的問題,。為此，我們與國家蛋白質(zhì)科學(xué)中心的專家緊密合作,，針對樣本制備流程進(jìn)行了系統(tǒng)優(yōu)化,。具體而言，我們改進(jìn)了消化液體系,，調(diào)整了酶解時(shí)間,，優(yōu)化了色譜梯度，并對質(zhì)譜檢測條件進(jìn)行了細(xì)致調(diào)整,。這些優(yōu)化措施顯著提高了蛋白質(zhì)的檢測靈敏度和覆蓋度,，有效解決了樣本量少導(dǎo)致的檢測不足問題,。
Q2Flow2Spatial算法在重建蛋白質(zhì)表達(dá)模式時(shí)，如何處理不同切片之間的異質(zhì)性,？
答：這個(gè)問題需要從實(shí)驗(yàn)和計(jì)算兩個(gè)層面來解決,。實(shí)驗(yàn)方面，我們采用了一種質(zhì)譜兼容的包埋劑,，以盡可能保持組織切片的原始狀態(tài),，同時(shí)避免包埋劑對質(zhì)譜信號的抑制影響。計(jì)算方面,，我們評估了多種圖像配準(zhǔn)算法,，并最終選擇了一款在實(shí)際應(yīng)用中表現(xiàn)最優(yōu)的算法。通過實(shí)驗(yàn)和計(jì)算的雙重優(yōu)化,，我們有效降低了切片間的異質(zhì)性,，提高了Flow2Spatial算法在蛋白表達(dá)模式重建中的準(zhǔn)確性和穩(wěn)定性。
Q3PLATO平臺在實(shí)際臨床應(yīng)用中的前景如何,？是否有計(jì)劃將該技術(shù)應(yīng)用于其它類型的組織或疾病研究中,？未來是否有進(jìn)一步改進(jìn)或擴(kuò)展該平臺的計(jì)劃？
答：這個(gè)問題非常重要,。PLATO平臺能夠在全組織切片水平精準(zhǔn)解析蛋白質(zhì)的空間分布，為探索疾病的發(fā)生發(fā)展機(jī)制提供了全新的工具,。未來,，我們計(jì)劃進(jìn)一步拓展該技術(shù)的應(yīng)用領(lǐng)域，例如用于不同類型的腫瘤樣本,，構(gòu)建更完整的空間蛋白組圖譜,，助力腫瘤微環(huán)境研究。同時(shí),，我們也在持續(xù)優(yōu)化PLATO平臺,，包括提升空間分辨率、增加可檢測蛋白數(shù)量,，并進(jìn)一步增強(qiáng)其與其他組學(xué)技術(shù)的兼容性,，以拓寬其在生命科學(xué)和臨床研究中的應(yīng)用前景。
專家簡介
趙方慶,，中國科學(xué)院動(dòng)物研究所研究員,、全國重點(diǎn)實(shí)驗(yàn)室主任、國家杰出青年基金獲得者,。
現(xiàn)任中國生物信息學(xué)會基因組信息學(xué)專委會主任,、中國微生物學(xué)會微生物組專委會副主任、中國生物工程學(xué)會計(jì)算生物學(xué)與生物信息學(xué)專委會副主任,、Briefings in Bioinformatics,、Science Bulletin,、Science China Life Sciences、Genomics, Proteomics & Bioinformatics等期刊副主編或編委,。主要致力于建立數(shù)據(jù)與智能驅(qū)動(dòng)的前沿組學(xué)技術(shù),，探索人體微生物與非編碼RNA的結(jié)構(gòu)組成與變化規(guī)律，以期解析它們與健康和疾病的關(guān)系,。近年來,，在Cell、Nature Biotechnology,、Nature Methods,、Nature Genetics、Nature Cell Biology,、Nature Computational Science等刊物上發(fā)表通訊作者論文100余篇,，其中十余篇入選ESI高被引論文。榮獲“中國科學(xué)院優(yōu)秀共產(chǎn)黨員”,、“中央和國家機(jī)關(guān)四好黨員”,，7次獲得“中國科學(xué)院優(yōu)秀導(dǎo)師獎(jiǎng)”，3次獲得“中國科學(xué)院大學(xué)領(lǐng)雁獎(jiǎng)?wù)?rdquo;,， “中國科學(xué)院李佩教師奉獻(xiàn)獎(jiǎng)”和“中國科學(xué)院朱李月華優(yōu)秀教師獎(jiǎng)”等,。
參考文獻(xiàn)：
[1] Method of the Year 2024: spatial proteomics. Nat Methods 21, 2195-2196 (2024).
[2] High-resolution spatially resolved proteomics of complex tissues based on microfluidics and transfer learning. Cell 188, 734-748 (2025).
[3] Enhanced sensitivity and scalability with a Chip-Tip workflow enables deep single-cell proteomics. Nat Methods (2025).
如需合作轉(zhuǎn)載本文，請文末留言,。
(空格分隔,最多3個(gè),單個(gè)標(biāo)簽最多10個(gè)字符)
17
立即詢價(jià)
您提交后,，專屬客服將第一時(shí)間為您服務(wù)