近年來，空間組學技術已成為解析組織異質性和複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、神經科學和疾病機製研究中展現了巨大潛力。然而，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麵臨諸多挑戰。現有空間蛋白質組學技術受限於質譜檢測通量和高昂成本，難以兼顧高分辨率與大麵積組織分析需求，限製了其在複雜組織研究中的廣泛應用。

2025年1月23日，必威精装版app西汉姆联 的趙方慶團隊在《Cell》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的瓶頸。

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；而後者盡管檢測種類豐富，但逐點取樣的方式極大增加了實驗成本和規模。例如，對1平方厘米的組織切片進行100微米分辨率的網格分析，需要檢測上萬個LC-MS/MS樣本，遠超出現有質譜檢測通量的能力。

算法創新：基於“降維編碼”與“升維解碼”的空間重構算法

PLATO從斷層掃描成像的重構原理汲取靈感，通過降維後的平行流投影（parallel flow projection）與深度學習算法Flow2Spatial相結合，成功重構出蛋白質的高分辨率空間分布。Flow2Spatial巧妙運用了自編碼器模型，將平行流投影的實驗過程模擬為“降維編碼”，並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製，不僅大幅提高了空間蛋白質組的覆蓋度和分辨率，還為解析其他組學分子的空間分布提供了新方案。

技術創新：基於微流控的平行流高效蛋白采樣技術

在原位采樣方麵，PLATO結合微流控技術，開發了高通量、低成本的靈活采樣平台，可實現25至100微米分辨率範圍內進行精確采樣。相比傳統方法，PLATO通過並行原位采樣顯著提高了實驗效率，同時降低了對複雜昂貴設備的依賴，使得這一技術更加經濟實用，為複雜組織的高分辨率空間解析提供了可靠工具。

研究團隊通過計算模擬、顯微切割和免疫熒光驗證了PLATO的高精確性，結果顯示其能夠準確重構組織切片中蛋白分子的空間分布，空間分辨率最高達到25微米。此外，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廣泛適用性。研究團隊進一步對小鼠腦組織、腸道絨毛及乳腺癌等複雜組織進行了高分辨率蛋白質空間分布解析，進一步驗證了其在不同應用場景及研究方向中的巨大潛力，為揭示蛋白質動態分布和探究複雜生物過程的分子機製提供了強有力支持。

PLATO以人工智能算法、微流控和質譜技術的深度融合，實現了空間組學技術的重要突破。隨著技術迭代創新， PLATO有望成為推動生命科學研究的核心工具，並在疾病診斷、精準醫學和農業生物技術等領域發揮重要作用。

必威精装版app西汉姆联 博士後胡倍瑜、博士後何睿喬、博士研究生龐琨及國家蛋白質中心王貴賓為該研究的共同第一作者，必威精装版app西汉姆联 趙方慶研究員和冀培豐副研究員為該研究的通訊作者。該研究得到了國家傑出青年科學基金、國家重點研發計劃和北京市自然科學基金等項目資助。

文章鏈接：https://doi.org/10.1016/j.cell.2024.12.023

圖1.基於深度學習算法的蛋白質空間分布重構流程圖

圖2. PLATO的微流控芯片裝置圖和原位采樣結果