IF36.1｜C-COMPASS：神经网络解析细胞器蛋白与脂质空间分布

一个免编程的深度学习工具，让细胞器多组学空间图谱触手可及。

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

细胞器是细胞功能的模块化单元，其组成随细胞类型和状态动态变化。基于密度梯度离心的蛋白质组学方法（如PCP和LOPIT）可生成数千种蛋白在多个组分中的丰度谱，用于推断亚细胞定位。然而，这些数据高度复杂：约50-60%的蛋白具有多个定位，且不同细胞器谱型常重叠。现有计算工具多基于SVM、贝叶斯或聚类，只能给出概率性单一定位，无法定量描述蛋白在多个细胞器间的分布，也难以整合蛋白质丰度或脂质组数据。此外，多数工具需要命令行操作，限制了湿实验研究者的使用。

科学问题

卡在哪里： 已有工具无法定量预测蛋白的多定位分布，不能整合全蛋白质组丰度来建模细胞器组成变化，也无法将空间分析扩展到脂质组。同时，缺乏用户友好的图形界面，使得非计算背景的研究者难以开展系统的细胞器动态研究。

本文要回答： 开发一个基于神经网络回归的免编程工具C-COMPASS，实现蛋白多定位的定量预测，并整合蛋白与脂质组数据，绘制细胞器组成动态图谱。

技术路线

作者主要用了：神经网络回归、密度梯度离心、LC-MS/MS、脂质组学、PCP、HyperLOPIT。

C-COMPASS以蛋白在梯度组分中的丰度谱为输入，利用已知单定位的标记蛋白训练神经网络，通过上采样和模拟多定位谱型增强训练集。模型输出每个蛋白在各细胞器的贡献值（CC），经阈值过滤和归一化后得到定量定位分布。对于条件比较，计算重定位分数（RLS）和距离分数（DS）识别显著变化。进一步整合全蛋白质组丰度，估算细胞器丰度并归一化，得到细胞器特异性的蛋白水平变化。最后，将同一梯度组分中的脂质丰度谱与蛋白标记谱共训练，预测脂质的亚细胞定位，实现蛋白-脂质双组学空间图谱。

图 1　Fig. 1。图1展示了C-COMPASS工作流程概览：从生物样本收集、细胞器分离、LC-MS/MS定量到生成蛋白丰度谱，然后输入C-COMPASS进行神经网络训练和预测，最终输出定位、重定位和细胞器组成分析。

核心亮点

亮点 1｜神经网络定量预测多定位

C-COMPASS采用五层神经网络回归，输出蛋白在各细胞器的贡献值（CC），而非单一分类。在人类白色脂肪细胞PCP数据集上，C-COMPASS的加权F1分数（0.84）略高于SVM（0.80），且在12个细胞器中的11个上表现更优。对线粒体蛋白的预测准确率最高，仅2个假阳性；脂滴蛋白预测也因上采样而显著改善（F1从<0.01提升至0.50）。C-COMPASS还识别出MIEF1和TSPO等线粒体-脂滴双定位蛋白，提示接触位点功能。

图 2　Fig. 2。图2以人白色脂肪细胞PCP数据为例，展示C-COMPASS的验证结果：UMAP显示上采样后标记蛋白聚类清晰；F1分数显示上采样显著改善脂滴等少数类预测；线粒体预测假阳性极少；C-COMPASS与SVM比较显示更高可靠性；过滤步骤有效去除假阳性；MIEF1和TSPO被识别为线粒体-脂滴双定位。

亮点 2｜跨工作流验证与重定位检测

在THP-1细胞LPS刺激的HyperLOPIT数据集上，C-COMPASS的加权F1分数在对照和LPS条件下分别达0.96和0.93。59.5%的蛋白被预测为多定位，与原始研究高度一致。C-COMPASS检测到LPS诱导的MHC-I通路和未折叠蛋白反应相关蛋白的重定位，并发现大量溶酶体到质膜、胞质到核的转移事件，与已知免疫激活过程吻合。

图 3　Fig. 3。图3展示C-COMPASS在HyperLOPIT数据上的应用：对照和LPS条件下F1分数高；CC热图显示多定位模式；与原始研究比较矩阵高度一致；LPS诱导的蛋白重定位富集于MHC-I和UPR通路；重定位事件主要发生在溶酶体-质膜和胞质-核之间。

亮点 3｜模拟数据揭示分辨率需求

通过模拟不同组分数量和细胞器数量的数据集，C-COMPASS的预测误差随组分数量增加而降低。当组分数量至少为细胞器数量的两倍时，F1分数保持>0.9。对于多定位蛋白（双定位或三定位），C-COMPASS的预测误差显著低于BANDLE和DOM-ABC。在重定位检测上，C-COMPASS的区室特异性重定位误差最大仅0.048，优于BANDLE。

图 4　Fig. 4。图4展示模拟数据评估结果：预测误差随组分数量增加而降低；组分/细胞器比低时约6%蛋白未分配；F1分数在组分数量≥2倍细胞器数时最高；C-COMPASS对多定位蛋白的预测误差低于BANDLE和DOM-ABC；重定位误差矩阵显示重叠谱型是主要误差来源。

亮点 4｜人源化小鼠肝脏代谢重塑图谱

在携带PNPLA3突变的人源化小鼠肝脏中，C-COMPASS比较了普通饮食、高脂高果糖（HFHF）饮食和HFHF后禁食三种状态。约2000个蛋白发生显著重定位（RLS>1），其中脂滴蛋白重定位比例最高。验证了PLIN5在禁食时从脂滴到胞质再返回脂滴的动态变化，并发现SINHCAF、RBBP7和ASF1A等SIN3-HDAC复合体亚基在禁食时从胞质/溶酶体转位至细胞核，以及COG复合体lobe B从高尔基体解离至胞质。

图 5　Fig. 5。图5展示人源化小鼠肝脏代谢实验：14组分PCP仍能分辨11个细胞器；不同饮食条件下蛋白定位分布；RLS分布显示约四分之一蛋白发生显著重定位；PLIN5、SINHCAF等蛋白的定位变化；线粒体和脂滴的细胞器组成变化分析。

亮点 5｜蛋白-脂质双组学空间图谱

C-COMPASS将脂质丰度谱与蛋白标记谱共训练，预测了411种脂质在14个组分中的亚细胞定位。TAGs主要定位于脂滴，心磷脂和特定PE物种定位于线粒体，神经酰胺定位于内质网。发现PG和LPG物种的脂肪酸链长度依赖的分选：PG(18:1)定位于溶酶体，而PG(16:1)定位于线粒体。基于预测的细胞器脂质组，揭示了分泌途径中膜脂碳链长度和不饱和度的梯度变化。

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： 神经网络回归、密度梯度离心、LC-MS/MS、脂质组学、PCP、HyperLOPIT
• 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： 做细胞器蛋白质组、脂质组或亚细胞定位动态的研究者，尤其是湿实验背景、需要免编程工具的人。

带走一句

C-COMPASS把细胞器空间蛋白质组学从分类问题变成了回归问题，定量多定位和重定位，还能扩展到脂质组。做细胞器动态研究的人可以直接用它的GUI，不用写代码。