在人类临床试验中，90%的候选药物尽管在动物或细胞模型中表现出疗效，但都失败了。失败率意味着大多数模型无法提供对活人疾病机制的足够洞察力。对哪些特定细胞驱动疾病的不完全理解反映了在高度复杂、动态的人类组织中询问体内单个细胞及其分子的困难。特别是，在大脑和视网膜等非再生器官和组织中，细胞水平分析受到严重限制，因为直接活检会造成严重、不可逆转的功能损害。捕获局部浓缩液体的液体活检可能是获取蛋白质组信息的唯一良性方法。

然而，目前的分析无法以精细的细胞分辨率解析蛋白质。相反，尽管单细胞RNA测序（scRNA-seq）和空间转录组学在细胞分辨率下产生基因表达的描述，但它要么需要直接组织活检，要么仅限于死后组织。此外，人们无法推断任何给定的mRNA是否被翻译成蛋白质，这使得评估蛋白质组与人类疾病的相关性变得具有挑战性。

人眼是一个复杂的器官，由所有三个胚层的组织组成，包含各种细胞类型，包括神经元、血管、基质、免疫和血细胞。眼组织的透明度允许直接可视化和精确的临床表型人类疾病，从遗传疾病到代谢、炎症和神经退行性疾病。虽然色素沉着性视网膜炎（RP）等一些疾病是眼睛特有的，但另一些则反映了系统性疾病。糖尿病视网膜病变（DR）是失明的主要原因，反映了糖尿病患者的系统性微血管病，是影响全球每11名成年人的死亡的主要原因。

葡萄膜炎是由于眼部自身免疫或自身炎症导致的失明的另一个主要原因，通常是系统性风湿病的表现。帕金森病（PD）是最常见的神经退行性疾病之一，估计终生风险高达2%。PD的诊断评估通常具有挑战性，因为常规脑组织活检不可行。有趣的是，视网膜成像显示PD患者的微妙结构变化，这表明眼睛的变化可能与大脑病理学相关。因此，眼睛不仅使人类与环境互动的主要感觉，而且还提供了对一个人健康的广泛了解。

在人眼中已经确定了57种不同的细胞类型，所有这些细胞都以单细胞水平的RNAseq为特征。所有这些细胞类型都可以将其蛋白质释放到眼睛的两个充满液体的腔室中，这些腔室中含有覆盖视网膜上的玻璃体液或角膜后面的水液（水液[AH]）。血眼屏障将眼液与血浆分离，导致眼睛内部有独特的蛋白质成分。在患者清醒时，可以使用局部麻醉安全地进行这两个腔室的液体活检。由于含有局部富集液体的独特腔室结构，眼睛是将液体-活检蛋白质组学与组织细胞水平转录组学相结合的理想器官。

2023年10月19日发表在Cell的文章，展示了一种以消除上述局限性的方式整合微体积液体活检蛋白质组学、单细胞转录组学和人工智能（AI）的方法，创造了一个检查体内细胞层面疾病机制的强大工具。研究人员将这种方法称为TEMPO（追踪多种蛋白质来源的表达）。正如人眼所体现的那样，TEMPO对疾病机制以及衰老与疾病之间的联系提供了令人惊讶的新见解。

本文摘要图

在这里，研究人员使用基于aDNA适配体的检测应用了高分辨率蛋白质组学特征，将AH或玻璃体液中的近6000种蛋白质追溯到其原细胞。本文观察到具有意外疾病活动的细胞特异性标记蛋白。此外，人工智能的分析用于创建预测健康受试者年龄的蛋白质组时钟，并开发细胞特异性衰老模型，这些模型发现了老年本身不是风险因素的疾病加速细胞衰老的证据。多模式TEMPO方法可以在衰老和疾病期间对活人的单个细胞类型进行分子监测，原则上适用于其他器官，如大脑（使用脑脊液）、肺（支气管肺泡灌洗液）、肾脏（尿液）和乳房（母乳）以及关节（超声液）和肿瘤囊肿。

TEMPO多组学方法确定了液体活检蛋白的细胞来源

通过将液体活检的蛋白质组学与所有已知眼细胞类型的单细胞转录组学相结合来解决这个问题，以追踪在水液中检测到的5953种蛋白质的细胞来源。本文确定了数百种细胞特异性蛋白质标记，包括单个视网膜细胞类型。令人惊讶的是，本文结果表明，视网膜退化发生在帕金森病中，驱动糖尿病视网膜病变的细胞随着疾病阶段切换。最后，研究人员开发了人工智能（AI）模型来评估单个细胞老化，并发现许多与年龄无关的眼部疾病经历了疾病特异性细胞类型的加速分子衰老。本文的方法可以应用于其他器官系统，有可能改变分子诊断和预后，同时发现新的细胞疾病和衰老机制。

综上所述，本文开发了一种强大的、面向人工智能的多组学方法TEMPO，将高分辨率液体活检蛋白质组学与组织细胞级转录组学相结合，该基因组学本身克服了每种技术的局限性，能够识别液体活检中数千种蛋白质的细胞来源。这两种高分辨率方法的整合代表了研究体内细胞层面疾病和衰老机制的重大技术进步。以眼睛为测试案例，本文确定了数百种细胞型特异性蛋白质，其中包括单个视网膜细胞类型的标记物，这种方法可以应用于其他器官和疾病。

有了这些数据，人工智能模型可以准确评估眼睛的分子年龄，最重要的是，通过细胞类型特异性衰老来解决这个问题。将这些人工智能模型应用于疾病揭示了疾病特异性细胞类型加速衰老的独立途径，有时甚至在临床疾病发作之前，并在临床解决后持续存在。TEMPO填补了活人分子和细胞水平研究人类疾病和衰老能力的关键空白。

 

原文出处

Wolf J, Rasmussen DK, Sun YJ, Vu JT, Wang E, Espinosa C, Bigini F, Chang RT, Montague AA, Tang PH, Mruthyunjaya P, Aghaeepour N, Dufour A, Bassuk AG, Mahajan VB. Liquid-biopsy proteomics combined with AI identifies cellular drivers of eye aging and disease in vivo. Cell. 2023 Oct 6:S0092-8674(23)01033-4. doi: 10.1016/j.cell.2023.09.012. Epub ahead of print.