lvzhaopeng的数字花园

文献解读 001 细胞器蛋白

9分钟阅读

C-COMPASS: a user-friendly neural network tool profiles cell compartments at protein and lipid levels
发表于 Nature Methods。 2025

关键词：亚细胞定位

领域： 方法学

创新点：

传统现在
表达变化
→ pathway变化		location change
→ organelle rewiring 细胞器重编程 / 重塑
→ cell state transition

假设：
亚细胞定位变化=功能变化

整体workflow

文章逻辑大概：

Cell fractionation
↓
MS proteomics/lipidomics
↓
fraction profile
↓
Neural network embedding
↓
Compartment probability
↓
Dynamic relocalization
↓
Mechanism inference

噪声来源

  1. 实验分离
    1. 每一个离心层 混合组分比如 线粒体+ER
  2. 多生物学信号
    1. 一个蛋白存在多个细胞器中
  3. MS定量
    1. 缺失值
    2. 离子抑制
    3. 批次效应
    4. 低丰度蛋白噪声大
  4. 实验
    1. 细胞器破损

方法学习

  1. 处理降噪

    1. Latent Embedding 隐表征 核心

      1. 假设： 真实compartment structure 存在低维连续流形 而：noise：
        是高维随机扰动。

    2. 提供了maker

  2. 非线性关系
    1. 神经网络

Methods部分

DIA raw data files were processed using Spectronaut 18 (Copernicus, Biognosys) with the directDIA+ deep-mode option, searching against the UniProt databases for humans (UP000005640_9606) and mice (UP000000589_10090). Trypsin P cleavage allowed peptide lengths of seven to 52 amino acids with up to two missed cleavages. Fixed modifications included carbamidomethylation, and variable modifications included methionine oxidation and N-terminal acetylation. The analysis selected three to six best N-fragment ions per peptide with a precursor and protein q-value cutoff of 1%. Global normalization used median quantities corrected for MS intensity drift.

数据处理方法

  1. or min_max归一化
  2. 对于细胞组分 总量归一化 ，如果缺失 认为是0， 而不是没表达
  3. 对于蛋白组 down-shfit
  4. 对于细胞组分的脂质 总量归一化
  5. 对于脂质组 KNN-TN 使用最近邻法（k = 1）补值

生物学背景补充

  1. organelle continuum
    1. 细胞器不是单独隔离的组合，存在迁移和交换 比如高尔基和ER

历史演变

以下是根据你提供的内容整理的Markdown表格：

发展代际研究领域核心关注点主流技术手段核心作用机制链
第二代细胞状态生物学细胞异质性单细胞转录组测序、细胞轨迹分析、拟时序分析细胞状态转换
第三代组织空间生物学组织空间结构空间转录组、多重成像技术微环境→细胞间相互作用
第四代亚细胞拓扑生物学胞内空间结构决定细胞功能C-COMPASS 等亚细胞多组学分析工具细胞器拓扑结构→细胞命运
老变量新变量
expressionlocalization
abundancetopology
pathwayorganelle interaction
mutationspatial rewiring

课题设计

一、疾病与“为什么适合”空间生物学视角

疾病核心机制切入点
肿瘤代谢区室化
神经退行性疾病lysosome / mitochondria 动态异常
OA（骨关节炎）ECM secretion + ER stress
ferroptosismembrane lipid remodeling
免疫炎症NF-κB trafficking
脂代谢病lipid droplet biology

二、通用机制链条模板（适用于任何疾病）

层级核心内容
Disease疾病起始
→ spatial proteomics空间蛋白质组变化
→ organelle remodeling细胞器重构
→ lipid redistribution脂质重新分布
→ TF relocalization转录因子重定位
→ cell-state shift细胞状态转变
→ pathology病理结局

三、真正因果实验的三种方法（从观察 → 操控）

方法策略示例因果强度
强制定位加定位信号序列NLS / NES / mitochondrial targeting sequence★★★★★
阻断 trafficking抑制转运蛋白importin/exportin inhibitor，囊泡转运抑制剂★★★★☆
改变脂质组成调控脂代谢酶LPCAT3、ACSL4、SREBP、FASN 敲低★★★★☆

