分享一篇發表在Molecular Cell上的文章：Deciphering functional tumor-immune crosstalk through highly multiplexed imaging and deep visual proteomics，通訊作者是Matthias Mann教授以及哥本哈根大學的Xiang Zheng教授。
腫瘤微環境（TME）是一個復雜的生態系統 ，癌細胞與多種非惡性細胞動態相互作用。這些復雜的相互作用決定了癌癥的進展和治療效果，例如癌細胞與免疫細胞之間的串擾在調節腫瘤免疫中起著重要作用，典型的例子就是免疫抑制和免疫逃避。因此，解析腫瘤微環境中復雜的腫瘤免疫相互作用對于推進癌癥免疫治療至關重要。
在作者此前的工作中，開發了一種名為“deep visual proteomics（DVP）”的方法（Nat Biotechnol 40, 1231–1240 (2022)），是針對于復雜組織的集成像、細胞分類、激光顯微切割和質譜分析于一體的空間蛋白質組學技術。然而，目前的DVP技術僅支持四通道染色。于是作者在本研究中升級了DVP技術，開發了multiplexed-imaging-powered DVP（mipDVP），該方法升級了多路復用成像以及DIA數據采集。
為了在單細胞水平上表征TME的空間分子景觀，作者首先使用MACSima成像平臺對來自人類結直腸癌（CRC）樣本和扁桃體癌樣本的福爾馬林固定石蠟包埋切片進行了多標的免疫熒光染色（14-22標）。作者發現，對于22標染色而言，在30 mm2區域染色的耗時不足50 h，就能夠分離出多種罕見的細胞類型，保留了這些細胞類型間的相互作用。在完成染色后，作者要對獲得的圖像進行精細的細胞分類，隨后通過激光纖維切割，保留了蛋白質的空間信息，并利用質譜對蛋白進行分析。為了獲得更加可信的數據，作者在timsTOF和Astral平臺上同時使用了diaPASEF策略，也使用了無標和二甲基化標記兩種定量方法。
此外，為了盡量減少由于多路成像過程（涉及多輪染色和成像）引起的蛋白質組學信息變化，作者使用光漂白代替了化學剝離。利用MACSima平臺可進行自動的抗體孵育， 簡化了樣品處理的流程。為了評估MACSima多路染色對蛋白質組完整性的影響，作者對比了染色前后切片樣品的蛋白損失，發現蛋白鑒定數目并沒有明顯減少，證實了MACSima成像能與下游激光顯微解離和質譜的兼容性。
作者使用mipDVP方法，對結直腸癌組織中對不同的細胞群進行精細的區分，其中包括腫瘤細胞、巨噬細胞、CTLs、 TH和B細胞，血管和淋巴管等，這些細胞類型的存在和空間分布對于了解腫瘤的免疫學景觀至關重要。通過圖像分析，作者觀察到腫瘤上皮下方固有層內的免疫細胞顯著積累，而巨噬細胞在腫瘤上皮和固有層之間有屏障樣定位，這說明巨噬細胞建立免疫抑制屏障，可能阻礙了T細胞浸潤結腸直腸癌，并利用空間蛋白質組學揭示了T細胞亞群在不同腫瘤區室中不同的功能狀態。
?
綜上，本文作者開發了一種具有空間分辨率且多路復用的蛋白質組學技術，可用于分析腫瘤微環境中復雜的細胞相互作用。
原文鏈接：https://doi.org/10.1016/j.molcel.2024.12.023
文章引用：DOI:?10.1016/j.molcel.2024.12.023
