当前位置:科学网首页 > 小柯机器人 >详情
科学家开发出基于微流控技术和迁移学习的复杂组织高分辨率空间分布蛋白质组学
作者:小柯机器人 发布时间:2025/1/24 16:41:21

中国科学院动物研究所赵方庆等研究人员合作开发出,基于微流控技术和迁移学习的复杂组织高分辨率空间分布蛋白质组学。相关论文于2025年1月23日在线发表在《细胞》杂志上。

研究人员提出了平行流投影和跨组学数据迁移学习(PLATO),这是一个将微流控技术与深度学习相结合的集成框架,用于在整个组织切片中实现高分辨率的数千种蛋白质映射。研究人员通过对小鼠小脑空间蛋白质组进行分析,验证了PLATO框架,并在单次运行中识别了2564个蛋白质组合。

随后,研究人员将PLATO应用于大鼠绒毛和人类乳腺癌样本,达到了25微米的空间分辨率,揭示了与疾病状态相关的蛋白质动态。该方法揭示了空间上不同的肿瘤亚型,识别了关键的失调蛋白,并为肿瘤微环境的复杂性提供了新的见解。

研究人员相信,PLATO代表了一个变革性的平台,可用于探索空间蛋白质组的调控及其与遗传和环境因素的相互作用。

据介绍,尽管成像和抗体基础方法在最近取得了进展,但在整个组织中实现深度、高分辨率的蛋白质图谱仍然是空间蛋白质组学中的一大挑战。

附:英文原文

Title: High-resolution spatially resolved proteomics of complex tissues based on microfluidics and transfer learning

Author: Beiyu Hu, Ruiqiao He, Kun Pang, Guibin Wang, Ning Wang, Wenzhuo Zhu, Xin Sui, Huajing Teng, Tianxin Liu, Junjie Zhu, Zewen Jiang, Jinyang Zhang, Zhenqiang Zuo, Weihu Wang, Peifeng Ji, Fangqing Zhao

Issue&Volume: 2025-01-23

Abstract: Despite recent advances in imaging- and antibody-based methods, achieving in-depth, high-resolution protein mapping across entire tissues remains a significant challenge in spatial proteomics. Here, we present parallel-flow projection and transfer learning across omics data (PLATO), an integrated framework combining microfluidics with deep learning to enable high-resolution mapping of thousands of proteins in whole tissue sections. We validated the PLATO framework by profiling the spatial proteome of the mouse cerebellum, identifying 2,564 protein groups in a single run. We then applied PLATO to rat villus and human breast cancer samples, achieving a spatial resolution of 25 μm and uncovering proteomic dynamics associated with disease states. This approach revealed spatially distinct tumor subtypes, identified key dysregulated proteins, and provided novel insights into the complexity of the tumor microenvironment. We believe that PLATO represents a transformative platform for exploring spatial proteomic regulation and its interplay with genetic and environmental factors.

DOI: 10.1016/j.cell.2024.12.023

Source: https://www.cell.com/cell/abstract/S0092-8674(24)01436-3

期刊信息
Cell:《细胞》,创刊于1974年。隶属于细胞出版社,最新IF:66.85
官方网址:https://www.cell.com/