《scProAtlas：人类组织多重单细胞空间蛋白质组成像图谱》学术报告

作者及机构
该研究由Tiangang Wang（西安电子科技大学生命科学技术学院）、Xuanmin Chen（同前）、Yujuan Han（四川大学华西医院）等共同完成，通讯作者为Kexin Huang和Xiaobo Zhou（美国德克萨斯大学健康科学中心）。研究成果发表于《Nucleic Acids Research》2025年第53卷数据库专刊。

学术背景
在空间组学（Spatial Omics）领域，空间转录组技术虽能检测大量基因，但空间分辨率有限；而空间蛋白质组（Spatial Proteomics）虽检测蛋白数量较少，却能提供单细胞级的空间分布信息。现有数据库如AQUILA和SODB缺乏对细胞空间聚集功能及区域互作的系统性注释。为此，研究团队构建了scProAtlas——首个整合多技术、多组织的空间蛋白质组功能注释知识库，旨在解析组织内细胞类型空间组成、功能结构分布及区域间通讯关系。

研究流程与方法
1. 数据收集与预处理
- 通过PubMed和Google Scholar系统检索“空间蛋白质组”相关文献，筛选出8种成像技术（CODEX、IMC、MIBI-TOF等）的公共数据集，涵盖15种人类组织的17,468,394个细胞。
- 对原始数据标准化：图像数据采用DeepCell Mesmer模型进行全细胞分割，提取空间坐标和表达矩阵；表达矩阵使用Python库scanpy过滤（细胞表达个蛋白或蛋白在<200个细胞中表达被剔除）并进行对数归一化。

1. 空间蛋白质组与scRNA-seq整合

   • 采用MaxFuse算法匹配未配对的空间蛋白质组和scRNA-seq数据，通过共享蛋白/基因名特征映射，将scRNA-seq的23,459个基因表达和565种细胞类型注释投射至空间数据。此步骤突破了空间蛋白质组低通量的限制，实现基因层面的扩展分析。
     

2. 空间功能模块构建

   • 邻域分析（Neighborhood Analysis）：以每个细胞为中心划定10细胞半径的窗口，通过k-means聚类（k=10）识别679个功能邻域（如“黏膜区”“免疫上皮区”），并人工注释其生理功能。
     
   • 邻域网络（Neighborhood Network）：基于空间连通性分析不同邻域间的长程通讯关系，例如肠道中上皮细胞与免疫细胞的互作模式。
     
   • 空间可变基因识别：利用Moran’s I指数（空间自相关统计量）筛选2,104个具有显著空间表达模式的基因（如MZB1在浆细胞中富集）。
     
   • 细胞互作与通路分析：通过CellPhoneDB鉴定配体-受体对（如CD80-CTLA4），结合Enrichr进行通路富集分析（如B细胞活化相关通路）。
     

主要结果
1. 多模态数据整合
- 成功将15个scRNA-seq数据集与空间蛋白质组匹配，例如在结肠样本中预测TSPAN8基因的空间分布，验证其在上皮细胞中的屏障功能（Moran’s I>0.1，p<0.05）。

1. 功能邻域注释

   • 在脾脏和淋巴结样本中，浆细胞邻域高表达MZB1，与已知的抗体分泌功能一致；肠道样本中CD36在隐窝区的富集与脂质吸收功能相关。这些发现通过热图和网络图可视化（图3c-d）。
     

2. 空间互作机制

   • 共鉴定1,324对配体-受体互作，如CD80-CD28在B细胞与T细胞间的协同刺激信号（p<0.05），支持其在肠道免疫稳态中的作用（图3g）。
     

结论与价值
scProAtlas首次系统整合了跨技术、跨组织的空间蛋白质组数据，提供从单细胞到功能区域的多尺度注释框架。其科学价值体现在：
1. 方法学创新：开发了基于MaxFuse的多模态整合流程和邻域网络算法，解决了空间组学数据异质性难题。
2. 生物学发现：揭示了MZB1、TSPAN8等基因的空间表达规律及其与组织功能的关联，为免疫和肿瘤微环境研究提供新线索。
3. 应用潜力：数据库支持在线查询（https://relab.xidian.edu.cn/scproatlas），可辅助疾病标志物筛选和药物靶点预测。

研究亮点
1. 数据规模：迄今最大的空间蛋白质组资源库，覆盖8种技术、945个感兴趣区域（ROI）。
2. 分析维度：首创“细胞-邻域-基因-通路”四层注释体系，弥补了现有工具的功能缺漏。
3. 跨学科工具：整合深度学习（Mesmer）、空间统计（Moran’s I）和网络分析（CellPhoneDB），为空间生物学建立标准化流程。

其他价值
团队计划进一步扩展数据库至全器官系统，并开发交互式单细胞级可视化工具。数据与代码已开源（Zenodo: 10.5281/zenodo.13921833），支持后续算法开发和模型训练（如NicheFormer等空间组学大模型）。