PLATO——探索空間蛋白質(zhì)組學(xué)的變革性平臺,。

中國科學(xué)院動物研究所趙方慶,、冀培豐團隊共同合作，融合人工智能算法,、微流控和空間蛋白質(zhì)組學(xué)等技術(shù),，并提出人工智能驅(qū)動的空間蛋白組學(xué)分析技術(shù)框架——跨組學(xué)數(shù)據(jù)的并行流投影和遷移學(xué)習（PLATO, parallel-flow projection and transfer learning across omics data）。這一成果于2025年1月23日在線發(fā)表在《cell》雜志,。

圖1. 人工智能驅(qū)動的空間蛋白組學(xué)分析技術(shù)框架——PLATO,。

文章亮點

? PLATO可以實現(xiàn)跨整個組織的高分辨率空間蛋白質(zhì)組學(xué)

? 使用質(zhì)譜法和微流體技術(shù)對數(shù)千種蛋白質(zhì)進行空間分析

? 多種組織兼容，從模式生物到人類樣本

? 識別人類乳腺癌中不同的腫瘤亞型和失調(diào)蛋白

技術(shù)簡介——PLATO框架

PLATO工作流程主要包括平行數(shù)據(jù)采集和基于人工智能算法的數(shù)據(jù)分析（圖2）,。首先進行三個連續(xù)的冷凍組織切片開始：中間切片用于通過組織學(xué)染色或空間組學(xué)（例如,，空間轉(zhuǎn)錄組學(xué)）生成參考組學(xué)數(shù)據(jù)，而第一個和最后一個切片在不同角度進行基于微流體的蛋白質(zhì)組學(xué)分析,。每個切片被平行微通道覆蓋,，在片上消化后，肽被收集用于LC-MS/MS分析,。這些測量被稱為平行流投影,，類似于基于射線的斷層掃描。

為了重建蛋白質(zhì)的空間分布,，研究者開發(fā)了Flow2Spatial,，這是一種遷移學(xué)習算法，利用參考組學(xué)數(shù)據(jù)來訓(xùn)練深度學(xué)習模型,，用于從平行流預(yù)測中預(yù)測蛋白質(zhì)分布,。Flow2Spatial并不僅僅依賴于mRNA-蛋白的相關(guān)性，而是利用聚類特征和正交投影來推斷空間蛋白質(zhì)模式,。

圖2. PLATO框架的設(shè)計與實驗驗證

基于PLATO框架的研究成果

小鼠小腦空間蛋白質(zhì)組學(xué)圖譜

研究者收集了236個組織體素（~100×100×10μm）用于基于激光捕獲顯微解剖（LCM）的空間蛋白質(zhì)組學(xué)（圖3）,。除去異常值后，LC-MS/MS分析平均得到1849個蛋白質(zhì)組,。比較PLATO和LCM之間的空間蛋白質(zhì)組時,，觀察到大腦區(qū)域之間有很強的Spearman相關(guān)性：分子層（0.89）、顆粒層（0.87）,、纖維束（0.82）和側(cè)隱窩（0.74）,。這些相關(guān)性與同一地區(qū)LCM樣本中觀察到的基線Spearman系數(shù)0.80密切匹配,。值得注意的是，區(qū)域邊界（分子層和顆粒層：0.89,，顆粒層和纖維束：0.86）也保持了很高的相關(guān)性,。20個區(qū)域富集蛋白的IF染色證實了它們的空間分布與Flow2Spatial重建結(jié)果緊密一致。PLATO與相應(yīng)的LCM樣本表現(xiàn)出高表達相關(guān)性,，確證了Flow2Spatial重建的準確性,，這表明PLATO可靠地繪制了蛋白質(zhì)的解剖位置，具有很高的準確性,。

