空间蛋白质组学已经成为生物医疗研究的重要工具，它不仅在传统蛋白质组学所提供的丰富分子信息基础上，进一步揭示了分子在细胞或组织中的空间分布，这对于系统性理解生物功能、疾病机制以及治疗效果都至关重要。《Nature Methods》在2024年将空间蛋白质组学选为年度方法，这一举措反映了行业对该技术应用前景的高度关注和认可。

现如今，质谱空间蛋白质组学主要包括基于MALDI的质谱成像、激光显微切割和膨胀水凝胶放大后的切割等技术。然而，质谱成像可以检测的蛋白种类有限，而后两种方法的成本和质谱检测通量要求又相对较高，这在一定程度上限制了它们在科学研究中的广泛应用。

2025年2月，中国科学院动物研究所的赵方庆研究团队与国家蛋白质科学中心的王贵宾合作，在《Cell》杂志上发表了题为“基于微流控技术和迁移学习的高分辨率空间蛋白质组学研究”的论文。这项研究整合了微流控技术、微量蛋白质组学检测技术和人工智能深度学习算法，开发了一个全新的高分辨率和高通量空间质谱蛋白质组学平台——PLATO，能够精准映射整个组织切片中的数千种蛋白质。

01 技术创新与优势

PLATO平台具备了多项技术创新，带来了显著的优势：

1. 基于微流控的创新高通量原位蛋白采样技术

该技术能够获取三张组织的连续切片，中间切片用于组织学染色或生成空间代谢/转录组的参考组学数据，而第一和第三片则在不同角度下进行基于微流控芯片的平行流蛋白质组分析。切片在芯片上消化，每个微通道中的肽段被抽取、收集，并进行LC-MS/MS定量分析，称为平行流投影。

2. 高稳定性和准确性的微量蛋白质组学质谱检测

研究中使用QExactive HF质谱仪进行DIA采集模式检测。这种高通量的方式在每天40个样本的条件下，实现了微量样本的可靠和可重复定量，为空间蛋白质表达图谱的重构奠定了坚实基础。

3. 基于深度学习的创新型空间重构算法

本研究开发了一种名为Flow2Spatial的迁移学习算法，可以根据中间切片的图像或空间代谢/转录组结果，以及两组平行流投影值，重建出高分辨率的原始蛋白质空间分布。这种方法显著减少了切片数量与测量次数，降低了引入的异质性，并节省了样品制备和测量的时间与成本。

02 PLATO平台亮点

PLATO平台在多个方面展现出卓越的能力：

1. 高分辨率蛋白质映射

该平台能够以极高的空间分辨率（25μm）进行蛋白质的定位和定量分析，研究人员因此可以更清晰地了解蛋白质在不同细胞和组织区域中的分布，更好地理解其生物功能。

2. 广泛的组织兼容性

无论是小鼠、大鼠还是人类组织，PLATO平台均能够出色兼容，使研究人员在各种生物样本中开展高效的蛋白质组学研究。

3. 乳腺癌研究中的应用

在乳腺癌的研究中，PLATO展示了强大的应用潜力。通过高分辨率蛋白质映射，PLATO能够识别出不同的肿瘤亚型，并发现关键的失调蛋白质，为肿瘤的诊断和治疗开辟了新的思路。

03 总结与展望

PLATO作为结合微流控高效采样、微量蛋白质谱检测和人工智能算法的创新平台，带来了空间蛋白质组学领域的重大突破。其测量的准确性经过计算模拟、显微切割和免疫荧光验证。同时，PLATO展现了在不同物种和组织类型中的普适性，具有在临床研究中广阔的应用潜力。

在本研究中，使用QExactive HF进行26分钟色谱梯度下可实现对2500个蛋白质的精准鉴定，这一结果显示了基于QEHF平台在微量样本中解析复杂蛋白质组的出色能力。同时，这一技术成果为新一代仪器性能的突破提供了基准；例如赛默飞在2023年推出了革命性的Orbitrap Astral，该装置不仅提升了鉴定通量，更能在单个细胞中深入覆盖超6500个蛋白质。这种跨越式的性能提升为空间蛋白质组学研究提供了强有力的技术支持，使得研究者能在精准的空间定位下，系统性解析微米级组织区域中的蛋白质表达网络，完成从“蛋白质检测”到“蛋白质景观重构”的跨越。

中国科学院动物研究所的博士后胡倍瑜、博士后何睿乔及博士研究生庞琨，与国家蛋白质科学中心（北京）的王贵宾为该研究的共同第一作者，赵方庆研究员和冀培丰副研究员为通讯作者。

专家访谈：赵方庆研究员

Q1：如何解决微流控芯片上样本量少导致蛋白检测数目不足的问题？

答：这是一项关键挑战，在微流控芯片体系下，样本损失是不可忽视的。我们与国家蛋白质科学中心的专家合作，系统优化了样本制备流程，包括消化液体系、酶解时间，以及质谱检测条件的细致调整，从而有效提高了蛋白质的检测灵敏度和覆盖度，解决了样本量少的问题。

Q2：Flow2Spatial算法在重建蛋白质表达模式时，如何处理不同切片之间的异质性？

答：这一问题需要从实验和计算两个层面解决。实验方面，我们采用质谱兼容的包埋剂以保持组织切片的原始状态。计算方面，我们评估多种图像配准算法，最终选择了最佳的算法，从而有效降低切片间的异质性，提高Flow2Spatial算法在蛋白表达模式重建中的准确性和稳定性。

Q3：PLATO平台在实际临床应用中的前景如何？是否有计划将该技术应用于其他类型的组织或疾病研究？

答：PLATO平台能够精准解析全组织切片蛋白质的空间分布，为探索疾病机制提供了新工具。未来，我们计划扩展该技术在不同类型肿瘤样本的应用，构建更完整的空间蛋白组图谱。此外，我们也在持续优化PLATO平台的性能，提升空间分辨率与检测蛋白数量，以拓宽其在生命科学和临床研究中的应用前景。

赵方庆教授现任中国科学院动物研究所研究员，主要致力于建立数据与智能驱动的前沿组学技术，解析其与健康及疾病的关系，并在顶级期刊上发表多篇重要论文。

参考文献参考文献：[1]Method of the Year 2024: spatial proteomics Nat Methods 21, 2195-2196 (2024) [2] High-resolution spatially resolved proteomics of complex tissues based on microfluidics and transfer learning Cell 188, 734-748 (2025) [3] Enhanced sensitivity and scalability with a Chip-Tip workflow enables deep single-cell proteomics Nat Methods (2025)。