人工智能驱动，我国科研人员建立空间蛋白质组学新技术

根据“中科院之声”的报道，IT之家于2月6日报道，1月23日，中国科学院动物研究所赵方庆团队在《细胞》（Cell）上发布了一篇名为《高分辨率空间分布的复杂组织蛋白质组学新技术》的研究文章。

据官方信息，该研究提出了一种全新的空间蛋白组学方法框架——PLATO，通过结合人工智能深度学习算法与微流控技术，实现了全组织切片级别的高分辨率空间蛋白质检测（25微米分辨率，数千种蛋白），成功突破了高通量原位组学的技术障碍。

介绍中提到，现有的空间蛋白质组学技术主要依赖于抗体染色和质谱技术。抗体染色因靶点数量有限，通常只能检测几十至几百种蛋白质；而质谱技术虽然种类丰富，但逐点取样则增加了实验的成本与规模。

PLATO的设计灵感来源于断层扫描成像的重构原理，将降维后的平行流投影与深度学习算法Flow2Spatial相结合，以实现蛋白质的高分辨率空间分布重构。

Flow2Spatial使用自编码器模型，将平行流投影的实验过程视为“降维编码”，并通过与组织学染色、空间转录组学等其他空间组学数据的整合，对蛋白质的空间分布进行高精度的“升维解码”。这一创新算法打破了传统技术获取空间信息的局限，提升了空间蛋白质组的覆盖率与分辨率，并为解析其他组学分子的空间分布提供了新的解决方案。

PLATO将人工智能算法、微流控技术和质谱技术深度融合，随着技术不断创新，有潜力成为生命科学研究的关键工具。

广告声明：文中包含的外部链接（包括但不限于超链接、二维码、口令等形式），旨在提供更多信息，帮助用户节省选择时间，结果仅供参考。