近日，中國(guó)科學(xué)院動(dòng)物研究所趙方慶團(tuán)隊(duì)在權(quán)威科學(xué)期刊《Cell》上發(fā)表了一項(xiàng)突破性研究成果。該團(tuán)隊(duì)開(kāi)發(fā)了一種名為PLATO的全新空間蛋白組學(xué)技術(shù)框架，為復(fù)雜組織的蛋白質(zhì)空間分布研究開(kāi)辟了新路徑。
PLATO技術(shù)融合了人工智能深度學(xué)習(xí)算法與微流控技術(shù)，實(shí)現(xiàn)了前所未有的全組織切片水平高分辨率空間蛋白質(zhì)組檢測(cè)。據(jù)了解，該技術(shù)能夠達(dá)到25微米的分辨率，并能同時(shí)檢測(cè)數(shù)千種蛋白質(zhì)，這一成就突破了高通量原位組學(xué)技術(shù)的傳統(tǒng)瓶頸。
傳統(tǒng)的空間蛋白質(zhì)組方法主要依賴于抗體染色或質(zhì)譜技術(shù)。然而，抗體染色方法受限于靶標(biāo)數(shù)量，通常只能檢測(cè)幾十至幾百種蛋白分子；而質(zhì)譜技術(shù)雖然檢測(cè)種類豐富，但其逐點(diǎn)取樣的方式卻大大增加了實(shí)驗(yàn)成本和規(guī)模。PLATO技術(shù)的出現(xiàn)，則有效解決了這些問(wèn)題。
PLATO技術(shù)從斷層掃描成像的重構(gòu)原理中汲取靈感，通過(guò)降維后的平行流投影與深度學(xué)習(xí)算法Flow2Spatial的結(jié)合，成功重構(gòu)出蛋白質(zhì)的高分辨率空間分布。Flow2Spatial算法運(yùn)用自編碼器模型，將平行流投影的實(shí)驗(yàn)過(guò)程模擬為“降維編碼”，并通過(guò)整合組織學(xué)染色、空間轉(zhuǎn)錄組學(xué)等其他空間組學(xué)數(shù)據(jù)，對(duì)蛋白質(zhì)空間分布進(jìn)行高精度“升維解碼”。
這一原創(chuàng)算法的突破，不僅克服了傳統(tǒng)技術(shù)難以獲取空間信息的限制，還顯著提高了空間蛋白質(zhì)組的覆蓋度和分辨率。PLATO技術(shù)的成功應(yīng)用，為解析其他組學(xué)分子的空間分布提供了全新的解決方案，有望推動(dòng)生命科學(xué)研究領(lǐng)域的深入發(fā)展。
值得注意的是，PLATO技術(shù)深度融合了人工智能算法、微流控和質(zhì)譜技術(shù)，展現(xiàn)了跨學(xué)科合作的強(qiáng)大力量。隨著技術(shù)的不斷迭代和創(chuàng)新，PLATO有望成為生命科學(xué)研究領(lǐng)域的重要工具，為科研人員提供更多、更精準(zhǔn)的實(shí)驗(yàn)數(shù)據(jù)和分析手段。
