正文
当研究人员使用“组合通道复用”（CombPlex）技术对新的细胞样本进行成像时，得到的仍然是混合了多种蛋白质信号的图像。但是， 通过训练好的深度学习模型，研究人员就能够像“解开密码”一样，将这些混合的信号准确地分离出来，还原成每一种蛋白质清晰的图像。这意味着，即使我们只使用了少量的成像通道，也能够同时获得大量蛋白质的表达信息。这项研究的数据显示，通过这种方法重建出的蛋白质图像，与传统的单通道成像方法得到的结果高度一致，证明了“组合通道复用”（CombPlex）技术的准确性和可靠性。例如，研究人员展示了在荧光显微镜（fluorescence microscopy）和基于质谱的成像技术（mass-based imaging）中，该方法都能够成功应用，并且在多种不同的细胞类型和组织样本中都取得了良好的效果。
组合通道多路复用提升蛋白质成像水平
（Credit:
Nature Biotechnology
）
a) 标准蛋白质成像：
展示了传统的蛋白质成像方法，其中每种蛋白质（列）的图像都是在单独的测量通道（例如，不同的荧光颜色；行）中获取的。这意味着，每种蛋白质都需要一个独立的通道进行成像。
b) 组合蛋白质多路复用：
展示了 CombPlex 组合蛋白质多路复用方法，其中每种蛋白质（列）的图像是通过一组独特的测量通道组合（行）获取的。这种方法可以指数级地增加使用给定数量的通道可以测量的蛋白质数量。
c) 组合压缩图像的获取：
说明了如何使用荧光或基于质谱的方法获取组合压缩的图像。在这些图像中，每个通道都包含来自多种蛋白质的信号。
d) 重建目标：
解释了在给定如 b 和 c 中详细描述的压缩图像以及组合染色矩阵的情况下，目标是从这些压缩图像中重建出潜在的单个蛋白质的测量结果。
e-i) 信号重建中可以用作约束的蛋白质图像属性示例：
展示了可以用作信号重建过程中约束条件的蛋白质图像属性的示例。例如：
f) 角蛋白 (Keratins) 表现出连续的信号。
h) 泛角蛋白（红色）表现出细胞质染色，而 Ki67 表现出细胞核染色（绿色）。
i) 与 h 相同。尽管两种蛋白质都以灰度显示，但可以通过它们独特的染色模式来区分。
这项研究最令人印象深刻的成果之一，就是他们成功地利用仅仅5个成像通道，同时对22种不同的蛋白质进行了精确的成像和定量分析。为了验证这项技术的有效性，研究人员进行了大量的实验和数据分析。他们将通过“组合通道复用”（CombPlex）技术重建出的蛋白质表达数据，与使用传统单通道方法获得的数据进行了全面的比较。结果显示，两种方法得到的数据之间具有高度的一致性。这意味着，“组合通道复用”（CombPlex）技术不仅能够大大提高成像效率，而且不会牺牲数据的准确性。
具体来说，研究人员展示了对不同细胞类型（例如，来自小鼠大脑皮层的细胞）的成像结果。他们利用5个通道的“组合通道复用”（CombPlex）技术，成功地识别并定量了22种关键的蛋白质标记物。通过与传统的免疫荧光染色方法（immunofluorescence staining）进行比较，他们发现两种方法在检测这些蛋白质的表达水平和空间分布方面，都表现出了高度的相关性。相关性分析（correlation analysis）的结果表明，两种方法得到的数据之间的皮尔逊相关系数（Pearson correlation coefficient）非常高，通常都在0.8以上，甚至接近0.9。这意味着，“组合通道复用”（CombPlex）技术能够非常准确地反映细胞中蛋白质的真实表达情况。这些数据有力地证明了该技术在实现高维度成像方面的巨大潜力。
