基于对交叉相关分析评估蛋白质共定位的重要突破

为解析生物系统分子组织，研究人员开展 PCC 分析研究，量化了疟原虫感染红细胞中分子变化，意义重大。

　　在微观的细胞世界里，分子们如同忙碌的小工匠，它们的有序组织和相互协作对细胞的正常运作起着关键作用。其中，不同类型分子的共定位情况，就像是工匠们在特定区域的合作，对于理解生物系统的分子组织至关重要。然而，目前在研究分子共定位时却面临着诸多挑战。一方面，现有的方法大多只能对分子的空间组织变化进行定性分析，难以提供精确的定量数据；另一方面，对于影响共定位分析结果的图像特征，如信号的形状、大小和密度等，缺乏深入的理解。这些问题就像迷雾一样，阻碍着科研人员对生物系统的深入探索。

为了驱散这些迷雾，来自海德堡大学理论物理研究所、BioQuant、印度理工学院卡拉格普尔分校以及海德堡大学附属医院传染病寄生虫学系的研究人员展开了深入研究。他们的研究成果发表在《Biophysical Journal》上，为蛋白质共定位的研究带来了新的曙光。

研究人员采用了一系列先进的技术方法。在样本准备方面，他们培养了恶性疟原虫（Plasmodium falciparum）克隆系 FCR3 感染的红细胞，并制备了暴露膜用于后续实验。在成像技术上，运用了受激发射损耗显微镜（STED）获取超分辨率图像，该技术能够突破传统显微镜的分辨率限制，让研究人员更清晰地观察分子的分布情况。此外，通过对交叉相关（PCC）函数的理论计算和分析，结合模拟图像和实验图像，来深入探究蛋白质的共定位现象。

下面让我们详细看看他们的研究结果。

1. 对交叉相关的理论理解：研究人员首先对两个高斯信号的对交叉相关进行了理论计算。通过推导得出 PCC 函数的表达式，发现 PCC 曲线的形状主要取决于信号的分离距离和标准差（信号大小）。当分离距离较小时，PCC 曲线在原点处有峰值；随着分离距离增大，峰值逐渐向有限距离移动。并且，他们还找到了 PCC 曲线出现峰值与否的判断依据，即由μ≈2?σ决定，这一发现为后续分析提供了重要的理论基础。
2. 多高斯信号的对交叉相关：将分析扩展到多个信号后，研究人员推导出了多个高斯信号的 PDD 和 PCC 表达式。通过模拟图像验证，发现该表达式与实际计算结果相符。进一步研究发现，PCC 与信号对的密度有关，当一种信号的数量密度变化时，PCC 可能不变；而当总信号对数量改变时，PCC 会按一定规律缩放，但形状不变，这揭示了 PCC 在多信号情况下的独特性质。
3. 模拟图像中分离距离的估计：研究人员利用 PCC 曲线形状与信号分离距离和大小的关系，通过拟合归一化的 PCC 与理论表达式，来提取平均分离距离和信号大小。先从单个图像的自相关估计信号的标准差，再通过交叉相关拟合得到分离距离。在模拟图像实验中，这种方法能够较为准确地估计信号的分离距离，为实际应用提供了可靠的手段。
4. 疟原虫感染红细胞中分子分离的估计：将上述方法应用到疟原虫感染红细胞的研究中，研究人员发现 KAHRP（knob-associated histidine-rich protein，一种与疟原虫感染相关的蛋白质）和 ankyrin（锚蛋白）之间的分离距离在感染过程中逐渐增加，从环状期的 40nm 增加到滋养体期的 100nm 以上。同时，KAHRP 的信号大小也增加了 1.5 倍以上，这表明疟原虫在感染过程中对红细胞膜进行了重塑，增加了 KAHRP 的聚集，这些发现揭示了疟原虫感染红细胞过程中分子变化的重要特征。

在研究结论和讨论部分，研究人员的成果具有多方面的重要意义。从理论层面看，为图像交叉相关方法提供了理论基础，加深了对 PCC 曲线的理解，使人们能够从理论上分析各种因素对 PCC 的影响。从应用角度讲，该方法可用于定量分析多种系统中分子的共定位情况，特别是在具有一定空间规律性的膜相关过程中，如疟原虫感染红细胞的研究。虽然该方法不适用于共聚焦数据集，但对于其他超分辨率方法，如 STORM 或 PALM 等具有良好的适用性。此外，研究人员还指出，未来可通过使用更精确的样本定位技术，如量子点或 DNA 折纸技术，进一步验证该方法的有效性；对于异质性样本的研究，机器学习可能是一个有前景的研究方向。总之，这项研究为蛋白质共定位的研究提供了新的视角和方法，为深入理解生物系统的分子组织和疟原虫感染机制奠定了坚实的基础。