今天给大家分享一篇Nature Methods上的文章Multiscale biochemical mapping of the brain through deep-learning-enhanced high-throughput mass spectrometry，本文通讯作者是来自伊利诺伊大学厄巴纳-香槟分校的Fan Lam教授与 Jonathan V. Sweedler教授。其研究方向分别为生物信息学、生物成像和分析神经化学。

现在的技术对整个器官层面组织与单细胞之间的生化鉴定仍然具有挑战，但现在的技术进步表明质谱可能解决这一瓶颈，通过质谱成像技术能在空间上匹配生物分子到细胞乃至亚细胞分辨率。本文中作者将高通量组织质谱成像技术与高通量单细胞质谱技术整合，通过深度学习将两者的数据进行匹配，从而对组织中单细胞的生物分子进行表征。

在这一流程中，首先通过质谱成像对组织切片进行检测，同时也分离出单细胞进行单细胞组学检测。但高分辨的质谱检测极度耗时，因此作者通过深度学习模型将低分辨的数据构建成高分辨的结果。之后作者通过算法将质谱成像的结果匹配到核磁构建的图像上，此后利用单细胞质谱的结果对单细胞进行聚类，再根据质谱成像得到的特征分子在空间上匹配得到单细胞的信息。

作者用此方法成功地对大鼠大脑进行了脂质与代谢物进行了成像，得到结果具有高分辨率与高信噪比。大脑各个结构中脂质的组成不同，因此作者也利用成像数据成功地对大脑脑区进行了区分，并具有极高的准确度。最后作者将单细胞质谱的结果进行聚类，区分出不同细胞间的脂质组成特征，然后能根据质谱成像得到的脂质信息将细胞类型匹配到空间上。

文章引用：10.1038/ s41592-024-02171-3