四、三个具体课题机制模板

模板1：OA

层级内容
OA骨关节炎
→ ER stress内质网应激
→ secretory organelle remodeling分泌细胞器重构
→ collagen trafficking异常胶原蛋白转运异常
→ ECM degeneration细胞外基质降解

模板2：肿瘤

层级内容
Tumor hypoxia肿瘤缺氧
→ lipid remodeling脂质重塑
→ mitochondrial relocation线粒体重定位
→ metabolic plasticity代谢可塑性
→ drug resistance耐药性

模板3：免疫炎症

层级内容
Inflammation炎症刺激
→ lysosome remodeling溶酶体重构
→ TFEB nuclear translocationTFEB 入核
→ macrophage state transition巨噬细胞状态转变

五、可迁移的生信工作流（直接套用）

流程1：疾病空间重编程

Disease vs Control
    ↓
Spatial proteomics
    ↓
Compartment probability
    ↓
Relocalized proteins
    ↓
Organelle pathway enrichment
    ↓
Cell-state inference

流程2：代谢-空间机制

Metabolomics / Lipidomics
    ↓
Membrane remodeling
    ↓
Protein trafficking
    ↓
TF relocalization
    ↓
Phenotype

流程3：单细胞 + 空间多组学（未来最强）

scRNA-seq
    +
spatial proteomics
    +
organelle inference
    ↓
multi-scale spatial biology

六、C-COMPASS 的技术地位

技术开启的时代研究对象
scRNA-seq细胞状态生物学细胞异质性
spatial transcriptomics组织空间生物学组织结构
C-COMPASS亚细胞拓扑生物学细胞器架构

C-COMPASS 不是普通AI工具，而是空间系统生物学的基础设施。

七、结合你现有路线的最终建议

你特别适合的方向已整理为下表：

方向机制链条
乳酸化 + OA乳酸化 → membrane remodeling → ER stress → collagen trafficking collapse
ferroptosis + OAferroptosis → mitochondrial topology rewiring → chondrocyte death
lipid droplet + 炎症lipid droplet remodeling → inflammatory signaling compartmentalization

未来

一、未来生物学的四个核心转向

转向领域传统视角未来视角
细胞器生物学静态细胞器结构细胞器动态重编程
细胞器互作单一细胞器功能Contact-site biology（ER-mito、mito-lysosome、ER-LD）
膜生物学膜作为屏障膜状态决定细胞命运
代谢有无代谢产物代谢发生在哪里（空间代谢）

二、未来生信分析的关键变化

维度过去未来
分析范式matrix analysisgeometry analysis（空间拓扑分析）
功能富集pathway enrichment（忽略空间）蛋白在哪里 > 通路归属
核心推理谁调控谁谁把谁搬走了（relocation biology）
机制闭环gene → pathway代谢 → 膜状态 → 细胞器拓扑 → 蛋白路由 → 转录 → 细胞命运

三、未来高级分析的核心内容：topology inference

分析对象关键问题
细胞器如何重构？
膜系统如何变化？
蛋白路由（protein routing）如何被改变？

四、未来最强实验设计：空间工程

策略示例
人工改变蛋白定位强制蛋白进入线粒体
人工改变膜组成修改膜脂成分
人工重建contact siteER-mito tether engineering

五、你最该提前布局的技术方向

技术方向战略价值
lipidomics从代谢物 → 空间膜调控
spatial proteomics核心入口
organelle biology（ER / lysosome / mitochondria）机制关键节点
live-cell imaging不可或缺的动态验证
perturbation biology真正因果推断

六、结合你现有路线的三个推荐方向

方向机制链条
乳酸化乳酸化 → membrane remodeling → ER stress → collagen trafficking collapse
ferroptosisferroptosis → mitochondrial topology rewiring → chondrocyte death
脂滴重塑lipid droplet remodeling → inflammatory signaling compartmentalization

关系图谱

反向链接