动脉粥样硬化斑块的多模态特征：结合质谱成像的空间组学研究方法

《Analytica Chimica Acta》：Multimodal landscape of atherosclerotic plaques: A spatial omics approach with mass spectrometry imaging

动脉粥样硬化斑块是脂质和泡沫细胞积累的复杂异质结构，质谱成像（MSI）技术通过空间脂质组学、蛋白质组和代谢组学研究，揭示斑块内分子分布及细胞互作机制，为疾病机制和精准治疗提供新靶点。当前技术面临样本制备、空间分辨率和数据分析的挑战，未来结合人工智能整合多组学数据将推动该领域发展。

　　### 解读：空间质谱组学技术在动脉粥样硬化研究中的应用

动脉粥样硬化是一种复杂的慢性炎症性疾病，其发展过程涉及多种细胞类型、脂质积累、炎症反应以及细胞外基质的形成。随着科学技术的发展，传统的整体质量分析方法虽然为研究动脉粥样硬化提供了重要信息，但无法揭示病变内部的空间异质性和微环境复杂性。近年来，基于质谱成像（MSI）的组学技术，包括空间脂质组学、蛋白质组学和代谢组学，显著提升了对动脉粥样硬化病变分子分布的可视化能力，为研究病变的脆弱性、细胞间通讯以及性别相关的疾病机制提供了新的视角。本文综述了当前MSI技术在动脉粥样硬化研究中的最新进展，探讨了其在实验模型和人体组织中的应用，并分析了其在数据整合和精准医学中的潜力。

#### 1. 空间脂质组学与代谢组学技术的发展

在空间脂质组学领域，矩阵辅助激光解吸电离质谱成像（MALDI-MSI）已成为最常用的工具之一。该技术能够直接分析组织切片中的脂质分布，无需进行提取操作。通过将组织切片与特定的基质结合，如2,5-二羟基苯甲酸（DHB）、α-氰基-4-羟基肉桂酸（CHCA）或9-氨基吖啶（9-AA），MALDI-MSI利用激光能量使分析物脱附并电离，随后通过质量分析器进行分离，基于质荷比（m/z）生成质量谱图。这些质量谱图与空间坐标结合，可以生成详细的分子分布图，揭示不同区域的代谢特征。

在人类动脉粥样硬化组织的研究中，研究人员已经成功利用MALDI-MSI技术可视化了超过200种不同的脂质信号，涉及超过90种独特的脂质物种。例如，Moerman等人在12个颈动脉斑块中分析了106个组织切片，发现某些脂质类别，如鞘磷脂和氧化胆固醇酯，显著升高于坏死核心区域。此外，研究还表明，二酰甘油和三酰甘油在富含纤维蛋白的区域中显示出空间相关性，这可能与血栓形成机制有关。

在空间代谢组学方面，激光解吸电离质谱成像（DESI-MSI）作为一种新兴的环境离子化技术，也获得了广泛应用。与MALDI不同，DESI-MSI不需要基质的应用，而是通过喷射带电溶剂液滴直接提取组织中的代谢物。这种技术不仅减少了组织处理的复杂性，还提高了数据采集的效率。研究发现，DESI-MSI在检测大多数脂质类别时，整体灵敏度高于MALDI-MSI，并且能够生成更清晰的图像，这可能与其基质引起的局部化效应有关。然而，对于某些脂质类别，如鞘脂类，MALDI-MSI仍然具有优势，因为它能够高效地生成脱水离子，从而提高检测精度。

除了MALDI和DESI，二次离子质谱成像（SIMS-MSI）也因其超高的空间分辨率而备受关注。SIMS-MSI通过聚焦的初级离子束使分子从样品表面脱附，随后进行质量分析，以生成高精度的分子分布图。该技术能够实现亚微米级的分辨率，从而揭示脂质和代谢物在细胞和亚细胞水平上的分布情况。然而，SIMS-MSI也存在一些局限性，例如初级离子束导致的样品表面破坏，以及其较低的化学灵敏度，尤其是在处理大分子时。不过，随着技术的不断进步，如使用簇离子源，SIMS-MSI的灵敏度和分辨率已经显著提高。

#### 2. 空间蛋白质组学与糖组学的发展

在空间蛋白质组学领域，MSI技术也被用于检测和定量组织中的蛋白质。例如，研究人员发现，在动脉粥样硬化斑块中，某些蛋白质如肌球蛋白重链（MYH8）和其同源物（MYH10、MYH11）的表达显著增加，这可能提示其作为动脉粥样硬化斑块形成的潜在生物标志物。此外，转化生长因子β1（TGF-β1）被发现与斑块中的纤维化密切相关，其表达水平可能成为评估斑块稳定性的关键指标。

在糖组学方面，MSI技术也被用于分析组织中的糖类分子。糖类分子通常与炎症反应相关，例如，高甘露糖糖类在尿液中的排泄已被认为是预测心血管事件的潜在生物标志物。通过结合脂质、N-糖和胰蛋白酶肽的MSI分析，研究人员能够揭示更复杂的分子特征，从而提升对疾病机制的理解。此外，糖基化修饰的分析也帮助识别了与动脉粥样硬化相关的新型生物标志物和生物学通路。例如，某些糖基化修饰可能影响细胞间的识别、迁移和增殖，进而改变关键信号通路的活性。

