Nature Methods 2024年度技术：空间蛋白质组学

Nature Methods社论这样评价：

”人类天性好奇。我们喜欢探索，在探索的过程中，我们制作各种各样的地图。因此，当我们用尖端的方法探索生物系统令人难以置信的复杂性，以更好地了解细胞、组织、器官和生物体如何连接结构和功能时，我们发现自己处于一个构建图谱的时代，也许就不足为奇了。

本着探索和绘制生物复杂性的精神，我们选择了空间蛋白质组学作为我们的年度技术，因为它在揭示复杂组织的组织中发挥了关键作用。空间蛋白质组学是一个总称，涵盖了广泛的基于免疫组织化学的方法，包括但不限于循环免疫荧光（cycIF）、索引共同检测（CODEX）、迭代褪色扩展多重性（IBEX）、多路离子束成像（MIBI）和成像质量细胞术（IMC）。这些方法可用于生成组织和器官切片等标本的高复用图像，以了解其蛋白质组成和空间组织，并且是许多全局图谱集项目的基础。我们也对一种被称为深度视觉蛋白质组学（DVP）的新技术感到兴奋，在这种技术中，复杂的样品被激光显微切割，单个解离的细胞被质谱分析，这样就可以保留它们的空间背景信息来创建空间蛋白质图。该技术的一个主要优点是它不受可用抗体数量的限制，因此实现了更大的蛋白质组覆盖。”

这一次的Nature Methods的特刊刊载了一系列关于空间蛋白质组学的过去、现在和未来的评论。社论中亦着力推荐了这些文章，其一来自Bernd Bodenmiller，介绍了为什么蛋白质是如此有趣的生物研究目标，并简要回顾了免疫荧光是如何发展到空间蛋白质组学领域的。这篇文章进一步描述了如何生成大型地图集将有助于揭示复杂组织的复杂性，并为精准医疗铺平道路。最后讨论了有助于推动该领域向前发展的技术发展，简要评论了人工智能在未来可能发挥的作用。

第二篇来自Yuval Bussi和Leeat Keren，重点是空间蛋白质组学的计算工具。他们提出，当前的图像处理和分析工作流程定义得很好，但很分散，各种步骤是背靠背发生的，而不是以集成的方式发生的。他们展望了图像处理和分析步骤协同工作以改进生物发现的领域的未来。

第三篇来自Daniela Quail和Logan Walsh，讨论了空间蛋白质组学如何彻底改变了癌症研究，从我们对组织组织和细胞-细胞相互作用的理解，到它如何塑造了我们对免疫系统如何与肿瘤相互作用的思考。这篇文章还涵盖了空间蛋白质组学与人工智能结合在为基础研究提供假设、改进个性化医疗和指导未来治疗癌症策略方面的潜在作用。

第四篇来自Thierry Nordmann， Andreas Mund和Matthias Mann，介绍了深度视觉蛋白质组学以及使用质谱法在诸如发育或疾病过程中探测蛋白质组复杂性的好处。他们指出，未来灵敏度的提高将使质谱法能够以单细胞分辨率访问整个蛋白质组，包括翻译后修饰。他们还讨论了将DVP与其他组学方法相结合的好处，未来技术民主化的努力，以及将技术推向临床。

第五篇来自Rong Fan，讨论了空间蛋白质组学在其他组学技术的背景下，以及整合互补技术（如空间转录组学和空间表观遗传分析）的重要性，以获得对生物复杂性的更全面的理解。这篇文章讨论了空间组学的历史，现有的包含蛋白质的多组学方法，以及下一代计算工具的重要性，这些工具用于注册和整合来自不同体积的不同模式的信息。

最后，社论指出，“虽然目前空间蛋白质组学技术的能力是显著的，我们也为这一领域的未来感到兴奋。我们期望看到这些技术在现有的和新的atlas集项目中的扩展应用，同时努力改进元数据处理、质量控制和这些方法的大众化。此外，我们认为多组学方法的应用将继续增长，为已经存在的空间蛋白质组学添加最互补的信息。我们也期望多多益善，期待样品制备（更好的亲和试剂，标记，条形码，信号放大，切片）和显微镜（分辨率，视野）的技术改进将使我们具有更高的覆盖率，更大的3D体积，亚细胞分辨率甚至超分辨率的空间蛋白质组学，正如我们在这期的亚细胞空间蛋白质组学Method to Watch中所讨论的那样。有了这些数据，我们将更深入地了解健康细胞在组织内的正常环境下是如何工作的，以及当事情出错时发生了什么变化。”

总之，这一期的Nature Methods非常值得一读！