空间蛋白质组学作为一种前沿技术，不仅在传统蛋白质组学的基础上提供了丰富的分子信息，还进一步揭示了分子在细胞或组织中的空间分布。这对于系统性理解生物功能、疾病机制以及治疗效果至关重要。《Nature Methods》将空间蛋白质组学评选为2024年度方法，充分反映了行业对这项技术应用前景的关注与认可。

当前，质谱空间蛋白质组学主要技术包括MALDI质谱成像、激光显微切割技术以及膨胀水凝胶放大后的切割方法。然而，质谱成像对蛋白种类的检测存在限制，而后两种方法的成本与质谱检测通量的高要求也限制了其在研究中的广泛应用。

2025年2月，中国科学院动物研究所的赵方庆团队与国家蛋白质科学中心的王贵宾联合在《Cell》杂志发表了题为“基于微流控和迁移学习的复杂组织高分辨率空间蛋白质组学研究”的文章。本研究融合了微流控技术、微量蛋白质组学检测技术与人工智能深度学习算法，创新性地开发了全新的高分辨率、高通量空间质谱蛋白质组学平台新葡萄8883官网AMG（PLATO），实现了对整个组织切片中数千种蛋白质的精准映射。

技术创新与优势

高通量原位蛋白采样技术

基于微流控的采样技术可以实现3张组织切片的连续分析，其中中间切片用于组织学染色或生成参考组学数据，而第一和第三片则在不同角度下进行平行流蛋白质组分析。切片在微流控芯片上进行消化，每个微通道中的肽段被抽出并进行LC-MS/MS定量分析，称为平行流投影。

高稳定性和准确性的微量蛋白质组学质谱检测

研究表明，高定量准确性、高通量及稳定性的微量蛋白质组学检测是支持空间蛋白质表达图谱重构的基础条件。本研究采用QExactiveHF质谱仪DFIA模式，以每日40个样本的高通量，实现对微量样本的可靠与可重复定量。

基于深度学习的空间重构算法

本研究开发的迁移学习算法Flow2Spatial，可以根据中间切片的图像或空间代谢/转录组结果，以及两组平行流投影值重建高分辨率原始蛋白质空间分布。此策略显著减少了切片数量与测量次数，降低了切片引入的异质性，节省了样品制备与测量的时间与成本。

PLATO平台亮点

高分辨率蛋白质映射

PLATO平台能够以25μm的高空间分辨率对组织切片中的蛋白质进行定位和定量分析，这使得研究人员可以清晰了解蛋白质在不同细胞和组织区域的分布，进而深入理解其生物功能。

广泛的组织兼容性

无论是小鼠、大鼠还是人类组织，PLATO都表现出了极高的兼容性，为不同生物样本的高效蛋白质组学研究提供了可能。

乳腺癌研究中的应用

在乳腺癌研究中，PLATO展示了其应用潜力，通过对乳腺癌组织进行高分辨率的蛋白质映射，能够识别不同的肿瘤亚型，并揭示关键的失调蛋白质，为肿瘤的诊断和治疗提供新的思路。

总结与展望

PLATO结合了微流控高效采样、微量蛋白质谱检测及人工智能算法，实现了高分辨率空间蛋白质组学的重大突破。通过计算模拟、显微切割和免疫荧光对其测量的准确性进行了验证。PLATO在不同物种及组织类型中展现出极好的普适性，且在临床研究中具备较高的应用潜力。利用QExactiveHF在26分钟的色谱梯度条件下可精准鉴定2500个蛋白质，显示其在微量样本中解析复杂蛋白质组的卓越能力。

此外，这一技术成果也为新一代仪器性能的突破设立了基准，赛默飞于2023年推出的Orbitrap Astral在微量蛋白质组上的表现，不仅提高了鉴定通量，更突破性地实现了单个细胞中超6500个蛋白质的深度覆盖。结合新葡萄8883官网AMG技术，使得研究者能够在保持空间定位精度的同时，系统性解析微米级组织区域中的完整蛋白质表达网络，完成从“蛋白质检测”到“蛋白质景观重构”的转变。