近日，中国科学院动物研究所赵方庆团队在权威科学期刊《Cell》上发表了一项突破性研究成果。该团队开发了一种名为PLATO的全新空间蛋白组学技术框架，为复杂组织的蛋白质空间分布研究开辟了新路径。
PLATO技术融合了人工智能深度学习算法与微流控技术，实现了前所未有的全组织切片水平高分辨率空间蛋白质组检测。据了解，该技术能够达到25微米的分辨率，并能同时检测数千种蛋白质，这一成就突破了高通量原位组学技术的传统瓶颈。
传统的空间蛋白质组方法主要依赖于抗体染色或质谱技术。然而，抗体染色方法受限于靶标数量，通常只能检测几十至几百种蛋白分子；而质谱技术虽然检测种类丰富，但其逐点取样的方式却大大增加了实验成本和规模。PLATO技术的出现，则有效解决了这些问题。
PLATO技术从断层扫描成像的重构原理中汲取灵感，通过降维后的平行流投影与深度学习算法Flow2Spatial的结合，成功重构出蛋白质的高分辨率空间分布。Flow2Spatial算法运用自编码器模型，将平行流投影的实验过程模拟为“降维编码”，并通过整合组织学染色、空间转录组学等其他空间组学数据，对蛋白质空间分布进行高精度“升维解码”。
这一原创算法的突破，不仅克服了传统技术难以获取空间信息的限制，还显著提高了空间蛋白质组的覆盖度和分辨率。PLATO技术的成功应用，为解析其他组学分子的空间分布提供了全新的解决方案，有望推动生命科学研究领域的深入发展。
值得注意的是，PLATO技术深度融合了人工智能算法、微流控和质谱技术，展现了跨学科合作的强大力量。随着技术的不断迭代和创新，PLATO有望成为生命科学研究领域的重要工具，为科研人员提供更多、更精准的实验数据和分析手段。
