当麻省理工学院和哈佛大学布罗德研究所蛋白质组学平台高级主任史蒂夫·卡尔开始从事蛋白质组学研究时，该领域只能检测出给定样本中最丰富的蛋白质。近年来，越来越灵敏的质谱仪为巨大的进步铺平了道路：科学家现在能够检测和分析样本中表达的几乎所有蛋白质，包括仅以极少量存在的蛋白质。

单细胞和空间蛋白质组学如何揭示蛋白质在健康和疾病中的细微作用

样品处理和质谱仪灵敏度的最新改进正在推动单细胞和空间蛋白质组学技术的进一步发展。这些方法可以识别单个细胞而不是大块组织中的蛋白质，并绘制组织内特定蛋白质的位置，使科学家能够更详细地了解细胞如何运作和交流。这一进展在一定程度上是由研究人员开发的优化方法和更强大的工具推动的，例如卡尔领导的蛋白质组学平台的博士后研究员ClaudiaCtortecka和该平台的同事。

Carr和Ctortecka正在寻求合作，将新的单细胞和空间蛋白质组学技术应用于更复杂的问题。他们希望进一步推动这项技术，并将其与其他领域的工具结合使用，以了解从基因表达到翻译后修饰的全方位细胞活动。

我们与Carr和Ctortecka谈论了空间和单细胞蛋白质组学的潜力以及他们对未来合作的希望。

单细胞和空间蛋白质组学现在可以实现什么?

Carr：过去，蛋白质组学使用大量材料(由数百万个细胞组成的样本)，将它们全部裂解在一起，然后在蛋白质组和翻译后修饰水平上进行分析。在这样做的过程中，我们失去了关于每个细胞独特性的信息，而且我们对在疾病中起决定性作用的组织空间异质性的信息有限。

单细胞蛋白质组学技术最近才出现，其分析深度可达每个细胞量化数千个蛋白质。最近，人们也才有可能开发出能够在特定组织区域进行深度、无偏蛋白质组分析的空间分析方法。

Ctortecka：在该领域的早期历史中，我们主要监测细胞身份，寻找最丰富的蛋白质来描述我们所讨论的细胞类型。现在我们变得越来越敏感。我们可以找到我们感兴趣的特定细胞类型的亚群。我们可以看到过渡态;我们可以看到形态非常不同的细胞。通过这样做，我们可以获得有意义的生物学信息。

我们现在还可以进行更好、更可重复的蛋白质定量分析，这是关键。单凭一种蛋白质的存在并不能告诉你很多有关细胞状态的信息。关键在于相对于其环境，该蛋白质的存在量是多少。细胞A和细胞B之间的相对差异可能会让你了解为什么一个细胞对治疗有反应，而另一个细胞没有反应。

利用这些新方法，科学家可以提出哪些更复杂的问题?

卡尔：彼此靠近的细胞会相互交流。细胞有一个分泌物组：细胞A的分泌物会触发细胞B中的现象。为了研究这一点，我们需要能够观察单个细胞，并且我们需要掌握它们的空间信息。我们感兴趣的是研究组织一个区域的细胞群中发生的事情如何影响同一组织不同区域的细胞群。

Ctortecka：在查看空间分辨率时，我们会在上下文中查看多个细胞。我们可以开始缩小范围，找到看起来相似的细胞、位于有趣物体旁边的细胞或属于有趣组织的细胞。这有助于我们了解组织内发生的信号传导以及蛋白质丰度差异如何发挥作用。例如，我们可以开始推断为什么有些患者对治疗更具抵抗力或更敏感。

单细胞基因组学确实改变了我们对细胞在健康和疾病中如何运作的理解。您认为单细胞和空间蛋白质组学会产生类似的影响吗?

Ctortecka：蛋白质组学一直是其他组学策略的补充方法，我相信这一点将再次适用。我们能够从组织中的数千个细胞中获得基因组学或转录组学信息，这为了解亚群的存在及其身份标记提供了宝贵的见解。

通过使用荧光分选或激光捕获显微切割技术来筛选这些亚群，我们可以高分辨率地分析它们的蛋白质组，从而提供另一层信息。蛋白质组学目前无法与测序策略的吞吐量相媲美，但我相信单细胞和空间蛋白质组学信息将进入临床，并帮助我们提供缺失的部分，以了解细胞如何做出实际决定。

您正在寻找什么类型的合作?当前的合作示例是什么?

Ctortecka：我们想向Broad社区展示我们能做什么，也想听听Broad社区的意见。我们非常有兴趣进一步推动这项技术，以解答生物学问题。根据这些生物学问题调整我们的方法是我们非常兴奋的事情，而且我们在这方面做得非常出色。

例如，我们正在与MelinaClaussnitzer合作研究细胞的时间分化。我们有一个处于发育早期的细胞群，它们被推入一个特定的生态位，我们可以在单细胞分辨率下对其进行分析。这是第一次在蛋白质组水平上进行这项工作，如果没有我们的合作伙伴，我们不可能想出这种方法。

卡尔：通过这些合作，我们学到了很多东西。虽然仍然存在挑战，但我们现在所处的阶段是，很多问题都不是物理障碍。这些都是工程问题，我们只需要找到解决方案。

您目前正在致力于进一步开发这些技术吗?

Ctortecka：我们不仅对细胞的蛋白质组成感兴趣，还对单细胞水平的翻译后修饰感兴趣，因为它们可能更能表明细胞状态，并且是亚细胞和细胞间信号传导的关键。

Carr：分析蛋白质修饰一直是我长期感兴趣的领域，也是我们团队自2004年成立以来一直关注的领域。我们开发了全局方法，使用连续富集策略分析来自同一样本的各种翻译后修饰(包括磷酸化、泛素化和乙酰化)。将这些方法应用于空间或单细胞样本是我们当前的挑战之一。在最近的一项研究中，我们成功地在单细胞水平上分析了各种组蛋白修饰。

我们面临的下一个挑战是研究肿瘤组织特定区域中的磷酸化和信号通路变化。描述描述良好的功能性磷酸化模式和相关激酶可以为临床相关生物学提供见解。

Ctortecka：另一个挑战是开发能够以最少的样本输入自信地识别和量化蛋白质或翻译后修饰的信息学。由于分析软件越来越依赖机器学习，因此解释我们用越来越快和灵敏的质谱仪生成的复杂数据需要大量的专业知识。该领域最初使用机器学习来区分真阳性和假阳性，但现在我们用它来预测各种参数并评估我们的识别有多可信。

卡尔：过去几年蛋白质组学领域取得的进展虽然令人惊讶，但这只是未来几年可能发生的事情的前奏。