—— PROUCTS LIST
【激光顯微切割小課堂】組織中的精密空間蛋白質組學信息
利用深層視覺蛋白質組學，結合激光顯微切割、人工智能（AI）和質譜分析進行單細胞鑒別和細胞異質性研究。
盡管可使用基于成像和質譜的方法進行空間蛋白質組學研究，但是圖像與單細胞分辨率蛋白豐度測量值的關聯(lián)仍然是個巨大的挑戰(zhàn)。最近引入的一種方法，深層視覺蛋白質組學（DVP），將細胞表型的人工智能圖像分析與自動化的單細胞或單核激光顯微切割及超高靈敏度的質譜分析結合在了一起。DVP在保留空間背景的同時，將蛋白豐度與復雜的細胞或亞細胞表型關聯(lián)在一起。
閱讀完整文章：
A. Mund, F. Coscia, A. Kriston, R. Hollandi, F. Kovács, A.-D. Brunner, E. Migh, L. Schweizer, A. Santos, M. Bzorek, S. Naimy, L.M.Rahbek-Gjerdrum, B. Dyring-Andersen, J. Bulkescher, C. Lukas, M.A. Eckert, E. Lengyel, C. Gnann, E. Lundberg, P. Horvath, M. Mann:深層視覺蛋白質組學定義單細胞的同一性和異質性《Nature Biotechnology》（2022年）第40卷，1231–1240頁 DOI：10.1038/s41587-022-01302-5
關于本文章
單獨切除細胞培養(yǎng)物中的細胞核，使用已知且未表征蛋白定義的蛋白質組學譜對不同的細胞狀態(tài)進行分類。在存檔的原發(fā)性黑色素瘤組織中，DVP [1] 將空間分辨的蛋白質組變化鑒別為正常的黑色素細胞轉化為wanquan侵襲性黑色素瘤，這揭示了隨著腫瘤進展而以空間方式變化的路徑，如轉移性垂直生長中的mRNA剪接調(diào)節(jié)異常與干擾素信號和抗原呈遞降低同時進行。DVP在組織背景中保留精密空間蛋白質組學信息的能力對臨床樣本分子表達譜具有一定的意義。
在本研究中，細胞或細胞核使用LMD7激光顯微切割顯微鏡進行切割，該顯微鏡經(jīng)過調(diào)整，適用于自動化的單細胞自動切割[1]。
圖1：A) 輸卵管上皮細胞激光顯微切割前在LMD7軟件中的輪廓對齊B) 激光顯微切割后的截圖。C) 單個輸卵管上皮細胞激光顯微切割后的384孔檢查。
視頻1：自動化LDM單細胞分離
References：
1.Automated Laser Microdissection for Proteome Analysis (Deep Visual Proteomics), Flyer, Leica Microsystems, 2022.
2.Rosenberger FA, Thielert M, Strauss MT, Ammar C, M?dler SC, Schweizer L, Metousis A, Skowronek P, Wahle M, Gote-Schniering J, Semenova A, Schiller HB, Rodriguez E, Nordmann TM, Mund A, Mann M: Spatial single-cell mass spectrometry defines zonation of the hepatocyte proteome, bioRxiv, 3. Dec 2022
