?

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?！禢ature 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)對這項技術(shù)應(yīng)用前景的關(guān)注和認(rèn)可。現(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)院動物研究所趙方慶團(tuán)隊聯(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)單個細(xì)胞超6500個蛋白質(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，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，如何處理不同切片之間的異質(zhì)性？

答：這個問題需要從實(shí)驗(yàn)和計算兩個層面來解決。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)，同時避免包埋劑對質(zhì)譜信號的抑制影響。計算方面，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)展該平臺的計劃？

答：這個問題非常重要。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，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”，3次獲得“中國科學(xué)院大學(xué)領(lǐng)雁獎?wù)?rdquo;， “中國科學(xué)院李佩教師奉獻(xiàn)獎”和“中國科學(xué)院朱李月華優(yōu)秀教師獎”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。