深度视觉蛋白质组学定义单细胞身份和异质性

丹麦哥本哈根大学Matthias Mann、Andreas Mund和芬兰赫尔辛基大学Peter Horvath合作，研究开发了深度视觉蛋白质组学（DVP）的方法来定义单细胞的身份和异质性。相关成果近日在线发表于《自然—生物技术》。

研究人员介绍了DVP的方法，该方法将人工智能驱动的细胞表型图像分析与自动单细胞或单核激光显微切割和超高灵敏度质谱法相结合。DVP将蛋白质丰度与复杂的细胞或亚细胞表型联系起来，同时保留空间背景。通过从细胞培养物中单独切除细胞核，研究人员将不同的细胞状态与由已知和未表征的蛋白质定义的蛋白质组图谱进行分类。

在存档的原发性黑色素瘤组织中，DVP确定了正常黑色素细胞过渡到完全侵袭性黑色素瘤时空间分辨率的蛋白质组变化，揭示了随着癌症进展在空间上发生变化的途径，如转移性垂直生长中的mRNA剪接失调与干扰素信号和抗原表达的减少相吻合。DVP在组织环境中保留精确空间蛋白质组信息的能力对临床样本的分子谱分析具有重要意义。