空间蛋白质组学注释优化:基于计算方法的甲状腺结节分子表征增强策略

《Journal of Proteome Research》:Improving the Annotation for Spatial Proteomics: A Computational Approach to Enhance Molecular Characterization of Thyroid Nodules

【字体: 大 中 小 】 时间:2026年01月11日 来源:Journal of Proteome Research 3.6

编辑推荐:

  本文提出了一种整合数字病理与基质辅助激光解吸电离质谱成像(MALDI-MSI)的可重复自动化工作流程,通过训练像素分类器(PC)自动选择甲状腺组织微阵列(TMA)中细胞富集区域,有效减少胶质区域干扰信号15%,提升胰蛋白酶肽段信噪比(S/N)37%,并显著增强不同甲状腺结节病理类型(如PTC、FVPTC、NIFTP、FA)的分子鉴别能力,为临床病理诊断精准化提供新思路。

  
引言
在空间组学技术中,基质辅助激光解吸电离质谱成像(MALDI-MSI)已展现出在组织病变表征与分类中的潜力。该技术的高灵敏度允许从单一切片中测量数百种分析物的相对强度与空间分布,并能对新鲜冷冻或存档组织切片中的小分子、脂质、肽段及N-聚糖等不同分析物类别进行空间测量。在甲状腺肿瘤研究中,MALDI-MSI蛋白质组学分析已显示出区分RAS突变与野生型肿瘤的生物标志物的能力。然而,甲状腺滤泡性病变的鉴别诊断常因组织异质性而复杂化,且胶质富集区域(主要由甲状腺球蛋白组成)会干扰石蜡去除与组织原位酶解,导致细胞分子信号抑制及MALDI基质加合物污染。本研究以甲状腺组织为概念验证,提出一种跨学科方法,整合数字病理与空间蛋白质组学,旨在提升福尔马林固定石蜡包埋(FFPE)组织切片的MALDI-MSI分析效果。
数据
研究队列包括44例在意大利蒙扎IRCCS Fondazione San Gerardo医院接受甲状腺手术的患者,所有操作均符合赫尔辛基宣言并经当地伦理委员会批准。从每个FFPE组织块中选择两个不同区域构建组织微阵列(TMA),最终分析涵盖39例患者的64个核心,病理类型包括乳头状甲状腺癌(PTC)、PTC滤泡亚型(FVPTC)、具有乳头样核特征的非浸润性滤泡性甲状腺肿瘤(NIFTP)及滤泡性腺瘤(FA)。MALDI-MSI数据使用timsTOF fleX质谱仪在m/z 700–3000范围内采集,空间分辨率为20×20 μm。质谱分析后,切片经乙醇梯度清洗并进行H&E染色,通过数字扫描仪获取全玻片图像(WSI),由经验丰富的病理学家手动标注各TMA核心的感兴趣区域(ROI)。
方法
MALDI-MSI原始数据导入SCiLS Lab软件进行均方根归一化,并将H&E图像与MSI数据手动配准,其中m/z 1459.688的胶原肽段信号被用作空间对齐参考。基于QuPath平台训练像素分类器(PC),通过标注细胞富集与非富集区域的小样本(约每类15个标注)构建多层感知机模型,提取多尺度高斯与加权偏差特征(标准偏差设为2和4)。PC模型仅含32个参数,可实现细胞富集区域的自动分割,并通过多边形简化与扩展适配MSI点阵分辨率。最终生成三类ROI进行比较:全核心(FC)、病理学家手动标注区域(PAT)及PC衍生区域(PC)。各ROI的峰值列表通过mMass软件(信噪比阈值6,相对强度阈值0.3%)提取,并采用主成分分析(PCA)与受试者操作特征(ROC)分析评估鉴别能力。
结果与讨论
不同ROI类型的整体比较
相较于FC区域,PAT与PC区域均能排除间质与正常甲状腺组织,提升病理特异性。PC区域通过精准选择细胞核富集区域,进一步浓缩了病理特异性蛋白质组信号,并显著降低操作者间变异性的影响。PC区域的分析像素数量大幅减少(FC=205425 px,PAT=173027 px,PC=60929 px),降低了计算资源需求,提升了复杂病理样本分子表征的效率。该工作流程在像素分类任务、染色类型及MALDI-MSI模态方面具备灵活性,可适配不同生物学问题。
目标信号提升
PC区域显著降低了11个HCCA基质加合物(如m/z 861.06)与3个胰蛋白酶自酶解产物(如m/z 842.51)的干扰信号强度(平均降幅15%),同时将四种目标胰蛋白酶肽段(如组蛋白H2A、H4等)的信号强度提升约37%。在NIFTP区域,PC相较于FC与PAT分别带来31%与30%的信号增强。峰值检测结果显示,PC峰值列表的总m/z特征数量较FC与PAT分别增加9%与24%,且独特m/z特征数量显著提升(+34%与+95%),表明其能更深度挖掘病理类别的蛋白质组信息。
病理鉴别能力
PCA分析显示,FC区域中不同病理类型谱图混杂度高,而PC区域中四类病变沿主成分1按侵袭性程度(FA→NIFTP→FVPTC→PTC)呈现清晰分离,且PTC与NIFTP的分子异质性得到凸显。ROC分析进一步证实PC区域峰值列表的鉴别优势:其 discriminatory m/z特征数量(41个)较FC(22个)与PAT(21个)提升约50%,且相同m/z特征在PC数据中呈现更高的曲线下面积(AUC),例如m/z 1198.7017在PTC与NIFTP比较中的AUC达0.86。
结论
本研究通过QuPath像素分类器实现了甲状腺组织细胞富集区域的精准选择,在保留病理学家原始标注的前提下,有效抑制胶质区域干扰、提升肽段信噪比,并增强了对NIFTP等诊断挑战性病变的分子鉴别能力。该自动化流程为甲状腺结节生物标志物发现与临床诊断精准化提供了可重复、高效的解决方案,并为空间组学分析在资源优化与操作标准化方面树立了新范本。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号