12月6日，Nature Methods期刊发布了一期特刊，将空间蛋白质组学技术评选为2024年年度技术，理由如下：
好奇是
人类的天性。我们喜欢探索，在探索的过程中，我们绘制地图。因此，我们发现自己正处于一个绘制图谱的时代也就不足为奇了。我们正在用最先进的方法探索生物系统令人难以置信的复杂性，以便更好地了解细胞、组织、器官和生物体是如何将结构和功能联系在一起的。
本着探索和绘制生物复杂性图谱的精神，我们选择了空间蛋白质组学作为我们的年度方法，因为它在揭示复杂组织的组织结构方面起着至关重要的作用。
空间蛋白质组学是一个总括术语，涵盖了大量基于免疫组化的方法，包括但不限于循环免疫荧光 (cycIF)、索引协同检测 (CODEX)、迭代漂白扩展多重性 (IBEX)、多重离子束成像 (MIBI) 和成像质谱流式细胞术 (IMC)。这些方法可用于生成组织和器官切片等标本的高度复用图像，以了解其蛋白质组成和空间组织，也是许多全球图谱项目的基础。我们还对一种被称为深度视觉蛋白质组学（DVP）的新技术感到兴奋。在这种技术中，用激光对复杂样本进行解剖，并通过质谱分析单个离体细胞，从而保留其空间上下文信息，创建空间蛋白质图谱。这种技术的一个主要优点是不受可用抗体数量的限制，因此蛋白质组的覆盖范围大大增加。
免疫荧光等空间蛋白质组学技术比其他空间生物学方法（如空间转录组学）出现的时间更长，后者是我们在 2021 年评选出的年度方法，那么为什么我们现在选择它作为年度方法呢？首先，DVP 和其他方法最近的发展让我们感到兴奋，这些方法都在寻求更深入、更广泛地探索空间蛋白质组的新方案。此外，我们还受到人类生物分子图谱计划（Human BioMolecular Atlas Program，HuBMAP）和人类肿瘤图谱网络（Human Tumor Atlas Network，HTAN）等大型联盟当前成果的启发，它们不仅为科学界和医学界创建了大型数据图谱，而且还开发了处理、分析、可视化和挖掘数据的工具，以超前漂亮的图片，更深入地进行生物发现。
尽管空间蛋白质组学技术目前的能力令人瞩目，但我们依然对这一领域的未来发展充满期待。我们预计将看到这些技术在发展现有的和新的图谱项目方面的扩展应用，同时我们还将努力改进元数据处理、质量控制和这些方法的普及。此外，我们认为多组学方法的应用将继续增长，这些方法可以为空间蛋白质组学中已有的方法提供最互补的信息。我们还期望，样品制备（更好的亲和试剂、标记、条形码、信号放大、切片）和显微镜（分辨率、视野）方面的技术改进将使空间蛋白质组学具有更高的覆盖率、更大的三维体积、亚细胞分辨率甚至超分辨率。有了这些数据，我们就能更深入地了解健康细胞是如何在组织内正常工作的，以及当出现问题时细胞会发生哪些变化。
这期特刊还刊登了：
●哈佛医学院的Peter Sorger 及其同事撰写论文介绍了 CyLinter [
https://doi.org/10.1038/s41592-024-02328-0
]，这是一种用于高度多路复用图像质量控制的改进工具；
●
普林斯顿大学的
Benjamin Raphael 及其同事撰写论文介绍了 CalicoST [
https://doi.org/10.1038/s41592-024-02438-9
]，这是一种从空间转录组学数据中同时推断等位基因特异性拷贝数畸变和重建肿瘤空间演化的算法；
●记者 Vivien Marx采访了一些研究人员对图谱构建以及他们认为下一步的发展方向的看法[https://doi.org/10.1038/s41592-024-02536-8]；
●
苏黎世大学的 Bernd Bodenmiller
介绍了为什么蛋白质是生物学研究的有趣目标，并简要回顾了免疫荧光是如何发展成为空间蛋白质组学领域的
[
https://doi.org/10.1038/s41592-024-02538-6
]。文章进一步描述了生成大型图谱将如何帮助揭示组织的复杂性，并为精准医疗铺平道路。文章最后讨论了有助于推动这一领域发展的技术发展，并简要评论了人工智能在未来可能发挥的作用；
●
以色列魏茨曼科学研究所的 Yuval Bussi 和 Leeat Keren
指出，目前的图像处理和分析工作流程虽然定义明确，但却分散，各种步骤背靠背地进行，而不是以整合的方式进行。他们设想未来图像处理和分析步骤协同工作，以改进生物学发现[
https://doi.org/10.1038/s41592-024-02539-5
]；
●
加拿大麦吉尔大学的 Daniela Quail 和 Logan Walsh
讨论了空间蛋白质组学如何彻底改变了癌症研究，从我们对组织结构和细胞间相互作用的理解，到它塑造了我们对免疫系统如何与肿瘤相互作用的思考。这篇文章还介绍了空间蛋白质组学与人工智能相结合在为基础研究提出假设、改善个性化医疗以及指导未来抗癌治疗策略方面的潜在作用[
https://doi.org/10.1038/s41592-024-02542-w
]；
●
马克斯普朗克生物化学研究所的 Matthias Mann 和 Thierry Nordmann，以及哥本哈根大学的 Andreas Mund
介绍了深度视觉蛋白质组学，以及利用质谱分析探究发育或疾病过程中蛋白质组复杂性的好处。他们指出，未来灵敏度的提高将使质谱技术能够以单细胞分辨率检测整个蛋白质组，包括翻译后修饰。他们还讨论了将 DVP 与其他组学方法相结合的益处、未来使该技术普及的努力以及将该技术应用于临床的问题[
https://doi.org/10.1038/s41592-024-02541-x
