CZI Biohub 的 Manu Leonetti 介绍人类蛋白质组细胞内图谱：细胞器蛋白质组图与自监督深度学习

CZI Biohub 的 Manu Leonetti 报告以“细胞器为压缩测量面板”绘制的全细胞蛋白质组空间地图（opencell 体系），并用自监督深度学习从亚细胞定位图像预测蛋白复合物与互作。。思路：“全细胞尺度的细胞生物学”需把细胞复杂度降维到可管理的压缩测量面板；方案是以 37 个（后续证明 15 个即可）细胞器/无膜组装标记做 CRISPR 标签，温和裂解后免疫沉淀完整细胞器送质谱，覆盖约 8200 蛋白（近全蛋白质组）。；图谱构建：把富集矩阵转成 KNN 最近邻图（每蛋白连 20 个最相似富集谱），图聚类得到“空间地图”，无监督边界与真实细胞器边界高度吻合（分泌通路 ER→高尔基体→质膜完整呈现）。；高分辨率：粗粒度描述也能解析蛋白复合物（WASH、retromer、commander），预测蛋白质-蛋白质相互作用；图谱网站 organelles.czbio.org。；扰动应用：以冠状病毒 OC43 感染细胞，图对齐发现约 8% 蛋白质组“重定位”（relocalization），且与丰度变化几乎正交——重定位富集于稳态/应激（含铁死亡 ferroptosis），丰度变化富集于先天免疫；实验证实 ferroptosis 既被感染所需又是其驱动。；成像×AI 愿景：引用 opencell（>1300 人蛋白活细胞共聚焦 + 互作质谱），用自监督深度学习把亚细胞定位图映射到隐空间，仅凭衍射极限图像就预测出某 ER 蛋白是 OST 糖基转移酶新亚基（质谱验证）；展望构建“成像→AI 解释器”从少量形态/生物传感器特征推断细胞全功能状态。取文说明：经 YouTube 字幕抓取，5608 词；讲者自陈宣传性主张（如图像跨越 3 个数量级分辨率桥接蛋白互作）属方法学愿景，非既定结论。

• 思路：“全细胞尺度的细胞生物学”需把细胞复杂度降维到可管理的压缩测量面板；方案是以 37 个（后续证明 15 个即可）细胞器/无膜组装标记做 CRISPR 标签，温和裂解后免疫沉淀完整细胞器送质谱，覆盖约 8200 蛋白（近全蛋白质组）。
• 图谱构建：把富集矩阵转成 KNN 最近邻图（每蛋白连 20 个最相似富集谱），图聚类得到“空间地图”，无监督边界与真实细胞器边界高度吻合（分泌通路 ER→高尔基体→质膜完整呈现）。
• 高分辨率：粗粒度描述也能解析蛋白复合物（WASH、retromer、commander），预测蛋白质-蛋白质相互作用；图谱网站 organelles.czbio.org。
• 扰动应用：以冠状病毒 OC43 感染细胞，图对齐发现约 8% 蛋白质组“重定位”（relocalization），且与丰度变化几乎正交——重定位富集于稳态/应激（含铁死亡 ferroptosis），丰度变化富集于先天免疫；实验证实 ferroptosis 既被感染所需又是其驱动。
• 成像×AI 愿景：引用 opencell（>1300 人蛋白活细胞共聚焦 + 互作质谱），用自监督深度学习把亚细胞定位图映射到隐空间，仅凭衍射极限图像就预测出某 ER 蛋白是 OST 糖基转移酶新亚基（质谱验证）；展望构建“成像→AI 解释器”从少量形态/生物传感器特征推断细胞全功能状态。取文说明：经 YouTube 字幕抓取，5608 词；讲者自陈宣传性主张（如图像跨越 3 个数量级分辨率桥接蛋白互作）属方法学愿景，非既定结论。