空间可视化蛋白组学

应用简介

2022年，空间多组学被Nature评为7个年度重点关注技术之一，凸显了空间生物学的重要价值，其目的是解决传统大块组织（bulk）检测结果是均质化，无法获得带有空间位置的蛋白质表达信息的问题。空间可视化蛋白质组通过抗体标记特异性细胞亚群/目标区域、单细胞分辨率的激光显微切割原位切割标记的细胞亚群/目标区域，无偏移地获得组织内上万种带有空间位置信息的蛋白质表达信息。

技术特点

通过多重免疫荧光和AI算法，特异性识别阳性细胞

同一张切片染色和切割，真实原位蛋白质表达信息

显微切割样本回收率接近100%，最大限度节省珍贵样本

灵活的ROI圈选，最大程度解析组织异质性的生物学意义

SISPROT样本前处理技术，对纳克级超微量样本进行高质量前处理

技术流程

组织切片

不同组织类型、不同保存形式的切片(FF/FFPE）

染色成像

通过多色免疫荧光/H&E染色/mIHC染色，确定细胞亚群/目标区域的空间分布

激光显微切割

将染色成像文件导入激光显微切割系统，对齐切片位置，进行高精准度的激光显微切割

样本前处理

通过SISPROT样本前处理技术，进行超微量样本的蛋白质组学前处理

质谱检测

使用超高分辨率的液相质谱平台，进行高深度蛋白质组学检测

生信分析

对质谱下机数据进行标准化生信分析，产生生信分析报告

应用领域

解析肿瘤组织微环境

空间蛋白质图谱绘制

疾病关键药物靶点与生物标志物发现

解析肿瘤组织微环境

2022年，Nature Biotechnology上发表了题“Deep Visual Proteomics defines single-cell identity and heterogeneity”的文章中，通过空间蛋白质组解析出新生瘤组织中正常细胞在转变为侵袭性癌细胞的过程中蛋白质组的空间表达变化，以此揭示驱动肿瘤进化的机制和全新的治疗靶点。

空间蛋白质图谱绘制

2024年，Cell Reports上发布了题为“Deep spatial proteomics reveals region-specific features of severe COVID-19-related pulmonary injury”的文章中，通过空间蛋白质组学绘制了新冠肺损伤的高深度蛋白质表达图谱，确定了肺泡上皮、支气管上皮和肺血管中新冠肺炎诱导的蛋白质和通路失调，为后续新冠重症的治疗干预提供了全新的空间维度视角。

疾病关键药物靶点与生物标志物发现

2019年，Nature上发表了题为“Proteomics NNMT as a master metabolic regulator ofcancer-associated fibroblasts”的文章中，通过空间蛋白质组学，发现肿瘤间质中NNMT的表达支持卵巢癌的迁移、增殖以及体内生长和转移，为后续针对抑制卵巢癌转移的药物研发提供了潜在可能的靶点。

获取信息

有兴趣了解有关技术应用的更多信息吗？

联系我们

多维度蛋白质组学—互补平台

您可以通过细胞类型蛋白质组学获得不同细胞类型的精细化蛋白质表达信息，从而获得空间层面上细胞类型的比例，发现新细胞亚型。