Proteinkartierung für alle

Die räumliche Proteomik (Spatial Proteomics) revolutioniert das molekulare Verständnis von Gewebestrukturen analog zur hochauflösenden Satellitenkartierung der Erdoberfläche. Mittels Deep Visual Proteomics (DVP) lassen sich Proteine in einzelnen Zellen quantifizieren und gleichzeitig exakt in ihrem histologischen Kontext verorten. Um die von Nature Methods als „Methode des Jahres 2024“ gewürdigte Technologie breiter zugänglich zu machen, hat das Team um Dr. Fabian Coscia das Open-Source-Tool „openDVP“ entwickelt. Die Lösung vereinfacht und beschleunigt den gesamten analytischen Workflow signifikant.

„Wir freuen uns sehr, dass sich die Methode in den letzten Jahren stark weiterentwickelt hat – was den gemeinsamen Anstrengungen mehrerer internationaler Forschungsgruppen zu verdanken ist“, sagt Coscia. „Uns wurde jedoch auch klar, dass für weitere Fortschritte und für die breite Nutzung und Akzeptanz in der Fachwelt Open-Source-Tools erforderlich sind. Wir haben openDVP entwickelt, um diese entscheidende Lücke zu schließen.“

Methodisches Prinzip: Kopplung von Bildgebung, KI und Massenspektrometrie

Der DVP-Workflow kombiniert hochauflösende mikroskopische Bildgebung, KI-gestützte Bildanalyse und hochempfindliche Massenspektrometrie, um umfassende Proteomkarten von Tausenden Einzelzellen im Gewebeverband zu erstellen. Dies erlaubt universelle Einblicke in die Pathogenese und Molekularbiologie unterschiedlichster Gewebetypen. Durch openDVP wird der Bildanalyseprozess optimiert, sodass Zielzellen oder Gewebebereiche ohne tiefgehende Bioinformatik-Kenntnisse schnell identifiziert und vermessen werden können. Zudem integriert die Plattform die „zelluläre nachbarschaftsgeführte DVP“ (cnDVP), welche die Gewebepräparation auf Basis funktioneller Zellcluster steuert. „cnDVP beschleunigt die Probenentnahme um das etwa 100-Fache“, sagt Jose Nimo. „Unser gesamter openDVP-Workflow senkt die Einstiegshürden für eine wachsende DVP-Community erheblich.“

Validierung an komplexen Gewebematrizen: Plazenta, Lungen- und Brustkrebs

Zur Demonstration der Leistungsfähigkeit analysierten die Forschenden räumlich aufgelöste Proteome aus drei unterschiedlichen Geweben: Plazenta, Lungenadenokarzinom und Brustkrebs. „Wir haben diese Proben ausgewählt, um die Vielseitigkeit unserer Methode zu zeigen. Mit ihnen können wir verdeutlichen, wie das Verfahren einzigartige Einblicke in die Funktion von Proteinen in verschiedenen zellulären Umgebungen liefern kann, die bisher weitgehend unerforscht waren“, sagt Coscia.

Während im Plazentagewebe komplexe Interzellulärkommunikationen entschlüsselt wurden, identifizierte die Plattform im Lungenadenokarzinom therapeutisch adressierbare Targets sowie den Glukosetransporter GLUT1 als Biomarker für Metastasierung. „Patienten mit Tumoren, die hohe Mengen dieses Proteins aufweisen, zeigen deutlich schlechtere Überlebensraten – was seine klinische Relevanz verdeutlicht“, erläutert Nimo. Bei Brustkrebsgewebe deckte die Methode hochregulierte Entzündungssignalwege auf, die mit Chemoresistenzen korrelieren.

Klinische Perspektiven und Integration histologischer KI-Modelle

openDVP bietet großes Potenzial für die klinische Forschung, die Arzneimittelentwicklung und das Screening von Wirkmechanismen sowie Resistenzmustern. Für künftige Anwendungen ist die Einbindung histopathologischer KI-Großmodelle (Foundation Models) geplant, um vergleichende Proteomstudien in großem Maßstab zu ermöglichen. „Auf diese Weise werden wir in der Lage sein, groß angelegte räumliche Proteomik-Studien zu vielen verschiedenen Krankheiten durchzuführen“, sagt Nimo. „openDVP ist ein fantastischer technologischer Wegbereiter für diese wichtigen nächsten Schritte“, fügt Coscia hinzu. „Wir können nun Fragen nachgehen, die vor wenigen Jahren noch völlig undenkbar waren.“

Quelle

Max-Delbrück-Centrum für Molekulare Medizin in der Helmholtz-Gemeinschaft (10/2026)