近年來，空間組學技術成為解析組織異質性和復雜細胞相互作用的重要工具。尤其是，空間轉錄組學在胚胎發育、神經科學和疾病機制研究中展現出潛力。作為直接執行生物功能的核心分子，蛋白質的空間分布研究在技術上面臨挑戰。現有空間蛋白質組學技術受限于質譜檢測通量和高昂成本，難以兼顧高分辨率與大面積組織分析需求，限制了其在復雜組織研究中的應用。
1月23日，中國科學院動物研究所趙方慶團隊在《細胞》（Cell）上發表了題為High-resolution spatially resolved proteomics of complex tissues based on microfluidics and transfer learning的研究論文。該研究提出了全新的空間蛋白組學技術框架——PLATO，通過整合人工智能深度學習算法與微流控技術，實現了全組織切片水平的高分辨率空間蛋白質組檢測（25微米分辨率，數千個蛋白），突破了高通量原位組學技術瓶頸。
現有空間蛋白質組方法主要依賴抗體染色或質譜技術。前者因靶標數量有限，僅能檢測幾十至幾百種蛋白分子；后者檢測種類豐富，但逐點取樣方式增加了實驗成本和規模。
PLATO在斷層掃描成像的重構原理中汲取靈感，通過降維后的平行流投影與深度學習算法Flow2Spatial相結合，重構出蛋白質的高分辨率空間分布。Flow2Spatial運用自編碼器模型，將平行流投影的實驗過程模擬為“降維編碼”，并通過整合其他空間組學數據如組織學染色、空間轉錄組學等，對蛋白質空間分布進行高精度“升維解碼”。這一原創算法突破了傳統技術難以獲取空間信息的限制，提高了空間蛋白質組的覆蓋度和分辨率，為解析其他組學分子的空間分布提供了新方案。
在原位采樣方面，PLATO結合微流控技術，開發了高通量、低成本的靈活采樣平臺，可實現25微米至100微米分辨率范圍內進行精確采樣。相比于傳統方法，PLATO通過并行原位采樣提高了實驗效率，降低了對復雜昂貴設備的依賴，使得這一技術更經濟實用，為復雜組織的高分辨率空間解析提供了可靠工具。
該研究通過計算模擬、顯微切割和免疫熒光驗證了PLATO的高精確性。結果顯示，PLATO能夠準確重構組織切片中蛋白分子的空間分布，空間分辨率最高達25微米。同時，針對不同類型樣本如冰凍切片和FFPE組織，分別建立了實驗流程，證明了PLATO在多種組織類型中的適用性。進一步，研究對小鼠腦組織、腸道絨毛和乳腺癌等復雜組織進行高分辨率蛋白質空間分布解析，驗證了其在不同應用場景和研究方向中的潛力，為揭示蛋白質動態分布和探究復雜生物過程的分子機制提供了支持。
PLATO深度融合了人工智能算法、微流控和質譜技術，隨著技術迭代創新，有望成為推動生命科學研究的重要工具。
研究工作得到國家杰出青年科學基金、國家重點研發計劃和北京市自然科學基金等的支持。
論文鏈接
基于深度學習算法的蛋白質空間分布重構流程圖
PLATO的微流控芯片裝置圖和原位采樣結果
本文鏈接：科研人員建立人工智能驅動的空間蛋白質組學新技術http://m.sq15.cn/show-12-678-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。