一个德国-丹麦的研究团队开发了一种新的成像技术，能够量化给定细胞中表达的蛋白质的数量，绘制组织和细胞类型的特定蛋白质组，并识别药物靶点。

使用这种被称为深度视觉蛋白质组学(Deep Visual Proteomics, DVP)的技术，可以在存档的原发性黑色素瘤组织中识别空间分辨的蛋白质组变化，即正常黑色素细胞向全侵袭性黑色素瘤的转变。

这揭示了随着癌症的发展，通路在空间上的变化。例如，在转移性垂直生长过程中，当黑色素瘤向组织深处生长时，mRNA剪接失调- - - - - -与减少干扰素信号和抗原呈递相一致。

研究人员说，将肿瘤的视觉特征与深层剖析结合起来，并将异常细胞中与周围正常细胞相邻的蛋白质特征可视化，有望对疾病过程提供前所未有的洞察。

“DVP可能会改变分子病理学的游戏规则，”哥本哈根诺和诺德蛋白质研究基金会的副教授安德烈亚斯·蒙德(Andreas Mund)说，他是一篇描述该技术的论文的联合第一作者自然生物技术2022年5月19日。

蒙德说:“用这种方法，我们取一个含有肿瘤细胞的组织样本，可以在一分钟的时间和精力内识别和确定1000种蛋白质。”“这些蛋白质组学特征揭示了驱动肿瘤发展的机制，并直接从癌症患者活检的单个组织切片中暴露出新的治疗靶点。它暴露了这些癌细胞内部的分子宇宙。”

尽管基于图像的质谱方法在空间蛋白质组学中可用于蛋白质原生细胞环境的可视化，但在将图像与蛋白质丰度的单细胞分辨率测量相连接方面仍存在差距。

DVP通过将基于人工智能的细胞表型图像分析与自动化单细胞激光显微解剖和超高灵敏度质谱结合起来，克服了这一问题。

这使得将蛋白质丰度与细胞或亚细胞表型联系起来成为可能，同时保留空间背景。研究人员说:“利用蛋白质组特征，我们反映了遗传和表观遗传变化的直接表现，因此正在研究与实际表现型最密切相关的疾病。”

慕尼黑马克斯·普朗克生物化学研究所蛋白质组学和信号转导系主任、该研究的领头人Matthias Mann说:“通过结合显微镜、人工智能和超灵敏的以质谱为基础的蛋白质组学的力量，我们开发了一种非常强大的方法，可以解释健康细胞和疾病细胞的分子连接。”

为了应用DVP，可以使用任何福尔马林固定和石蜡包埋的存储组织。使用商用显微镜对组织切片进行高分辨率成像。

根据图像，出现在感兴趣组织中的细胞通过机器学习和人工智能进行分类。然后用激光捕获显微解剖术切除感兴趣的单细胞。

随后，使用质谱仪同时检测出被切除细胞中的1000种蛋白质，随后的生物信息学分析生成不同细胞群的蛋白质图谱。

将不同细胞类型的蛋白质图谱映射到组织结构上的能力意味着，诸如肿瘤侵入周围组织的能力等特性可以追溯到负责这一功能的细胞。

研究人员首先在唾液腺酸性细胞癌(一种罕见且研究不足的上皮分泌细胞癌)上测试了DVP。肿瘤细胞与邻近正常细胞的生物信息学分析显示，肿瘤细胞中干扰素反应蛋白和原癌基因Src表达上调。正如研究人员所指出的，这两者都是可操作的治疗靶点。

接下来，他们将注意力转向解码黑色素瘤发展过程中的分子变化。黑色素瘤的致病性突变已被大量编目，支持对黑色素瘤进展的不同细胞表型的空间分辨蛋白质组的直接研究。

癌前原位黑素瘤和原发性黑素瘤在参与免疫细胞信号和细胞代谢的蛋白质上存在差异，也与黑色素生成的减少相一致。随着疾病进展，径向和垂直生长的晚期表现出明确的代谢激活。参与氧化磷酸化和线粒体功能的蛋白表达从黑素细胞逐渐增加，到原位黑素瘤，再到侵袭性黑素瘤，表明肿瘤晚期依赖于线粒体呼吸。

相反，随着肿瘤进展，参与抗原呈递和干扰素反应的蛋白质下调，与黑色素瘤中已知的免疫逃避反应一致。

CD146的过表达(分化簇146)与黑素瘤的进展有关，对CD146高区域富集细胞的空间定义区域的直接比较进一步强调了癌症转移的关键特征。一个例子是通过胶原降解和血小板衍生生长因子上调进行细胞外基质重塑。

这些肿瘤驱动的变化支持生长，增加肿瘤细胞的迁移，重塑细胞外基质，促进通过邻近血管的转移。

唾液腺癌和黑色素瘤的例子被用来验证DVP。柏林Max Delbruck分子生物学中心空间蛋白质组学研究组负责人Fabian Coscia是该研究报告的合著者，他说，现在它可以得到更广泛的应用。他说:“这项技术可以用来描述所有其他类型的肿瘤的相似细节。”

其目的是利用患者生物库，并应用DVP来寻找个性化癌症治疗的新靶点，包括治疗耐药肿瘤。

Coscia说，不仅仅是肿瘤细胞可以用DVP成像。“例如，你可以分析神经细胞中的蛋白质，以找出神经退行性疾病的细胞中到底发生了什么，如阿尔茨海默氏症或帕金森症。”