Aktuelle Herausforderungen der Spatial Omics überwinden
Bestehende Tools in der räumlichen Proteomik stoßen häufig an ihre Grenzen: Viele können keine mehrfachen Lokalisierungen einzelner Proteine vorhersagen oder deren Verteilung über verschiedene Zellkompartimente hinweg quantifizieren. Zudem setzen sie oft Programmierkenntnisse voraus und verfügen nicht über benutzerfreundliche Oberflächen – was ihre breite Nutzung einschränkt. Auch die räumliche Lipidomik bleibt eine Herausforderung, da es bislang an zuverlässigen Markern für die Lokalisierung von Lipiden fehlt.
Ein neues Tool für integrierte räumliche Proteomik und Lipidomik
C-COMPASS wurde entwickelt, um bestehende methodische Lücken zu schließen. Die Software nutzt neuronale Netzwerke, um mehrere subzelluläre Lokalisationen von Proteinen vorherzusagen und kombiniert diese mit Daten des Gesamtproteoms, um Veränderungen in der Proteinverteilung und der Organellenhäufigkeit zu analysieren. Sie verfügt über eine grafische Benutzeroberfläche sowie standardisierte Verarbeitungsschritte, die reproduzierbare Analysen unterstützen.
„Mit C-COMPASS wollten wir ein Tool schaffen, das räumliche Proteomik zugänglicher und leichter reproduzierbar macht“, sagt Entwickler Daniel Haas. Projektleiterin Dr. Natalie Krahmer ergänzt: „Erstmals können wir auch die räumliche Lipidomik erforschen, indem wir Proteom- und Lipidomdaten in einem einheitlichen Workflow zusammenführen. So lassen sich zelluläre Atlanten von Organen und Geweben auf kombinierter Proteom- und Lipidomebene erstellen – das eröffnet Forschenden ganz neue Fragestellungen.“
Das Forschungsteam setzte C-COMPASS ein, um die Verteilung von Proteinen im Raum in humanisiertem Lebergewebe zu untersuchen und herauszufinden, wie sich diese Muster unter verschiedenen Stoffwechselbedingungen verändern. Anschließend erweiterten sie den Workflow durch die Integration von Proteom- und Lipidom-Daten – und ermöglichten so erstmals die räumliche Lipidomik. Um Lipide zu lokalisieren, übertrugen die Forschenden diese auf räumliche Referenzkarten, die aus den Proteom-Daten abgeleitet wurden. Dieser Ansatz wurde auf Proben von humanisierten Lebern im Mausmodell angewendet und zeigte Veränderungen in der Lipidverteilung im Zusammenhang mit metabolischen Störungen.
Zukünftige Anwendungen und Weiterentwicklung
Das Team plant, C-COMPASS auf eine Vielzahl von Datensätze anzuwenden, um tiefere Einblicke in dynamische, stoffwechselbedingte Veränderungen der Proteinlokalisation zu gewinnen. Gleichzeitig arbeiten die Forschenden an der kontinuierlichen Verbesserung der Software – unter anderem durch die Erweiterung um weitere räumliche Omics-Methoden wie die räumliche Transkriptomik.
Original-Publikation
Haas et al., 2025: C-COMPASS: A user-friendly neural network tool profiles cell compartments at protein and lipid levels. Nature Methods. DOI: 10.1038/s41592-025-02880-3
