空间蛋白组学不再依赖商业软件：开源流程把取样速度提高约百倍，还能按细胞邻域取样
核心概要
深度视觉蛋白组学（DVP）此前缺少开源端到端流程，限制了推广与系统评测。openDVP把图像处理、细胞表型、激光显微切割与质谱蛋白组学串成模块化流程，并提供无需图像分析经验的快速通道。在胎盘、早期肺癌与复发乳腺癌三份存档组织上，按细胞邻域取样比逐细胞取样快约100倍，蛋白鉴定数平均提高26%。
深度剖析
空间蛋白组学现在有一条不依赖商业软件的开源端到端路径，从整张切片图像一直走到质谱可测的蛋白组样本。 此前DVP实验的图像分析依赖商业软件，缺少支持可扩展图像分析、激光显微切割实验设计、多模态数据整合与跨平台互操作的非专有开源流程。 openDVP在胎盘、早期肺腺癌和原发与复发三阴性乳腺癌三份存档组织上跑通，覆盖常规宽场与共聚焦显微镜下的全切片和组织微阵列图像。
流程把图像分析、细胞打标、切割轮廓导出和蛋白组数据整合拆成可替换的模块，输入输出都用通用文件格式。 图像处理建立在MCMICRO与SOPA之上，可视化与质控用QuPath和napari，数据整合采用scverse的AnnData与SpatialData格式。 用11张全切片、共634万个细胞的图像做分割，耗时不到2小时；切割轮廓经QuPath-to-LMD网页应用导出，在Leica LMD7上以20倍和40倍物镜验证了单细胞与区域轮廓的对齐。
按细胞邻域取样成为介于逐细胞与细胞池之间的第三条路线，用一块包含约100个已定表型细胞的轮廓替代100次单细胞切割。 原始DVP靠合并表型一致的细胞群换取覆盖度，单细胞DVP换取空间分辨率却牺牲分析深度和易用性。 在乳腺癌原发与复发组织的相邻同表型细胞上比较，cnDVP相对DVP蛋白鉴定数平均提高26%，组织采集速度约快100倍；50个单免疫细胞中仅3个样本在过滤后保留超过400个蛋白。
启示与展望
演示范围是三份存档人体组织：早孕期胎盘、早期肺腺癌以及原发与局部复发的三阴性乳腺癌，图像来自全切片和组织微阵列，覆盖H&E、免疫组化、免疫荧光与多重免疫荧光。快速通道面向没有图像分析经验、希望把原始图像直接转成探索性空间蛋白组结果的用户；扩展流程面向需要单细胞空间分析与复杂表型—蛋白型关联的用户。按细胞邻域取样在现有实现下更适合同型或空间上连贯的邻域。
按细胞邻域取样的生物学分辨率一般低于DVP或单细胞DVP；当稀有表型、邻域内细胞异质性或细胞间差异是核心问题时，仍需DVP与单细胞DVP。所有工作流的性能都取决于组织质量、染色保真度、成像表现、分割或注释准确性以及激光显微切割效率，每一环都可能引入技术变异；可用的生物学信息还受成像模态与标记组合限制。