#### 3. 空间成像在动脉粥样硬化研究中的挑战

尽管MSI技术在揭示动脉粥样硬化病变的分子特征方面具有巨大潜力，但在实际应用中仍然面临诸多挑战。首先，动脉粥样硬化病变的异质性使得单个区域的分子特征可能与整个组织的特征存在差异，这增加了数据解释的难度。例如，稳定的斑块可能富含长链脂肪酸，而不稳定的斑块则表现出更高的氧化应激和炎症相关代谢物的水平。

其次，不同类型的斑块（如纤维性斑块和富含脂质的斑块）在分子组成上存在显著差异。纤维性斑块通常具有较厚的纤维帽，由平滑肌细胞（VSMCs）和细胞外基质构成，提供结构稳定性。相比之下，富含脂质的斑块则包含大量坏死核心和巨噬细胞，更容易发生破裂。这种差异使得MSI数据的分析需要考虑斑块的结构和成分，从而更准确地反映其病理特征。

此外，空间成像技术在组织制备过程中也面临挑战。例如，在小鼠模型中，使用冻存和切片技术时，不同的嵌入试剂可能影响数据质量。某些嵌入试剂，如最佳切割温度（OCT）试剂，可能会在MSI分析中引入背景信号，从而干扰数据。为解决这一问题，研究者通常采用更合适的嵌入试剂，如羧甲基纤维素（CMC）或鱼明胶，并在低温下进行切片处理。

#### 4. 数据处理与分析

MSI数据的处理和分析是确保研究结果准确性和可重复性的关键步骤。通常，数据预处理包括基线校正、降噪、光谱对齐、质量校准、归一化、峰选择和矩阵峰去除等。归一化方法，如总离子电流（TIC）归一化、中位数归一化和均方根（RMS）归一化，能够有效减少信号波动，提高数据的一致性。然而，由于MSI数据的复杂性，传统的归一化方法可能无法完全解决所有问题，因此，研究者通常采用内部标准归一化，以提高数据的准确性和可重复性。

在数据整合方面，多模态MSI数据的处理需要考虑不同技术之间的分辨率和动态范围差异。例如，空间转录组学技术通常使用55微米直径的圆形斑点进行基因表达分析，而MALDI-MSI则采用更细密的网格进行分子分析。这种分辨率差异可能影响数据整合的效果，因此，研究者需要采用适当的算法，如加权最近邻（WNN）和矩阵分解技术，以实现更有效的数据整合。

此外，数据处理中的计算挑战也不容忽视。随着MSI技术的发展，数据量迅速增加，这对计算资源提出了更高的要求。因此，研究者需要采用高效的计算方法，如基于R和Python的软件包，以及容器化技术，以确保计算过程的可重复性和可移植性。同时，开放数据格式的使用，如imzML和mzTab-M，也有助于促进数据的共享和跨平台分析。

#### 5. 人工智能在数据整合中的作用

人工智能（AI）技术在MSI数据整合和分析中发挥着越来越重要的作用。AI驱动的方法能够自动提取特征、进行无监督分析，并揭示隐藏的结构模式。例如，一些研究利用AI模型对MSI数据进行分类和聚类分析，以识别不同病变区域的分子特征。此外，AI技术还能够提高数据的解释能力，通过结合多模态数据，揭示细胞间通讯和相互作用的复杂网络。

在空间脂质组学和代谢组学领域，AI技术的应用也取得了显著进展。例如，利用深度学习算法对MSI数据进行分析，可以提高对低丰度代谢物的检测能力，并减少信号干扰。此外，AI驱动的分析工具，如MassVision，提供了一套完整的MSI分析解决方案，使得研究者能够更方便地进行数据可视化、校正和整合。

#### 6. 未来展望与挑战

尽管MSI技术在动脉粥样硬化研究中展现出巨大的潜力，但其应用仍面临诸多挑战。首先，组织制备和数据整合的标准化仍然是一个关键问题。由于不同实验室可能采用不同的方法和设备，导致数据的可比性降低。因此，未来需要建立统一的标准流程，以提高数据的一致性和可靠性。

其次，空间成像技术在检测低丰度代谢物和脂质方面仍然存在局限性。例如，某些氧化脂质（如前列腺素和白三烯）在空间成像中可能难以被准确识别。因此，未来的研究需要开发更灵敏的检测方法，并结合其他技术（如LC-MS/MS）进行交叉验证。

此外，数据处理和分析的计算需求也是一大挑战。随着MSI数据量的增加，传统的计算方法可能无法满足分析需求。因此，开发更高效的算法和计算工具，如基于深度学习的图像分析软件，将是未来的重要方向。

综上所述，空间质谱成像技术在揭示动脉粥样硬化病变的分子异质性和微环境复杂性方面具有独特优势。尽管在实际应用中仍面临诸多挑战，但随着技术的进步和AI的引入，MSI在精准医学和转化研究中的潜力将得到进一步释放。未来的研究应致力于优化组织制备流程、提高数据整合效率，并开发更先进的计算工具，以推动空间组学在心血管疾病研究中的应用。