IT之家 2 月 6 日消息，據(jù)“中科院之聲”消息，1 月 23 日，中國科學院動物研究所趙方慶團隊在《細胞》（Cell）上發(fā)表了題為 High-resolution spatially resolved proteomics of complex tissues based on microfluidics and transfer learning 的研究論文。
IT之家從官方介紹獲悉，該研究提出了全新的空間蛋白組學技術框架 ——PLATO，通過整合人工智能深度學習算法與微流控技術，實現(xiàn)了全組織切片水平的高分辨率空間蛋白質組檢測（25 微米分辨率，數(shù)千個蛋白），突破了高通量原位組學技術瓶頸。
據(jù)介紹，現(xiàn)有空間蛋白質組方法主要依賴抗體染色或質譜技術。前者因靶標數(shù)量有限，僅能檢測幾十至幾百種蛋白分子；后者檢測種類豐富，但逐點取樣方式增加了實驗成本和規(guī)模。
PLATO 在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 相結合，重構出蛋白質的高分辨率空間分布。
Flow2Spatial 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”，并通過整合其他空間組學數(shù)據(jù)如組織學染色、空間轉錄組學等，對蛋白質空間分布進行高精度“升維解碼”。這一原創(chuàng)算法突破了傳統(tǒng)技術難以獲取空間信息的限制，提高了空間蛋白質組的覆蓋度和分辨率，為解析其他組學分子的空間分布提供了新方案。
PLATO 深度融合了人工智能算法、微流控和質譜技術，隨著技術迭代創(chuàng)新，有望成為推動生命科學研究的重要工具。
廣告聲明：文內(nèi)含有的對外跳轉鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結果僅供參考，IT之家所有文章均包含本聲明。