作者：Greb C, Marr J, SchlaudraffF

所屬機構：Leica Microsystems CMS GmbH, Ernst-Leitz-Str. 17-37, 35578 Wetzlar, Germany.

01 研究目標

多數疾病的根源為細胞異常，而這類異常通常由蛋白質表達水平、豐度或生物活性改變所引發。

蛋白質是基因組功能的直接體現，細胞蛋白質組是判斷機體健康狀態、解析疾病機理的核心指標。即便在極小的空間范圍內（如腫瘤微環境），相鄰細胞的蛋白質組也會存在顯著差異。想要解析這類復雜的生物系統，必須在蛋白質層面剖析細胞異質性。

研究目標：借助激光顯微切割技術分離特定細胞群，實現高空間分辨率蛋白質組學分析，支撐后續深度的研究。

圖 1：空間生物學技術路線（細胞 / 亞細胞表型→空間蛋白豐度→病理機制→生物標志物），空間解析對疾病研究的核心作用。

02 方法與材料

本研究核心采用深度視覺蛋白質組學（DVP） 技術，該技術由 Matthias Mann 團隊研發，可精準標注具有空間特征的細胞表型。整套工作流整合兩大核心技術：

a. 激光微切割技術（LMD）：實現空間分辨下的細胞分離；

b. 超靈敏質譜技術：完成深度蛋白質組分析。

徠卡 LMD 是 DVP 的核心工具，可在無接觸狀態下分離單細胞或感興趣區域（ROI）樣本，避免鄰近細胞信號干擾，實現完整組織切片內單細胞蛋白質組分析。

整套工作流程融合成像、AI 分割、激光顯微切割、蛋白質組學分析四大環節：依靠人工智能自動識別特定表型細胞并標記，再通過 LMD 完成自動化分離，最終結合質譜技術獲取分子層面研究數據。

圖 2 ：人工智能分割與激光微切割（LMD）聯用，提升研究通量。AI 自動識別目標細胞并標記，LMD 自動化完成分離，大幅節約實驗時間。

03 研究結果

深度視覺蛋白質組學（DVP）自 2022 年推出后，已從概念性技術突破發展為成熟的轉化醫學研究工具，各階段重要里程碑如下：

a. 2022 年代表研究：Mund 等人（《自然 - 生物技術》）

核心成果：正式推出 DVP，結合人工智能的空間單細胞蛋白質組學技術，完成組織切片單細胞蛋白質組圖譜分析，解析細胞身份與異質性。

b. 2023 年代表研究：Rosenberger 等人（《自然 - 方法》）

核心成果：技術升級為單細胞 DVP（scDVP），實現肝細胞蛋白質組空間分區圖譜繪制；支持引導式感興趣區域（ROI）結合 LMD 開展實驗。

c. 2024 年代表研究：Nordmann 等人（《自然》）

核心成果：實現臨床轉化突破，在致命性皮膚病中鎖定 JAK-STAT 通路，確定 JAK 抑制劑為候選治療藥物；同期上線協作式 DVP 平臺，支持多中心疾病機制研究。

d. 2025 年代表研究：Rosenberger 等人（《自然》）、AACR 會議海報

核心成果：應用于遺傳性 α1 - 抗胰蛋白酶缺乏癥研究，繪制蛋白毒性應激圖譜，闡明病理機制并提出貝特類藥物治療方案；推出自動化、可擴展的 AI 驅動 DVP 工作流，拓展制藥領域應用場景。

綜合結果表明，DVP 技術已完成從基礎研究向臨床應用的跨越，為精準醫學領域的空間組學研究建立了標準工作流程。

04 技術核心價值與應用場景

激光顯微切割（LMD）技術持續迭代，滿足空間蛋白質組學對通量、精度的需求，主要優化及應用形式：

圖 3a 說明：LMD 通量優化方案，切割后的樣本可直接收集至孔板，顯著提升實驗整體通量。

圖 3b 說明：感興趣區域（ROI）的兩種定義方式：一是依托人工智能圖像分割劃定區域；二是使用規則矩形手動劃定區域，適配多樣化實驗需求。

結論

1. 激光顯微切割（LMD）可實現單細胞級別的生物樣本精準分離，同時完整保留組織空間信息，適用于腫瘤微環境等異質性較強的生物結構，支持細胞級高分辨率分析。

2. 深度視覺蛋白質組學（DVP）是一套集成化技術體系，整合高分辨率顯微技術、AI 圖像分割、無接觸式激光顯微切割、超靈敏質譜技術四大模塊。

3. DVP 已成功應用于人類臨床樣本研究，能夠有效挖掘疾病作用機制與可藥物化靶點。目前該技術正持續推進系統化擴展與全流程自動化，逐步拓展至更多疾病研究領域。

參考文獻：

1. Andreas Mund, Fabian Coscia, Andras Kriston, et al. Deep Visual identity and heterogeneity. Nat Biotechnol, 2022, 40: 1231–1240. 

2. Florian A. Rosenberger, Marvin Thielert, Maximilian Strauss, et al. 空間單細胞質譜技術定義了肝細胞蛋白質組的分區. Nat Methods, 2023, 20: 1530–1536.

3. Thierry M. Nordmann, Holly Anderton, Akito Hasegawa, et al. 空間蛋白質組學確定 JAKi 為一種致命皮膚病的治療方法. Nature, 2024, 635: 1001–1009. 

4. Florian A. Rosenberger, Sophia C. M?dler, et al. 深度視覺蛋白質組學繪制遺傳性肝病中的蛋白毒性圖譜. Nature, 2025. 

5. Elias Maris, Farid Jahouh, Kathleen Allaerts, Rob Vreeken. 開發一種連續激光顯微切割組織切片工作流，用于新鮮冷凍組織切片中藥物的空間和定量分析. PLoS one, 2024. 

相關產品

激光顯微切割 Leica LMD6 & LMD7