基于微流体学和转移学习的复杂组织的高分辨率空间分辨蛋白质学
Beiyu Hu1, Ruiqiao He2, Kun Pang2
1Institute of Zoology, Chinese Academy of Sciences, Beijing 100101, China; Key Laboratory of Systems Biology, Hangzhou Institute for Advanced Study, University of Chinese Academy of Sciences, Hangzhou, China.
Cell
|January 24, 2025
概括
一个名为PLATO的新框架 (平行流投影和跨OMIC数据的转移学习) 实现了高分辨率的空间蛋白质学. 这种方法可以映射整个组织中的数千种蛋白质,
科学领域:
- 蛋白质组学
- 系统生物学
- 生物信息学
背景情况:
- 在实现整个组织的高分辨率蛋白质映射方面,空间蛋白质组面临挑战.
- 现有的成像和基于抗体的方法在深度和规模上有局限性.
研究的目的:
- 引入PLATO (平行流投影和跨OMIC数据的转移学习),这是一个高分辨率空间蛋白质学的综合框架.
- 展示PLATO在整个组织部分的数千种蛋白质的绘制能力.
主要方法:
- PLATO将微流体学与深度学习相结合,
- 该框架使用小鼠大脑,大鼠和人类乳腺癌样本进行了验证.
主要成果:
- PLATO实现了25微米的空间分辨率.
- 在一次运行中成功地绘制了小鼠大脑中的2564个蛋白质组.
- 揭示了疾病状态中的蛋白质动态,揭示了空间上不同的瘤亚型和关键失调的蛋白质.
结论:
- 这是一个探索空间蛋白质调节的转型平台.
- 该框架为瘤微环境及其与遗传/环境因素的相互作用提供了新的见解.


