通过深度学习促进的稀疏采样策略,深度和高吞吐量空间蛋白质组学用于全组织切片分析

科学领域:

• 蛋白质组学是指蛋白质组学.
• 系统生物学 系统生物学
• 生物技术是生物技术.

背景情况:

• 细胞异质性和空间组织是哺乳动物组织功能的关键.
• 空间转录组学已经进步,但由于蛋白质检测局限性,空间蛋白质组学滞后.
• 准确的空间蛋白质组映射对于理解疾病机制和识别生物标志物至关重要.

研究的目的:

• 开发一种用于高分辨率,大规模空间蛋白质组映射的新方法.
• 克服当前空间蛋白质组学技术在吞吐量和灵敏度方面的局限性.
• 为了生成一个复杂的器官迄今为止最全面的空间蛋白质组数据集.

主要方法:

• 开发了空间蛋白质组学 (S4P) 的稀疏采样策略.
• 使用计算辅助图像重建用于数据分析.
• 将S4P策略应用于厘米大小的小鼠脑组织样本.

主要成果:

• 产生了迄今为止最大的空间蛋白质组数据集,识别了9000多种蛋白质.
• 在厘米大小的组织样本中实现了深度蛋白质组覆盖.
• 在小鼠大脑中发现了潜在的新型区域和细胞类型特定的蛋白质标记物.

结论:

• S4P策略显著提高了大型组织样本的空间蛋白质组学能力.
• 与现有方法相比,这种方法提供了更好的灵敏度和吞吐量.
• 预计S4P将在未来的生物和医学研究中广泛应用于各种组织.