隨著空間組學(xué)技術(shù)的發(fā)展，空間蛋白質(zhì)組學(xué)也成為目前的熱點(diǎn)研究方向。空間蛋白質(zhì)組學(xué)可以獲得組織不同于區(qū)域內(nèi)的蛋白特征表達(dá)譜，并廣泛應(yīng)用于腫瘤細(xì)胞異質(zhì)性等研究領(lǐng)域。盡管空間蛋白質(zhì)組學(xué)有基于成像和質(zhì)譜的方法，然而目前的一個(gè)關(guān)鍵挑戰(zhàn)是將圖像與單細(xì)胞水平蛋白質(zhì)豐度測(cè)量聯(lián)系起來(lái)。

2022年，05月19日，蛋白質(zhì)組學(xué)領(lǐng)域大咖Matthias Mann團(tuán)隊(duì)在國(guó)際著名學(xué)術(shù)期刊Nature Biotechnology（IF：36.558）上發(fā)表了題為“Deep Visual Proteomics defines single-cell identity and heterogeneity”的研究論文。該研究介紹了深度視覺(jué)蛋白質(zhì)組學(xué)（DVP），它將人工智能驅(qū)動(dòng)的細(xì)胞表型圖像分析與自動(dòng)化單細(xì)胞或單核激光顯微切割和超高靈敏度質(zhì)譜相結(jié)合。DVP將蛋白質(zhì)豐度與復(fù)雜的細(xì)胞或亞細(xì)胞表型聯(lián)系起來(lái)，同時(shí)保留空間背景。并首次利用DVP技術(shù)揭示了正常黑素細(xì)胞轉(zhuǎn)變?yōu)橥耆忠u性黑色素瘤時(shí)空間分辨的蛋白質(zhì)組變化，揭示了隨著癌癥進(jìn)展在空間上發(fā)生變化的途徑。DVP在組織環(huán)境中保留精確的空間蛋白質(zhì)組信息的能力對(duì)臨床樣本的分子圖譜具有重要意義。

文章研究思路

DVP工作流程

深度視覺(jué)蛋白質(zhì)組學(xué)（DVP）是將亞微米分辨率成像、基于人工智能（AI）的單細(xì)胞表型圖像分析和單細(xì)胞分離與超靈敏的蛋白質(zhì)組學(xué)工作流程相結(jié)合（圖1）的新技術(shù)。其工作流程是：首先利用顯微技術(shù)生成高分辨率組織圖譜；其次利用機(jī)器學(xué)習(xí)與人工智能（AI）方法對(duì)細(xì)胞類型進(jìn)行精確分類；然后利用激光顯微切割捕獲單細(xì)胞；最后利用質(zhì)譜分析特定類型的細(xì)胞樣本。隨后的生物信息學(xué)數(shù)據(jù)分析通過(guò)數(shù)據(jù)挖掘能夠發(fā)現(xiàn)蛋白質(zhì)組特征，在單細(xì)胞水平上提供對(duì)健康和疾病狀態(tài)中蛋白質(zhì)組變化的分子洞察。

研究結(jié)果

01用于細(xì)胞類型分辨蛋白質(zhì)組學(xué)的圖像引導(dǎo)單細(xì)胞分離

首先使用掃描顯微鏡來(lái)獲得高分辨率的全幻燈片圖像，同時(shí)作者開(kāi)發(fā)了一個(gè)用于綜合圖像分析的軟件套件，稱為“BIAS”。它結(jié)合了圖像預(yù)處理、基于深度學(xué)習(xí)（DL）的圖像分割、特征提取和基于機(jī)器學(xué)習(xí)（ML）的表型分類，可實(shí)現(xiàn)高準(zhǔn)確性的分割感興趣的細(xì)胞區(qū)室（圖2a-b）。為探索DVP工作流程的敏感性、特異性和穩(wěn)健性，將其應(yīng)用于正常人類輸卵管組織，并使用細(xì)胞譜系特異性轉(zhuǎn)錄因子FOXJ1來(lái)分離纖毛細(xì)胞，并對(duì)其進(jìn)行蛋白質(zhì)組學(xué)分析（圖2e-h）。檢測(cè)到5,000多種可定量蛋白，蛋白質(zhì)豐度差異分析反映了不同細(xì)胞類型的生物學(xué)特征。

?

02DVP定義亞細(xì)胞水平的單細(xì)胞異質(zhì)性

將DVP工作流程應(yīng)用于未受干擾的癌細(xì)胞系，以確定DVP是否可以表征表面相似細(xì)胞之間的功能異質(zhì)性?；贒L算法進(jìn)行細(xì)胞核和細(xì)胞膜檢測(cè)分割后，每個(gè)表型分離到80-100個(gè)單細(xì)胞和250-300個(gè)細(xì)胞核（圖3a-b）。使用超低量樣品處理工作流程，直接在384孔板中處理樣品，它省略了任何樣品轉(zhuǎn)移步驟并確保在非常低的體積下進(jìn)行樣本前處理，并結(jié)合高靈敏度質(zhì)譜進(jìn)行數(shù)據(jù)采集。細(xì)胞和細(xì)胞核蛋白質(zhì)組顯示出很高的定量重現(xiàn)性（Pearson?r??= 0.96），并且整個(gè)細(xì)胞的蛋白質(zhì)組與單獨(dú)細(xì)胞核不同。GO富集分析顯示，質(zhì)膜、線粒體、核小體和轉(zhuǎn)錄因子復(fù)合物等條目顯著富集（圖3c）。此外，基于單細(xì)胞蛋白質(zhì)組還發(fā)現(xiàn)了幾種未表征的蛋白質(zhì)，并預(yù)測(cè)了其潛在細(xì)胞功能?；谌祟惒±韺W(xué)圖譜研究了C7orf50，結(jié)果顯示其高表達(dá)與胰腺癌的良好預(yù)后相關(guān)（圖3g，P<0.001）。生物信息學(xué)分析還揭示了其與蛋白LYAR（細(xì)胞生長(zhǎng)調(diào)節(jié)核蛋白）的相互作用、共表達(dá)和共定位，表明其與細(xì)胞增殖有功能聯(lián)系（圖3f-h）。

