近日，中國科學院動物研究所趙方慶團隊在權威科學期刊《Cell》上發表了一項突破性研究成果。該團隊開發了一種名為PLATO的全新空間蛋白組學技術框架，為復雜組織的蛋白質空間分布研究開辟了新路徑。
PLATO技術融合了人工智能深度學習算法與微流控技術，實現了前所未有的全組織切片水平高分辨率空間蛋白質組檢測。據了解，該技術能夠達到25微米的分辨率，并能同時檢測數千種蛋白質，這一成就突破了高通量原位組學技術的傳統瓶頸。
傳統的空間蛋白質組方法主要依賴于抗體染色或質譜技術。然而，抗體染色方法受限于靶標數量，通常只能檢測幾十至幾百種蛋白分子；而質譜技術雖然檢測種類豐富，但其逐點取樣的方式卻大大增加了實驗成本和規模。PLATO技術的出現，則有效解決了這些問題。
PLATO技術從斷層掃描成像的重構原理中汲取靈感，通過降維后的平行流投影與深度學習算法Flow2Spatial的結合，成功重構出蛋白質的高分辨率空間分布。Flow2Spatial算法運用自編碼器模型，將平行流投影的實驗過程模擬為“降維編碼”，并通過整合組織學染色、空間轉錄組學等其他空間組學數據，對蛋白質空間分布進行高精度“升維解碼”。
這一原創算法的突破，不僅克服了傳統技術難以獲取空間信息的限制，還顯著提高了空間蛋白質組的覆蓋度和分辨率。PLATO技術的成功應用，為解析其他組學分子的空間分布提供了全新的解決方案，有望推動生命科學研究領域的深入發展。
值得注意的是，PLATO技術深度融合了人工智能算法、微流控和質譜技術，展現了跨學科合作的強大力量。隨著技術的不斷迭代和創新，PLATO有望成為生命科學研究領域的重要工具，為科研人員提供更多、更精準的實驗數據和分析手段。
