一文搞懂徕卡激光显微切割 (LMD) 研究里程碑：生物标志物发现篇
作者：Greb C, Marr J, SchlaudraffF
所属机构：Leica Microsystems CMS GmbH, Ernst-Leitz-Str. 17-37, 35578 Wetzlar, Germany.
1、研究目标
多数疾病的根源为细胞异常，而这类异常通常由蛋白质表达水平、丰度或生物活性改变所引发。
蛋白质是基因组功能的直接体现，细胞蛋白质组是判断机体健康状态、解析疾病机理的核心指标。即便在极小的空间范围内（如肿瘤微环境），相邻细胞的蛋白质组也会存在显著差异。想要解析这类复杂的生物系统，必须在蛋白质层面剖析细胞异质性。
研究目标：借助激光显微切割技术分离特定细胞群，实现高空间分辨率蛋白质组学分析，支撑后续深度的研究。
2、方法与材料
本研究核心采用深度视觉蛋白质组学（DVP） 技术，该技术由 Matthias Mann 团队研发，可精准标注具有空间特征的细胞表型。整套工作流整合两大核心技术：
1、激光微切割技术（LMD）：实现空间分辨下的细胞分离；
2、超灵敏质谱技术：完成深度蛋白质组分析。
徕卡 LMD 是 DVP 的核心工具，可在无接触状态下分离单细胞或感兴趣区域（ROI）样本，避免邻近细胞信号干扰，实现完整组织切片内单细胞蛋白质组分析。
整套工作流程融合成像、AI 分割、激光显微切割、蛋白质组学分析四大环节：依靠人工智能自动识别特定表型细胞并标记，再通过 LMD 完成自动化分离，最终结合质谱技术获取分子层面研究数据。
3、研究结果
深度视觉蛋白质组学（DVP）自 2022 年推出后，已从概念性技术突破发展为成熟的转化医学研究工具，各阶段重要里程碑如下：
2022 年代表研究：Mund 等人（《自然 - 生物技术》） 核心成果：正式推出 DVP，打造全球首个结合人工智能的空间单细胞蛋白质组学技术，完成组织切片单细胞蛋白质组图谱分析，解析细胞身份与异质性。 2023 年代表研究：Rosenberger 等人（《自然 - 方法》） 核心成果：技术升级为单细胞 DVP（scDVP），实现肝细胞蛋白质组空间分区图谱绘制；支持引导式感兴趣区域（ROI）结合 LMD 开展实验。 2024 年代表研究：Nordmann 等人（《自然》） 核心成果：实现临床转化突破，在致命性皮肤病中锁定 JAK-STAT 通路，确定 JAK 抑制剂为候选治疗药物；同期上线协作式 DVP 平台，支持多中心疾病机制研究。 2025 年代表研究：Rosenberger 等人（《自然》）、AACR 会议海报 核心成果：应用于遗传性 α1 - 抗胰蛋白酶缺乏症研究，绘制蛋白毒性应激图谱，阐明病理机制并提出贝特类药物治疗方案；推出自动化、可扩展的 AI 驱动 DVP 工作流，拓展制药领域应用场景。
综合结果表明，DVP 技术已完成从基础研究向临床应用的跨越，为精准医学领域的空间组学研究建立了标准工作流程。
4、技术核心价值与应用场景
激光显微切割（LMD）技术持续迭代，满足空间蛋白质组学对通量、精度的需求，主要优化及应用形式。
图 3a 说明：LMD 通量优化方案，切割后的样本可直接收集至孔板，显著提升实验整体通量。
图 3b 说明：感兴趣区域（ROI）的两种定义方式：一是依托人工智能图像分割划定区域；二是使用规则矩形手动划定区域，适配多样化实验需求。
结论
1、激光显微切割（LMD）可实现单细胞级别的生物样本精准分离，同时完整保留组织空间信息，适用于肿瘤微环境等异质性较强的生物结构，支持细胞级高分辨率分析。
2、深度视觉蛋白质组学（DVP）是一套集成化技术体系，整合高分辨率显微技术、AI 图像分割、无接触式激光显微切割、超灵敏质谱技术四大模块。
3、DVP 已成功应用于人类临床样本研究，能够有效挖掘疾病作用机制与可药物化靶点。目前该技术正持续推进系统化扩展与全流程自动化，逐步拓展至更多疾病研究领域。
补充信息：更多内容可查阅官网 www.omicvision.com
参考文献：
1. Andreas Mund, Fabian Coscia, Andras Kriston, et al. Deep Visual identity and heterogeneity. Nat Biotechnol, 2022, 40: 1231–1240. https://doi.org/10.1038/s41587-022-01302-5
2. Florian A. Rosenberger, Marvin Thielert, Maximilian Strauss, et al. 空间单细胞质谱技术定义了肝细胞蛋白质组的分区. Nat Methods, 2023, 20: 1530–1536. https://doi.org/10.1038/s41592-023-02007-6
3. Thierry M. Nordmann, Holly Anderton, Akito Hasegawa, et al. 空间蛋白质组学确定 JAKi 为一种致命皮肤病的治疗方法. Nature, 2024, 635: 1001–1009. https://doi.org/10.1038/s41586-024-08061-0
4. Florian A. Rosenberger, Sophia C. Mädler, et al. 深度视觉蛋白质组学绘制遗传性肝病中的蛋白毒性图谱. Nature, 2025. https://doi.org/10.1038/s41586-025-08885-4
5. Elias Maris, Farid Jahouh, Kathleen Allaerts, Rob Vreeken. 开发一种连续激光显微切割组织切片工作流，用于新鲜冷冻组织切片中药物的空间和定量分析. PLoS one, 2024. https://doi.org/10.1371/journal.pone.0312542
