近日，中國科學院動物研究所趙方慶團隊在權(quán)威科學期刊《Cell》上發(fā)表了一項突破性研究成果。該團隊開發(fā)了一種名為PLATO的全新空間蛋白組學技術(shù)框架，為復雜組織的蛋白質(zhì)空間分布研究開辟了新路徑。
PLATO技術(shù)融合了人工智能深度學習算法與微流控技術(shù)，實現(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。據(jù)了解，該技術(shù)能夠達到25微米的分辨率，并能同時檢測數(shù)千種蛋白質(zhì)，這一成就突破了高通量原位組學技術(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數(shù)量，通常只能檢測幾十至幾百種蛋白分子；而質(zhì)譜技術(shù)雖然檢測種類豐富，但其逐點取樣的方式卻大大增加了實驗成本和規(guī)模。PLATO技術(shù)的出現(xiàn)，則有效解決了這些問題。
PLATO技術(shù)從斷層掃描成像的重構(gòu)原理中汲取靈感，通過降維后的平行流投影與深度學習算法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算法運用自編碼器模型，將平行流投影的實驗過程模擬為“降維編碼”，并通過整合組織學染色、空間轉(zhuǎn)錄組學等其他空間組學數(shù)據(jù)，對蛋白質(zhì)空間分布進行高精度“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，為解析其他組學分子的空間分布提供了全新的解決方案，有望推動生命科學研究領(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)了跨學科合作的強大力量。隨著技術(shù)的不斷迭代和創(chuàng)新，PLATO有望成為生命科學研究領(lǐng)域的重要工具，為科研人員提供更多、更精準的實驗數(shù)據(jù)和分析手段。
