新的空间组学技术：在疾病早期阶段进行探究

怎样在一个完整的大脑或人类心脏中找到一个患病细胞呢?搜寻工作就像大海捞针。德国研究人员现在开发了一种名为DISCO-MS的新技术来解决这个问题。DISCO-MS使用机器人技术从疾病早期精确识别的“患病”细胞中获取蛋白质组学数据。

　　

大多数疾病最初是无症状的，受影响的人通常仍然感觉良好——症状还没有出现，或仍然太轻而无法意识到。然而，身体内部已经发生了变化：病毒可能已经开始复制，或者一个流氓细胞可能分裂得比正常情况下更频繁。但是如何才能发现这些变化呢？怎样在一个组织或器官中找到一个患病细胞呢？搜寻工作就像大海捞针。研究人员在研究疾病的早期发展时也面临着类似的困境。即使在使用动物模型时，科学家也很难确定疾病起始的小部位或描述驱动疾病进展的确切分子变化。

复杂组织的空间分子谱对于研究生理和病理状态下的细胞功能至关重要。现有针对组织切片的空间组表达谱分析已经为疾病机制研究带来了丰富的信息，然而，目前尚缺乏大型生物标本三维成像的分子分析方法。

来自德国慕尼黑大学的Ali Ertürk团队和Max Planck生物化学研究所的Matthias Mann现在开发了一种名为DISCO-MS的新技术，结合了将小鼠或人类组织/全器官透明化成像、基于深度学习的图像分析、机器人组织提取和超高灵敏度质谱蛋白质组学技术，能从疾病早期精确识别的“患病”细胞中获取蛋白质组学数据，从而助力研究人员深入研究疾病起始的分子变化。

DISCO-MS:透明检测早期分子变化

DISCO-MS首先进行DISCO组织透明化，使小鼠身体或人体器官透明，使它们易于成像。因此，荧光标记的细胞可以很容易地识别在完整的组织的特定部位使用高分辨率三维显微镜。

一旦确定了感兴趣的区域，他们就会使用一种名为DISCO-bot的新型机器人技术进行分离，机器人辅助提取的组织使用先进的质谱(MS)方法进行蛋白质组分析，这种高科技方法允许在整个小鼠身体或人体器官中以3D方式识别任何所需组织区域的完整分子特征。

• DISCO-MS是一种光学透明的全样本空间蛋白质组学技术
• DISCO-MS在人工智能和机器人技术的辅助下获得了与新鲜样本相似的蛋白质组
• DISCO-bot辅助DISCO-MS揭示了小鼠骨骼中的空间免疫细胞异质性，以及人类冠状动脉斑块的异质性

早发现就能发现疾病

为了展示该方法的强大功能，第一作者Harsharan Singh Bhatia及其同事将DISCO-MS应用于阿尔茨海默病(AD)小鼠模型和人类心脏中的动脉粥样硬化斑块(病理性硬化和血管狭窄)。在AD模型的组织样本中，该团队应用人工智能(AI)来识别疾病早期阶段的典型AD斑块，这是其他任何方法都难以检测到的。随后对斑块的蛋白质组学分析提供了对受AD影响的蛋白质的无偏倚和大规模研究，揭示了可能是阿尔茨海默病生物标志物的新分子。

在人类心脏中，研究人员对动脉粥样硬化斑块周围组织的组成感兴趣，这些组织在组织清理后很快就能看到。人工智能检测和机器人对组织的提取再次允许识别与主动脉斑块相关的人类心脏细胞中失调的分子通路。这些结果是关键的发现，因为它们形成了潜在治疗靶点的基础。

结论

DISCO-MS是第一个完整的3D空间组学技术，DISCO-MS在啮齿动物和人类组织中获得了用过往方法无法区分的蛋白质组数据。作者使用DISCO-MS研究脑损伤后沿轴索束的小胶质细胞活化，并在阿尔茨海默病小鼠模型中描述早期和晚期个体β淀粉样蛋白斑块的特征。DISCO-bot机器人样本提取使研究人员能够研究完整小鼠体内免疫细胞和完整人类心脏主动脉斑块的区域异质性。DISCO-MS能够在对整个标本进行三维无偏倚成像后对临床前和临床组织进行无偏倚蛋白质组分析，确定复杂疾病的诊断和治疗机会，可加速研究从癌症到代谢紊乱等复杂疾病。由于DISCO-MS与临床前组织和临床组织合作，它能够在疾病的早期阶段进行研究，并随后开发潜在的新疗法。

Journal Reference:

1. Harsharan Singh Bhatia, Andreas-David Brunner, Furkan Öztürk, Saketh Kapoor, Zhouyi Rong, Hongcheng Mai, Marvin Thielert, Mayar Ali, Rami Al-Maskari, Johannes Christian Paetzold, Florian Kofler, Mihail Ivilinov Todorov, Muge Molbay, Zeynep Ilgin Kolabas, Moritz Negwer, Luciano Hoeher, Hanno Steinke, Alina Dima, Basavdatta Gupta, Doris Kaltenecker, Özüm Sehnaz Caliskan, Daniel Brandt, Natalie Krahmer, Stephan Müller, Stefan Frieder Lichtenthaler, Farida Hellal, Ingo Bechmann, Bjoern Menze, Fabian Theis, Matthias Mann, Ali Ertürk. Spatial proteomics in three-dimensional intact specimens. Cell, 2022; 185 (26): 5040 DOI: 10.1016/j.cell.2022.11.021

---