来源：医诺维 2025-01-27 10:18

中国科学院动物研究所赵方庆团队在国际顶尖学术期刊 Cell 上发表了题为：High-resolution spatially resolved proteomics of complex tissues based on microfluidics and transfer learning 的研究论文。

该研究提出了全新的空间蛋白组学技术框架 PLATO，通过整合人工智能深度学习算法与微流控技术，实现了全组织切片水平的高分辨率空间蛋白质组检测（25微米分辨率，数千个蛋白），突破了高通量原位组学技术的瓶颈。

现有空间蛋白质组方法主要依赖抗体染色或质谱技术，前者因靶标数量有限，仅能检测几十至几百种蛋白分子；而后者尽管检测种类丰富，但逐点取样的方式极大增加了实验成本和规模。例如，对 1 平方厘米的组织切片进行 100 微米分辨率的网格分析，需要检测上万个 LC-MS/MS 样本，远超出现有质谱检测通量的能力。

PLATO从断层扫描成像的重构原理汲取灵感，通过降维后的平行流投影（parallel flow projection）与深度学习算法 Flow2Spatial 相结合，成功重构出蛋白质的高分辨率空间分布。Flow2Spatial 巧妙运用了自编码器模型，将平行流投影的实验过程模拟为 降维编码 ，并通过整合其他空间组学数据（如组织学染色、空间转录组学等），对蛋白质空间分布进行高精度 升维解码 。这一算法突破了传统技术难以获取空间信息的限制，不仅大幅提高了空间蛋白质组的覆盖度和分辨率，还为解析其他组学分子的空间分布提供了新方案。