圖3. 基于PLATO框架的小鼠小腦空間蛋白質(zhì)組學(xué)圖譜,。

基于PLATO框架的人乳腺癌空間蛋白質(zhì)組學(xué)圖譜

研究者繪制了一位77歲女性乳腺癌患者的新鮮冷凍乳腺癌樣本的空間蛋白質(zhì)組圖譜（圖4），該患者被診斷為HER2⁺,、ER 70%,、PR^?。PLATO使用具有70個平行通道的微流控芯片,，每個通道寬25 μm,，從兩個角度識別每個通道約4,000個蛋白質(zhì)基團。聚類分析顯示三個不同的空間聚類：兩個腫瘤區(qū)域和一個相鄰區(qū)域,，與病理學(xué)注釋很好地對齊,。LCM -蛋白質(zhì)組分析，收集了145個組織體素（~100×100×10μm）,。在腫瘤區(qū)域平均每體素發(fā)現(xiàn)3500個蛋白,，明顯多于相鄰區(qū)域。在所有區(qū)域（腫瘤1:0.82,，腫瘤2:0.85,，鄰近：0.81），PLATO和LCM結(jié)果之間觀察到高度的Spearman相關(guān)性,，并且在區(qū)域邊界（鄰近和腫瘤1:0.80,，鄰近和腫瘤2:0.81）發(fā)現(xiàn)類似的強相關(guān)性。像素級的比較進一步證實了PLATO的準確性,，IF染色也驗證了PLATO中四個代表性蛋白的空間分布,。研究發(fā)現(xiàn)兩種腫瘤亞型：腫瘤1 （HER2+, ER?,PR?）和腫瘤2 (HER2+, ER+, PR?)。通過LCM-蛋白質(zhì)組分析顯示出比臨床診斷（HER2+, ER 70%, PR?）更高的準確性,，因為PLATO顯示70%的ER表達是兩種亞型的復(fù)合,。此外，與PAM50亞型相關(guān)的蛋白在腫瘤1和腫瘤2之間存在差異表達,，證實了它們的不同特征,。PLATO重建ERBB2提供了比LCM結(jié)果更全面的視圖，提示腫瘤內(nèi)潛在的異質(zhì)性。腫瘤1富含細胞外基質(zhì)（ECM）蛋白,，如纖維蛋白-5 （FBLN5）,、絲蛋白- a （FLNA）、纖維連接蛋白（FN1）,、彈性蛋白（ELN）和LAD1,，表明腫瘤表型更具侵襲性,。相比之下,，腫瘤2富含激素信號相關(guān)蛋白，如雌激素受體1 (ESR1)（乳腺癌的臨床生物標志物）和粘蛋白1 (MUC1)（穩(wěn)定和激活雌激素受體）,，突出了其特別的生物學(xué)和與雌激素信號傳導(dǎo)的關(guān)系,。

圖4. 基于PLATO框架的人乳腺癌空間蛋白質(zhì)組學(xué)圖譜。

總結(jié)

盡管基于成像和抗體的方法最近取得了進展,，但在空間蛋白質(zhì)組學(xué)中,，實現(xiàn)整個組織的深度、高分辨率蛋白質(zhì)圖譜仍然是一個重大挑戰(zhàn),。PLATO,，一個將微流體與深度學(xué)習相結(jié)合的集成框架，可以在整個組織切片中實現(xiàn)數(shù)千種蛋白質(zhì)的高分辨率映射,。我們通過PLATO框架分析小鼠小腦的空間蛋白質(zhì)組,，在一次運行中鑒定了小鼠小腦2564個蛋白質(zhì)組。將PLATO應(yīng)用于大鼠絨毛和人類乳腺癌樣本,，實現(xiàn)了25μm的空間分辨率,，并揭示了與疾病狀態(tài)相關(guān)的蛋白質(zhì)組動力學(xué)。該方法揭示了空間上不同的腫瘤亞型,，鑒定了關(guān)鍵的失調(diào)蛋白,，并為腫瘤微環(huán)境的復(fù)雜性提供了新的見解。