《ChemBioChem》：Advances and Applications of Spatial Proteomics: From Organellar Maps to Clinical Translation
编辑推荐：
本文系统综述了空间蛋白质组学技术的最新进展，重点介绍了其在绘制蛋白质亚细胞定位图谱方面的强大能力。文章详细阐述了基于质谱和成像的技术方法，包括细胞器分离、标记策略和生物信息学分析流程，并探讨了这些方法在揭示蛋白质动态转位、细胞功能调控机制以及在疾病（如癌症、神经退行性疾病）研究和临床生物标志物发现中的广泛应用前景。
细胞区室化及其临床意义
真核细胞具有高度的空间组织性。细胞核、细胞质、线粒体、内质网（ER）、高尔基体和溶酶体等亚细胞区室创造了特定的微环境，以支持特定的生化反应。蛋白质的精确定位决定了其功能，而蛋白质的错误定位日益被认为是疾病起始和进展的关键因素。例如，在急性髓系白血病（AML）中，核仁蛋白1（NPM1）的突变导致其核仁定位丧失并在细胞质中积累，从而驱动白血病发生。在阿尔茨海默病中，核孔蛋白缺陷导致的核质运输受损会促进微管相关蛋白TAU在细胞质中聚集。此外，缺陷的翻译后修饰（PTM）依赖性靶向也可导致疾病，例如转录因子GATAD1的磷酸化位点突变会破坏其与14-3-3蛋白的结合，导致异常的核质定位并导致扩张型心肌病。
超越单向运输：蛋白质定位的动态特性
传统观点认为，除细胞核外，大多数细胞器（如线粒体或内质网）是蛋白质的最终目的地。然而，越来越多的证据表明，细胞蛋白质组远比先前认为的更动态。许多先前被认为是严格定位于线粒体的代谢酶，可以发生受调控的核转位，为表观遗传调控提供局部代谢物来源。例如，丙酮酸脱氢酶复合体（PDC）在癌细胞系核内被发现，其在细胞周期依赖性方式下产生乙酰辅酶A（acetyl-CoA）用于组蛋白乙酰化，从而促进增殖所需基因的转录。类似的酶核转位也发生在神经元分化和成熟过程中，例如乙酰辅酶A合成酶（ACSS2）的核变异体为组蛋白乙酰化提供乙酰辅酶A，其衰减会损害海马神经元长期空间记忆的形成。
基于成像和质谱的空间蛋白质分析
分析蛋白质亚细胞定位的传统方法依赖于荧光显微镜，其优势在于能保持细胞完整性，但局限性在于其靶向性，无法进行全面的、无偏的蛋白质组分析。相比之下，基于质谱（MS）的蛋白质组分析能够无需预先选择靶蛋白即可对细胞蛋白质组进行全面分析。当多个亚细胞区室被并行分析和比较时，这种方法被称为空间蛋白质组学或细胞器分析。
亚细胞分离是空间蛋白质组学的核心方法之一，包括离心分离法和密度梯度离心法，它们利用细胞器的不同物理特性（如沉降速度、密度）进行分离。此外，还有基于去垢剂的顺序提取方法和基于抗体的免疫沉淀方法，后者特别适用于从少量样本中高纯度地分离特定细胞器。
基于标记的方法，如酶驱动的邻近标记（PL）和光激活邻近标记（PPL），利用基因编码的酶（如TurboID、APEX2）或光活化试剂，在特定细胞区域对附近蛋白质进行共价标记，然后通过质谱进行鉴定。这些方法具有高时空分辨率，特别适合研究动态或区室化的过程。
基于成像的分割方法，如深度视觉蛋白质组学（DVP），结合高分辨率显微镜、人工智能驱动的图像分割和激光捕获显微切割（LCM），实现对特定细胞的分离及其蛋白质组的全面表征。质量光谱成像（MSI）技术，如成像质谱流式细胞术（IMC）和多路离子束成像（MIBI），能够同时检测多个蛋白质标记物，提供组织内的空间信息。
质谱采集、定量策略和生物信息学分析
现代质谱仪的技术进步，如最新的Orbitrap和timsTOF平台，具有高灵敏度、出色的质量分辨率和快速扫描速率，使得即使从极少量起始材料也能进行深度分析。数据非依赖采集（DIA）策略相比数据依赖采集（DDA）具有更好的重现性，能够系统地对所有前体离子进行碎裂，确保即使低丰度肽段也能被采样。
定量策略对于空间蛋白质组学至关重要。稳定同位素标记氨基酸细胞培养（SILAC）、同重元素标记（如TMT）和无标记定量（LFQ）是三种最成熟的策略。SILAC通过代谢掺入同位素标记的氨基酸进行体内标记，允许在MS1水平上进行定量。同重元素标记在酶解后对肽段进行标记，在MS2水平通过报告离子强度进行定量。LFQ则无需任何标记，通过比较不同样品中相同肽段的MS1强度进行定量，最为灵活。
后续的生物信息学分析包括全局数据可视化（如主成分分析PCA、均匀流形近似与投影UMAP）和区室分配。区室分配可通过监督聚类（使用已知的细胞器标记蛋白训练机器学习模型，如支持向量机SVM、随机森林RF）或无监督聚类（如k均值聚类、高斯混合模型GMM）方法实现。计算框架如pRoloc、TRANSPIRE和TransGCN等为空间蛋白质组学数据的分析提供了强大工具。
空间蛋白质组学的临床应用与未来方向
空间蛋白质组学在临床研究中显示出巨大潜力，可用于阐明疾病机制、识别预测和预后生物标志物以及发现治疗靶点。例如，在肿瘤微环境研究中，空间蛋白质组学可以揭示免疫细胞浸润如何重塑组织结构。基于抗体的多重成像方法，如循环免疫荧光（CyCIF）、IMC和MIBI，已广泛应用于临床样本的风险分层、治疗反应监测和生物标志物发现。
新兴的技术，如利用DNA条形码和测序进行分子读出的方法（如DBiT-seq、Spatial-CITE-seq），能够同时对转录组和蛋白质组（20-100种蛋白质甚至更多）进行定量作图，揭示复杂的微结构。深度视觉蛋白质组学（DVP）和三维成像技术（如DISCO-MS）结合组织透明化、高分辨率显微镜和靶向LCM，实现了对完整生物样本的三维蛋白质组分析。
未来的发展将侧重于提高低输入样本的自动化处理能力、开发标准化的生物信息学流程以及进行严格的正交验证。在精准医疗的背景下，空间蛋白质组学有望通过整合多组学数据（基因组学、表观基因组学、转录组学和蛋白质组学），揭示驱动疾病机制的调控网络，最终为临床决策提供信息。
