【Nature子刊】深度视觉蛋白质组学——展示其首次应用于癌细胞的潜力

近期研究“Deep Visual Proteomics defines single-cell identity and heterogeneity”发表在《Nature Biotechnology》杂志上，证明了深度视觉蛋白质组学技术首次应用于癌细胞的潜力。该研究将肿瘤的视觉特征与深度分析技术相结合，以可视化与周围健康细胞相邻的畸变细胞中的蛋白质特征。这将使研究人员对疾病有前所未有的认识，并指导肿瘤学家制定诊断和治疗的巧妙策略。

https://www.nature.com/articles/s41587-022-01302-5

深度视觉蛋白质组学联合四种技术

深度视觉蛋白质组学首次将四种不同技术的进展整合到一个单一的工作流程中：首先，先进的显微镜生成高分辨率的组织图谱。其次，在通过高精度激光捕获显微切割收集单细胞之前，使用机器学习和人工智能(AI)算法从形状、大小或蛋白质定位对细胞进行准确分类。然后，在分选正常或不同类型的病变细胞后，通过使用超高灵敏度质谱(MS)仪器从样本中一次性检测细胞群中存在的数千种蛋白质。最后，复杂的生物信息学分析生成蛋白质图谱，提供了高度复杂疾病（如癌症）中蛋白质特征的空间分辨率。这类蛋白质景观是临床医生更详细地理解健康和疾病机制的有价值的工具。

“深度视觉蛋白质组学，可以成为医院分子病理学的游戏规则改变者。通过这种方法，我们用肿瘤细胞取组织样本，并且可以在一分钟的时间内鉴定成千上万的蛋白质。这些蛋白质组学特征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新的治疗靶标。”CPR副教授、Matthias Mann教授团队一员Andreas Mund说：“它暴露了这些癌细胞内部分子的宇宙。”

临床病理学的相关性

在新研究中，研究人员将深度视觉蛋白质组学应用于腺泡细胞癌和黑色素瘤患者的细胞。Lise Mette Rahbek Gjerdrum说：“这种独特的方法结合了组织架构和针对选定细胞的数千种蛋白质的表达。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，对未来的临床癌症治疗具有重大意义。最近，我们利用深度视觉蛋白质组学诊断了一个高度复杂的临床病例。”

利用深度视觉蛋白质组学可以更好地理解的不仅仅是癌症，该方法还可应用于其他疾病。研究的共同第一作者Fabian Coscia博士说：“例如，你可以分析神经细胞中的蛋白质，找出在阿尔茨海默症或帕金森症等神经退行性疾病中细胞究竟发生了什么。”

“通过合并显微镜的力量、AI和基于超高灵敏度MS的蛋白质组学，我们开发了一种方法，对理解健康与疾病细胞的分子布线非常强大。这可以帮助医生确定未来药物和诊断的靶标，”Matthias Mann总结道。（转化医学网360zhyx.com）

参考资料：

https://phys.org/news/2022-05-deep-visual-proteomics-technology-cell-specific.html

注：本文旨在介绍医学研究进展，不能作为治疗方案参考。如需获得健康指导，请至正规医院就诊。