研究提出 openDVP 开源框架,统一深度视觉蛋白质组学的实验与计算流程
OpenDVP: an experimental and computational framework for community-empowered deep visual proteomics
研究团队提出 openDVP,一个面向深度视觉蛋白质组学(DVP)的开源实验与计算框架,提供社区可用的端到端工作流。该框架整合 MCMICRO、QuPath、napari 与 scverse 的 AnnData、SpatialData 格式,并给出无需图像分析经验的快速流程和 AI 驱动的预处理、分割与空间分析流程。
已发表论文 · journal · 10.1038/s41592-026-03262-z
本站摘要基于收录版本 v1(2026-10-26),原始摘要与 AI 导读固定保留。
IF(5) 52.5 · 2025 · 期刊参考指标
深度视觉蛋白质组学(DVP)是一种新兴的细胞类型特异性且具有空间分辨能力的蛋白质组学方法。然而,其广泛应用一直受限于缺乏一个在社区驱动生态系统内的开源端到端工作流程。在此,我们介绍了 openDVP,一个用于实现便捷且可扩展 DVP 的实验与计算框架。OpenDVP 将开源图像分析工具(MCMICRO、QuPath 和 napari)与 scverse 格式(AnnData 和 SpatialData)相结合,以实现多组学整合。它提供两种工作流程:一种是无需图像分析专业知识的快速通道流程,另一种是融入了图像预处理、分割和空间分析最先进方法的人工智能驱动流程。我们将 openDVP 应用于三项存档组织研究(人胎盘、早期肺癌和局部复发性乳腺癌),将空间单细胞表型与探索性蛋白质组学测量结果进行整合。最后,我们提出了对细胞邻域进行深度蛋白质组学分析的方法,作为一种可扩展的空间发现蛋白质组学手段。
来源:Nature Methods · doi.org