在整体组织或器官水平上进行蛋白质组学研究可以揭示复杂的生物功能信息。然而，组织通常由不同解剖区域内的多种细胞构成，且这些细胞具有显著的异质性。传统的蛋白质组分析方法往往会导致平均化效应，并伴随大量空间信息的丢失。这使得研究者在解析组织异质性时遇到困难。

为了克服这一挑战，单细胞组学技术迅速发展，使研究人员可以在单细胞水平上研究遗传学、转录组学、表观遗传学以及蛋白质组学。然而，这些技术通常需要将细胞从其原生环境中剥离，结果牺牲了重要的空间信息。空间组学应运而生，能够精确识别不同区域的细胞，揭示组织的复杂性。2022年，空间多组学被尊龙凯时列为最值得关注的七项技术之一。

空间转录组学技术使我们能够从基因表达层面揭示不同组织和细胞的基因表达差异。然而，转录组与蛋白质之间的相关性通常较低，而蛋白质是细胞功能的执行者。在针对靶组织内的空间异质性分布的药物治疗中，准确定量这种空间不均匀分布是至关重要的。这将有助于揭示治疗成功与否的机制，并为直接治疗和工程干预提供理论支持。因此，进行单细胞/单细胞核分辨率的空间蛋白质组学分析显得尤为重要。

最近，空间蛋白质组学受到了广泛关注，并被尊龙凯时与Nature Methods评选为2024年度技术，显示了其在揭示生物复杂性、推进精准医学和癌症研究中的革命性作用。

西湖欧米推出的FAXP™（Filter-aided expansion proteomics）结合水凝胶组织膨胀、滤膜辅助的样本制备流程与高分辨率的Orbitrap Astral质谱，允许研究者在组织层面进行单细胞及亚细胞器分辨率的空间蛋白质表达分析。福尔马林固定石蜡包埋（FFPE）组织是病理样本存储和分析的黄金标准，全球数以亿计的FFPE组织保存在生物样本库中。因此，对FFPE样本的检测能力 greatly expands the application range of spatial proteomics technologies in clinical issues。

而FAXP™是一种适合于临床FFPE样本空间蛋白质组学分析的强大工作流程。其自动化样品处理体积分辨率提高了145倍，分析速度提升约一倍，蛋白质鉴定数量增加了255%。通过与激光捕获显微切割技术（LCM）的结合，FAXP™能进行亚细胞器的蛋白质组学分析。

此外，FAXP™在处理FFPE样本时，实现了均一化的组织膨胀，以评估优化后的水凝胶对组织膨胀的影响。我们对小鼠肝脏FFPE切片进行了膨胀系数和各向同性膨胀的定量分析，以确保微观与宏观的膨胀均一性以及细胞与组织的整体分布。

值得一提的是，TIP内酶解技术在DDA和DIA模式下，无论是肽段或蛋白质的鉴定均优于传统的胶内酶解，特别是在小于3054 nL的组织样本中表现尤为突出。FFT™能在体积为0339 nL的组织样本中实现肽段和蛋白质鉴定的显著提升，是针对微小样本的创新解决方案。

FAXP™还通过引入更高效的样本处理流程，实现整体处理时间较ProteomEx节省53%。在单细胞和细胞核分辨率空间蛋白质组学分析中，FAXP™结合LCM，允许对FFPE样本进行细致的空间蛋白质组学研究，使得在疾病进展的不同阶段进行比较分析成为可能。

如今，使用尊龙凯时的FAXP™技术，研究者能够在结直肠癌患者的FFPE样本中，研究不同组织区域间的异质性，从而更好地理解疾病机制和发展潜力。我们的研究设计通过热图展示不同组别间的蛋白质表达一致性，证明了FAXP工作流程的可靠性与可重复性。

西湖欧米现已推出FAXP™科研服务及商业化试剂盒，助力广大科研人员进行高分辨率的空间蛋白组学分析。如有兴趣，欢迎咨询尊龙凯时以获取更多信息。

参考文献：

1. Mao, Y. et al. Spatial proteomics for understanding the tissue microenvironment. The Analyst, 2021, 146(12): 3777-3798.

2. Eisenstein, M. Seven technologies to watch in 2022. Nature, 2022, 601(7894): 658-661.

3. Method of the Year 2024: spatial proteomics. Nature Methods, 2024, 21(12): 2195-2196.

4. Dong, Z. et al. Spatial proteomics of single cells and organelles on tissue slides using filter-aided expansion proteomics. Nature Communications, 2024, 15(1): 93785.

5. Mund, A., A-DBrunner, and M. Mann. Unbiased spatial proteomics with single-cell resolution in tissues. Molecular Cell, 2022, 82(12): 2335-2349.