这篇文档属于类型a，即报告了一项单一原创研究的学术论文。以下是针对该研究的详细报告：
该研究由Gregory W. Vandergrift、Marija Veličković、Le Z. Day、Brittney L. Gorman、Sarah M. Williams、Bindesh Shrestha和Christopher R. Anderton共同完成。研究团队主要来自美国太平洋西北国家实验室（Pacific Northwest National Laboratory）和Waters Corporation。研究论文发表在《Analytical Chemistry》期刊上，并于2024年12月16日被接受。
该研究属于空间多组学（spatial multiomics）领域，旨在解决现有空间代谢组学（spatial metabolomics）和空间蛋白质组学（spatial proteomics）工作流程中的局限性。传统方法通常需要在不同组织切片上进行两种分析，或者由于不同分析方法的基质要求不同而导致数据难以整合。为此，研究团队开发了一种新的多组学工作流程，利用解吸电喷雾电离质谱成像（DESI-MSI）在同一组织切片上实现空间代谢组学和空间蛋白质组学的无缝整合。该研究的核心目标是优化多组学数据的获取和整合，以提供更全面的分子水平信息。
研究流程主要包括以下几个步骤：
样本制备：使用Sprague-Dawley大鼠的冠状脑切片作为模型组织，切片厚度为12微米，并将其安装在聚萘二甲酸乙二醇酯（PEN）膜载玻片上。切片在真空干燥后储存于-80°C，以便后续分析。
DESI-MSI数据采集与处理：使用DESI-XS源与多反射飞行时间质谱仪（MRT-TOF）进行负离子模式成像。甲醇/水（95/5）作为溶剂系统，像素大小为35微米，扫描范围为m/z 50-2400。数据通过Metaspace平台进行注释，使用SwissLipids数据库进行分子公式注释，并通过k-means聚类生成分割图，以指导后续的感兴趣区域（ROI）选择。
微滴处理（Micropots）样本制备：在DESI-MSI分析后，组织切片通过乙醇梯度固定，并使用激光捕获显微切割（LCM）技术从选定的ROI中切割出200微米×200微米的组织块。切割后的组织块被转移到预加载DMSO的微滴芯片中，用于后续的蛋白质组学分析。
蛋白质组学数据采集与处理：使用液相色谱-质谱联用（LC-MS）技术对微滴芯片中的样品进行分析。肽段通过C18色谱柱分离，并使用TimS TOF SCP质谱仪进行数据采集。数据通过FragPipe软件进行处理，使用UniProt数据库进行蛋白质注释，并通过主成分分析（PCA）和层次聚类分析ROI之间的蛋白质表达差异。
DESI-MSI结果：研究团队成功注释了160个分子公式（SwissLipids数据库，假阳性率≤20%），并生成了分割图以指导ROI选择。分割图显示了代谢物在组织中的空间分布异质性，特别是在白质和灰质区域之间的差异。
蛋白质组学结果：每个ROI中检测到的蛋白质数量在3888±240到4717±48之间，且不同ROI之间的蛋白质表达具有显著差异。PCA和层次聚类分析进一步验证了DESI-MSI引导的ROI选择的有效性，表明不同ROI具有独特的蛋白质组成。
多组学数据整合：研究团队展示了如何将代谢组学和蛋白质组学数据整合在一起。例如，通过分析Ceramide（神经酰胺）的空间分布与SMPD3（Ceramide合成蛋白）的丰度之间的相关性，发现两者在空间上具有高度一致性。此外，研究还利用蛋白质丰度数据解决了代谢物异构体的模糊性，例如通过蛋白质表达数据推断出[C6H6O6 − H]−注释的代谢物更可能是抗坏血酸（ascorbic acid）而非其他异构体。
该研究提出了一种新的空间多组学工作流程，通过DESI-MSI在同一组织切片上实现空间代谢组学和空间蛋白质组学的无缝整合。该方法的优势在于其基质无关性和非破坏性采样，使得两种分析可以在同一组织切片上优化进行。研究结果表明，该方法能够提供更全面的分子水平信息，特别是在代谢物和蛋白质的空间分布及其相关性方面。未来，该方法有望应用于更广泛的科学问题，特别是在单细胞分辨率的高空间分辨率应用中。
研究团队还公开了所有数据集，包括DESI-MSI和蛋白质组学数据，供其他研究人员进一步分析和验证。此外，研究还探讨了DESI-MSI在单细胞分辨率应用中的潜力，为未来的高分辨率空间多组学研究提供了新的方向。