新方法识别蛋白质，揭示驱动肿瘤发展的机制

　　哥本哈根大学领导的一个国际研究团队开发了一种名为“深度视觉蛋白质组学”的新方法，并已应用于癌细胞。研究人员认为，使用这项技术可以有效地将显微镜下细胞的生理特征与蛋白质的功能联系起来。

　　

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的蛋白质丰度测量相连接一直是一个挑战。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名为“深度视觉蛋白质组学”(Deep Visual Proteomics, 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细胞的生理特征与蛋白质的功能联系起来。

这项研究的详细内容发表在《自然生物技术》杂志上，题为“Deep Visual Proteomics defines single-cell identity and heterogeneity”。

研究人员写道:“在这里，我们引入了DVP，它将人工智能驱动的细胞表型图像分析与自动化的单细胞或单核激光显微解剖和超高灵敏度质谱相结合。”“DVP将蛋白质丰度与复杂的细胞或亚细胞表型联系起来，同时保留空间背景。”

“我们的新概念，深度视觉蛋白质组学，可能成为医院分子病理学的游戏规则改变者。通过这种方法，我们可以识别数千种蛋白质，并确定其中有多少种。”安德里亚斯·蒙德解释说，他是诺和诺德基金会蛋白质研究中心(CPR)的副教授，是马蒂亚斯·曼恩团队的一员，该团队在CPR和马克斯·普朗克生物化学研究所率先开展了这项研究，也是这项新研究的第一作者。

“我们通过提取组织样本并分析其中的肿瘤细胞来做到这一点。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暴露出新的治疗靶点。它暴露了癌细胞内部的分子宇宙，”蒙德说。

研究人员将他们的方法应用于腺泡细胞癌和黑素瘤患者的细胞。这项研究是与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，你可以确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生，这种肿瘤有哪些弱点，以及哪种治疗策略可能被证明是最有益的，”Mann补充道。

“这种独特的方法结合了组织结构和数千种特定于选定细胞的蛋白质的表达。它使研究人员能够研究癌细胞及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，我们诊断出了一个高度复杂的临床病例，有两个不同的组成部分和DVP分析的结果，”新西兰大学医院和哥本哈根大学临床医学系顾问和临床研究副教授Lise Mette Rahbek Gjerdrum说。

这种新方法将四种不同技术的进步结合到一个工作流中。首先，先进的显微镜生成高分辨率的组织图。其次，在激光显微解剖和单细胞采集之前，利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病变细胞，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看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，我们非常相信这种方法可以应用于其他疾病，而不仅仅是癌症。”

“由于一张幻灯片可以包含数十万个细胞，DVP可以发现和描述罕见的细胞状态和相互作用。与单细胞转录组相比，DVP可以很容易地分析ECM?的亚细胞结构和空间动力学。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水平上研究蛋白质形态和翻译后修饰，”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治疗和策略铺平道路。

原文标题：

Deep Visual Proteomics defines single-cell identity and heterogeneity