布鲁克空间蛋白质组学网络研讨会

本次会议聚焦空间蛋白质组学前沿创新与实践应用，围绕新一代质谱、空间及单细胞蛋白质组学、AI蛋白分析等新兴技术展开研讨，交流技术迭代优势与研发成果。
会议结合临床与产业场景，分享技术在肿瘤筛查、罕见病诊疗、新药研发、生命机理探究等方向的落地进展，共同探讨行业现存技术难点与优化方案。活动汇聚业内专家学者，搭建学术交流与产学研协作平台，互通前沿成果、研判发展趋势，助力蛋白质组学技术加速临床转化与产业发展。

基于组织膨胀与AI推断的全片单细胞蛋白质组学新技术FAXP 2.0

在全组织切片上实现深度、定量、单细胞分辨率的蛋白质组覆盖，仍是基于质谱的空间蛋白质组学面临的一项重大挑战。在此，我们提出一种人工智能赋能的过滤辅助膨胀蛋白质组学（FAXP）框架，该框架将FAXP与基于卷积神经网络（CNN）的空间推断相结合，以实现全切片、单细胞分辨率的蛋白质组学分析。通过将组织扩展与正交激光捕获显微切割技术相结合，获取全切片线性条带分辨的蛋白质组测量数据，我们开发了HetuNet——一种基于CNN的模型，该模型将这些稀疏的正交数据与高维成像背景信息相整合，从而重建全面的二维空间蛋白表达谱。在小鼠肝脏中，该方法捕获了区域特异性的蛋白模式及连续的通路水平梯度，并通过空间转录组学数据得到验证。在结直肠癌组织中，该方法解析了蛋白质组定义的上皮细胞状态，揭示了通过差异上皮-间质转化和坏死性凋亡激活所体现的功能分化。综上，本框架实现了在全组织切片上深度、可扩展的单细胞分辨率空间蛋白组作图，为解析组织结构和功能提供了此前难以企及的生物学见解。