2022-06-17

Nat Biotech | AI视觉结合蛋白质组学定义单细胞特性和异质性

原创 图灵基因 图灵基因 2022-06-17 08:05 发表于江苏

收录于合集#前沿分子生物学技术

尽管基于成像和质谱的空间蛋白质组学方法取得了进展，但将图像与单细胞分辨率蛋白质丰度测量联系起来仍然是一个挑战。现在，由哥本哈根大学领导的一个国际研究小组开发了一种称为深度视觉蛋白质组学（DVP）的新方法，并已应用于癌细胞。研究人员认为，利用这项技术，可以有效地将显微镜下观察到的细胞生理特征与蛋白质的功能联系起来。

这项研究的详细结果发表在《Nature Biotechnology》杂志上，文章标题为“Deep Visual Proteomics defines single-cell identity and heterogeneity”。

“在这里，我们介绍了DVP，它将人工智能驱动的细胞表型图像分析与自动单细胞或单核激光显微切割和超高灵敏度质谱法相结合。”研究人员写道，“DVP将蛋白质丰度与复杂的细胞或亚细胞表型联系起来，同时保留空间环境。”

“我们的新概念，即深度视觉蛋白质组学，可能会改变医院分子病理学的游戏规则。通过这种方法，我们可以识别数千种蛋白质，并确定其中有多少。”这项新研究的第一作者、Novo Nordisk基金会蛋白质研究中心（CPR）副教授Andreas Mund解释说。他是Matthias Mann团队的一员，在CPR和Max Planck生物化学研究所率先开展了这项研究。

“我们通过采集组织样本并仅分析其中的肿瘤细胞来实现这一目标。这个蛋白质‘列表’被称为蛋白质组。这些蛋白质组揭示了驱动肿瘤发展的机制，并直接从癌症患者活检的单个组织切片中发现新的治疗靶点。它暴露了这些癌细胞中的大量分子。”Mund说。

研究人员将他们的方法应用于腺泡细胞癌和黑色素瘤患者的细胞。这是与新西兰大学医院的研究人员合作完成的。

“当我们的细胞内出现问题，我们生病时，你可以肯定蛋白质以各种不同的方式参与其中。正因为如此，绘制蛋白质图谱可以帮助我们确定为什么肿瘤会在特定患者身上发展，肿瘤有哪些脆弱性，以及哪种治疗策略可能被证明是最有益的。”Mann补充道。

“这种独特的方法将组织结构与数千种特定于所选细胞的蛋白质的表达相结合。它使研究人员能够研究癌细胞与其周围细胞之间的相互作用，这对未来的临床癌症治疗具有重要意义。最近，我们诊断出一个高度复杂的临床病例，其中包含两种不同的成分以及DVP 分析的结果。”新西兰大学医院病理学系和哥本哈根大学临床医学系顾问兼临床研究副教授Lise Mette Rahbek Gjerrum说。

新方法将四种不同技术的进步结合到一个工作流程中。首先，先进的显微镜可以生成高分辨率的组织图。其次，在激光显微切割和单细胞采集之前，使用机器学习算法对细胞进行准确分类。然后通过质谱分析特定类型的正常或患病细胞，绘制蛋白质图谱，了解健康和疾病的机制。

“利用这项技术，我们可以有效地将显微镜下观察到的细胞的生理特征与蛋白质的功能联系起来。这在以前是不可能的，我们非常确信，这种方法可以应用于其他疾病，而不仅仅是癌症。”Mund说。

“由于一张载玻片可以包含数十万个细胞，因此DVP可以发现和表征罕见的细胞状态和相互作用。与单细胞转录组学相比，DVP可以轻松分析ECM的亚细胞结构和空间动态。随着蛋白质组学技术的进一步改进，DVP也应该适合在单细胞类型水平上研究蛋白质形式和翻译后修饰。”研究人员总结道。

这些发现可能为癌症等难以捉摸的疾病的新疗法和策略铺平道路。