在探索大腦這個復雜宇宙的征途中，科學家們一直試圖繪制出其中億萬星辰——不同類型神經元的精確“身份檔案”。轉錄組學技術讓我們能夠“傾聽”細胞中基因的“低語”（mRNA），但這遠遠不夠，因為最終執行生命活動的核心角色是蛋白質，而蛋白質的水平受到合成、周轉和翻譯后修飾（PTM）等多種因素的精密調控。理解神經元如何分化并行使特異功能，亟需在蛋白質層面精確解析不同神經元類型的特征。然而，現有的細胞特異性蛋白質組學研究方法常常面臨嚴峻挑戰：要么依賴于物理分離細胞（如細胞分選），這可能導致細胞結構損傷、樣本污染和應激假象；要么在檢測極少量細胞（例如秀麗隱桿線蟲中僅有的8個多巴胺能神經元）時，缺乏足夠的靈敏度和特異性。這一技術瓶頸阻礙了我們在完整生物體背景下，窺探特定神經元蛋白質世界的全貌。

為了突破這一局限，來自香港大學的研究團隊Qiao Ran、Siyue Huang、Xiang David Li和Chaogu Zheng開展了一項創新性研究。他們巧妙地融合了兩項前沿技術：甲硫氨酸類似物細胞特異性蛋白質組學與互作組學（MACSPI）和穩定同位素標記氨基酸細胞培養（SILAC），在經典模式生物秀麗隱桿線蟲（C. elegans）體內，成功實現了對特定神經元類型蛋白質組的原位標記、富集、定量和比較分析。這項研究以兩種功能明確的神經元——八對多巴胺能神經元（DA）和六個觸覺感受神經元（TRN）為模型，不僅繪制了各自的蛋白質組圖譜，還直接比較了二者的差異，發現了與各自功能相適應的獨特蛋白表達特征。相關研究成果已發表在學術期刊上。

研究人員運用的關鍵技術方法主要包括：1. 神經元特異性標記：利用基因工程，在目標神經元中表達一種改造的甲硫氨酰-tRNA合成酶（CeMetRS L43G突變體），該酶能夠將帶有化學手柄（炔基）的甲硫氨酸類似物（photo-ANA）摻入到新生蛋白質中，從而在復雜的生物體組織內對特定神經元的蛋白質組進行化學標記。2. 點擊化學富集：利用銅催化的疊氮-炔烴環加成反應，將帶有生物素標簽的疊氮化合物與神經元中標記了photo-ANA的蛋白質共價連接，再通過鏈霉親和素磁珠從整個線蟲裂解液中特異性富集出目標蛋白，無需物理分離細胞。3. SILAC定量比較：通過喂食含有“重”同位素（¹³C₆, ¹⁵N）或“輕”同位素（¹²C₆, ¹⁴N）標記的精氨酸和賴氨酸的工程化大腸桿菌食物，使線蟲體內蛋白質被代謝標記。通過比較“重/輕”同位素的信號強度，實現對不同樣本（如DA神經元 vs 背景，或DA神經元 vs TRN神經元）中蛋白質的相對定量分析。4. 液相色譜-串聯質譜（LC-MS/MS）分析：對富集并酶切后的肽段進行高精度質譜檢測和數據采集，結合生物信息學分析進行蛋白鑒定和定量。

研究首先驗證了實驗體系的可行性。通過在DA或TRN神經元中特異性表達能夠利用photo-ANA的CeMetRS L43G突變體，并喂食含有photo-ANA的食物，成功實現了神經元類型特異性的蛋白質標記。體內原位點擊化學成像顯示，熒光信號（對應標記的蛋白質）與抗FLAG抗體信號（指示工程酶的表達）在目標神經元中共定位，證實了標記的高度特異性。體外凝膠內熒光實驗也證實了從表達工程酶的線蟲裂解液中能夠富集到被photo-ANA標記的蛋白質。

通過對DA神經元進行MACSPI-SILAC分析，研究人員鑒定出一個包含400個高置信度蛋白質的DA神經元核心蛋白質組。這些蛋白中，高達82%-89%在已發表的單細胞轉錄組數據中顯示在DA神經元有mRNA表達，驗證了方法的可靠性。其中包括多個已知在DA神經元中發揮功能的蛋白，如突觸小泡蛋白RAB-3、調節突觸傳遞的Gq蛋白EGL-30、線粒體必需的NADH脫氫酶GAS-1等。此外，研究還通過構建GFP報告基因，確認了多個先前未表征的蛋白（如cest-32、F17A9.4、F52E4.5）確實在DA神經元中表達。功能富集分析顯示，DA神經元蛋白質組顯著富集于突觸傳遞、胞內蛋白轉運、線粒體功能與能量代謝、核糖體、氨基酸生物合成等通路。

