IF50.5｜多模态细胞图谱：整合互作组与空间成像解析人类亚细胞结构

融合AP-MS与免疫荧光，构建U2OS细胞5100+蛋白的亚细胞组装图谱，揭示癌症新靶点。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

人类细胞由从纳米级蛋白复合物到微米级细胞器的多尺度组件构成，但许多组件仍未被系统解析。已有多种技术用于绘制亚细胞组织：免疫荧光（IF）和荧光标记结合共聚焦成像揭示蛋白定位；亲和纯化质谱（AP-MS）、交联质谱、尺寸排阻色谱质谱（SEC-MS）等生化方法揭示蛋白互作和复合物组成。然而，这些技术通常单独应用，难以同时覆盖不同物理尺度。近期研究尝试整合IF和AP-MS数据，但初始版本仅覆盖661个蛋白，规模有限。本文在U2OS骨肉瘤细胞中大规模采集AP-MS和IF数据，覆盖超过5100个蛋白，并开发自监督多模态整合方法，构建全局细胞图谱，系统注释并验证，进而探索其在结构生物学、功能注释、细胞类型特异性和癌症基因组解读中的应用。

科学问题

卡在哪里： 此前细胞图谱构建多依赖单一数据类型，难以同时解析小尺度蛋白复合物和大尺度细胞器；已有整合尝试覆盖蛋白数量少，且缺乏系统验证和注释。

本文要回答： 构建覆盖多尺度的U2OS细胞亚细胞组装图谱，并验证其在结构预测、功能注释和癌症突变解读中的实用性。

技术路线

作者主要用了：AP-MS、免疫荧光、自监督多模态嵌入、多尺度社区检测、SEC-MS、AlphaFold-Multimer。

作者首先在U2OS细胞中通过AP-MS获得2174个诱饵蛋白的36742条互作，同时收集10348个蛋白的20660张免疫荧光图像。对两种数据分别提取特征后，用自监督多模态嵌入模型将蛋白映射到128维空间，再通过多尺度社区检测解析出275个蛋白组装。随后用SEC-MS正交验证组装，并用GPT-4辅助注释。最后将图谱应用于结构预测、功能推断、细胞类型特异性和癌症突变分析。

图 1　Fig. 1 |。图1展示整体流程：从全细胞提取物中纯化蛋白进行AP-MS获得互作网络，同时用免疫荧光和共聚焦成像获得蛋白定位，两者整合为多模态细胞图谱，并用于五个生物学用例和交互式可视化门户。

核心亮点

亮点 1｜多模态整合解析275个蛋白组装

整合AP-MS和IF数据，自监督嵌入模型将5100+蛋白映射到统一空间，多尺度社区检测识别出275个离散蛋白组装，直径从10nm到10μm。仅用单一模态会漏掉小或大组装，整合后额外识别104个新组装。通过13个已知尺寸组件校准，组装大小与直径对数线性相关（R²=0.90）。

图 2　Fig. 2 |。图2展示多模态嵌入和层次结构：左图为UMAP降维后的蛋白嵌入，按顶级蛋白社区着色；右图为内膜社区放大，显示亚结构。下方为多尺度层次视图，节点代表组装，边代表包含关系，节点大小与蛋白数相关。

亮点 2｜SEC-MS正交验证89个组装

对U2OS细胞进行40个组分的SEC-MS，获得5509个蛋白的洗脱曲线。同一组装内蛋白的洗脱曲线相关性显著高于随机（P<0.05，FDR<5%），验证了89个组装，包括39个包含意外成员的小组装。例如DPYSL2-DPYSL3等复合物在SEC-MS中共洗脱，支持其物理互作。

图 3　Fig. 3 |。图3展示SEC-MS验证：a为实验流程；b为代表性组装中蛋白的洗脱曲线热图；c为组装内蛋白对的SEC-MS Pearson相关分布，小、中组装均显著高于随机；d为验证的组装数量与大小关系。

亮点 3｜AlphaFold预测111个新异二聚体结构

对小于10个蛋白的组装内1666个蛋白对运行AlphaFold-Multimer，161对获得高置信结构，其中111个未在PDB中记录。例如DPYSL2-DPYSL3、TARS3-EPRS1、ERH-CCDC9B等复合物结构均获高置信预测，且与SEC-MS共洗脱一致。

图 4　Fig. 4 |。图4展示结构预测和Rag-Ragulator模型：a为AlphaFold-Multimer预测的异二聚体评分；b-g为DPYSL2-DYSL3、TARS3-EPRS1、ERH-CCDC9B的SEC-MS图和结构；h-j为Rag-Ragulator复合物的IF图像、互作数据和整合结构模型。

亮点 4｜Rag-Ragulator复合物扩展模型

细胞图谱中的Rag-Ragulator组装除已知成员外，还包含BORCS6和ITPA。整合冷冻电镜结构（PDB:6WJ2）和AlphaFold预测，构建整合结构模型，显示BORCS6与LAMTOR2互作，ITPA与LAMTOR1/3/4互作，扩展了该复合物的组成。

图 5　Fig. 5 |。图5展示癌症突变分析：a为前550个蛋白的突变频率；b为98个癌症蛋白组装的突变频率，品红色条为显著突变组装；c为特定癌症类型中组装突变频率；d-e为显著突变组装汇总及大小分布。

亮点 5｜C18orf21和DPP9的新功能归属

C18orf21被归入RNase MRP复合物，其敲低诱导的转录状态与其他MRP基因敲低相似。DPP9被归入ISGF3复合物，DPP9抑制剂1G244上调IFNβ1、IFNγ1、IFNγ2表达，提示DPP9抑制干扰素信号。

亮点 6｜癌症突变聚焦于21个蛋白组装

分析772例儿童肿瘤突变，发现21个组装受显著突变选择（FDR≤0.4）。例如SWI-SNF复合物突变频率从单基因的2.5%升至组装水平的6.0%。在突变组装中定义250个候选癌蛋白，经转座子诱变筛选验证102个为新癌蛋白。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： AP-MS、免疫荧光、自监督多模态嵌入、多尺度社区检测、SEC-MS、AlphaFold-Multimer
• 公开数据： 原文未给出公开组学登录号
• 代码： 原文未给出公开 GitHub/GitLab 仓库
• 谁该点开原文： 从事细胞生物学、蛋白质组学、癌症基因组学或空间组学的研究人员。

带走一句

多模态整合能同时解析小复合物和大细胞器，为蛋白功能注释和癌症突变解读提供系统框架。