03?DVP應(yīng)用于癌組織異質(zhì)性

最后，研究人員將DVP應(yīng)用于唾液腺腺泡細(xì)胞癌和黑色素瘤患者的FFPE組織，以探究腫瘤組織的空間異質(zhì)性。運(yùn)用DVP技術(shù)對(duì)正常組織和腺泡細(xì)胞癌組織進(jìn)行了蛋白質(zhì)組學(xué)分析（圖4c）。相關(guān)性分析顯示正常細(xì)胞和癌細(xì)胞具有較低的相關(guān)性，反映了疾病特異性和細(xì)胞類型特異性蛋白質(zhì)組的變化（Pearson r ?= 0.8；圖4d、e）。腺泡細(xì)胞癌中的腺泡細(xì)胞標(biāo)志物顯著下調(diào)，這也與之前的報(bào)道一致。此外，干擾素反應(yīng)蛋白（例如，MX1和HLA-A）和原癌基因SRC上調(diào)，它們都是可操作的治療靶點(diǎn)（圖4e）。作者還使用了IHC分析在正常和癌變組織中證實(shí)了蛋白質(zhì)組學(xué)的發(fā)現(xiàn)（圖4f）。結(jié)果證明了DVP方法的特異性和可靠性。

運(yùn)用DVP技術(shù)研究空間分辨的黑色素瘤進(jìn)展的不同細(xì)胞表型的蛋白質(zhì)組變化（圖5a、b）。采用兩種標(biāo)志物SOX10和CD146共同染色原發(fā)性腫瘤FFPE樣本，以繪制黑色素瘤細(xì)胞圖譜。使用CD146作為疾病進(jìn)展標(biāo)志物，基于ML算法預(yù)測(cè)了五個(gè)具有明確空間分布的細(xì)胞群：1）原位黑色素瘤；2）主要是腫瘤；3）腫瘤微環(huán)境細(xì)胞；4）CD146高表達(dá)區(qū)域；5）CD146低表達(dá)區(qū)域（圖5c）。蛋白質(zhì)組學(xué)分析顯示了生物學(xué)重復(fù)之間的高定量重現(xiàn)性，疾病狀態(tài)和區(qū)域特異性蛋白質(zhì)組（圖5e-g）。參與氧化磷酸化和線粒體功能的蛋白質(zhì)的表達(dá)從黑色素細(xì)胞、原位黑色素瘤到侵襲性黑色素瘤逐漸增加，表明了晚期腫瘤階段對(duì)線粒體呼吸的依賴性（圖5h-j）。相反，與原位黑色素瘤相比，參與抗原呈遞和干擾素反應(yīng)的蛋白質(zhì)被下調(diào)（圖5h-j），符合黑色素瘤的免疫逃逸策略。

總結(jié)

DVP將成像技術(shù)與無(wú)偏見(jiàn)的蛋白質(zhì)組學(xué)相結(jié)合，以量化給定細(xì)胞中表達(dá)的蛋白，繪制組織或細(xì)胞類型特異性蛋白質(zhì)組圖譜，揭示驅(qū)動(dòng)腫瘤進(jìn)化的機(jī)制以及腫瘤的治療靶點(diǎn)。DVP?技術(shù)不僅可以用于癌癥的診斷分析，還可以應(yīng)用其他疾病。與單細(xì)胞轉(zhuǎn)錄組相比，DVP?可以很容易地分析細(xì)胞外基質(zhì)（ECM）的亞細(xì)胞結(jié)構(gòu)和空間動(dòng)力學(xué)。此外，隨著蛋白質(zhì)組學(xué)技術(shù)的進(jìn)一步發(fā)展，DVP也將適用于在單細(xì)胞類型水平上研究蛋白質(zhì)形式和翻譯后修飾。

文章亮點(diǎn)

該研究首次將四種不同技術(shù)整合到一個(gè)工作流程中，基于顯微成像、人工智能、顯微切割和質(zhì)譜分析開(kāi)發(fā)了一項(xiàng)新的蛋白質(zhì)組學(xué)分析技術(shù)——深度視覺(jué)蛋白質(zhì)組學(xué)（DVP），該技術(shù)可以在組織環(huán)境中保留精確空間蛋白質(zhì)組信息的能力，對(duì)臨床樣本的分子圖譜研究具有重要意義。

深層視覺(jué)蛋白質(zhì)組學(xué)定義單細(xì)胞特性和異質(zhì)性

期刊名稱：Nature Biotechnology

影響因子：36.558

樣本選擇：皮膚組織

技術(shù)策略：深度視覺(jué)蛋白質(zhì)組學(xué)（DVP）