同樣的方法被應用于六個TRN神經元。研究人員鑒定出210個高置信度的TRN神經元核心蛋白質。其中包含多個已知的TRN標志性蛋白，如TRN特異性β-微管蛋白MEC-7、調節軸突生長的錨蛋白UNC-44、與觸覺敏感性相關的β-整合素PAT-3等。GFP報告基因也驗證了如nkb-3、F36G3.2等新發現的TRN表達蛋白。功能分析表明，TRN蛋白質組在碳代謝、TCA循環、氧化磷酸化、細胞骨架成分和信號轉導相關通路中顯著富集。

為了直接比較兩種神經元的蛋白質組差異，研究人員設計了另一個SILAC實驗：在“重”同位素培養基中培養DA神經元特異性標記的線蟲，同時在“輕”同位素培養基中培養TRN神經元特異性標記的線蟲，然后將兩者裂解液混合進行共富集和質譜分析。通過定量比較，鑒定出336個在DA神經元中高表達的蛋白和324個在TRN神經元中高表達的蛋白。DA高表達蛋白富集于氧化磷酸化、溶酶體、谷胱甘肽代謝等通路，而TRN高表達蛋白則富集于細胞骨架（如MEC-7、MEC-12）、輔因子生物合成、分子馬達蛋白等通路。這反映了兩類神經元功能的特化：DA神經元更偏向于神經遞質代謝和氧化應激應對，而TRN神經元則側重于維持其特化的細胞骨架結構和感覺轉導。

通過將蛋白質組數據與已有的單細胞轉錄組數據比較，研究人員發現mRNA水平與蛋白質豐度之間的相關性很弱（皮爾遜相關系數r約為0.3）。這印證了僅憑轉錄組數據難以準確預測蛋白質表達水平，凸顯了直接進行蛋白質組測量對于理解細胞狀態的重要性，也提示了可能存在豐富的轉錄后調控機制。

通過整合兩種不同SILAC實驗策略（神經元vs背景， 神經元A vs 神經元B）得到的數據，并納入在單一實驗中僅被“重”或“輕”同位素標記的蛋白，研究最終得到了一個更全面的蛋白質組列表：包含774個蛋白的擴展DA神經元蛋白質組和包含760個蛋白的擴展TRN神經元蛋白質組。對這兩組蛋白的深入分析進一步揭示，DA特異性蛋白（即只在DA中高表達）與溶酶體、蛋白酶體通路相關，可能與其多巴胺代謝產生的氧化應激管理有關；TRN特異性蛋白則與細胞黏附分子（IgSF CAM）信號、內吞作用等通路相關，可能支持其機械感覺功能。而兩類神經元共有的蛋白則更多參與基礎的代謝過程，如TCA循環。

本研究成功建立并驗證了MACSPI-SILAC這一整合性平臺，能夠在復雜的多細胞生物體內，無需物理分離細胞，即可實現極少量特定細胞類型（如僅有幾個神經元）的蛋白質組學高靈敏度、定量化分析。這為解決細胞類型特異性蛋白質組學研究的特異性與靈敏度難題提供了強大工具。

該研究的成功展示了幾個重要意義。首先，方法學上的突破：它彌合了單細胞轉錄組學與蛋白質功能分析之間的鴻溝，為在蛋白質層面解析細胞異質性開辟了新途徑。其次，生物學發現：研究不僅繪制了DA和TRN兩種重要神經元類型的蛋白質組圖譜，發現了新的潛在標志物，還通過直接比較揭示了它們在代謝、結構和信號通路上的根本性差異，為理解神經元命運特化和功能分化提供了蛋白質層面的新見解。最后，廣泛的應用前景：該方法具有高度的可擴展性，理論上可用于任何多細胞生物的任何細胞類型。其應用場景包括：監測疾病模型（如以線蟲DA神經元為模型的帕金森病）中特定細胞類型的蛋白質組動態變化；研究藥物或環境刺激對特定細胞類型的蛋白水平影響；乃至未來構建整個生物體的細胞類型特異性蛋白質組圖譜。

當然，研究也存在一定局限，例如受制于新型化合物photo-ANA的供應，生物學重復數量有限；方法本身對含甲硫氨酸較多的蛋白可能存在偏好性；且需要依賴組織特異性啟動子進行轉基因操作。然而，這些并不掩蓋其所展示的巨大潛力。展望未來，通過使用其他氨基酸類似物和對應的工程化合成酶，或可實現兩種細胞類型蛋白質組的正交、同步分析。總之，這項研究為在完整生物體的自然環境下，精確定量地窺探特定細胞類型的蛋白質世界，點亮了一盞明燈。