甲基吗啉用于蛋白质测序

前文回顾（点击）：蛋白质测序技术发展漫谈（上）前面提到，基于质谱的蛋白质测序主要流程为：首先对蛋白质酶解得到肽段，经过LC-MS/MS分析得到相应的质谱数据，再使用测序软件根据质谱数据对肽段测序，最后对测序得到的肽段序列进行拼接。其中根据肽段的二级质谱图进行从头测序是其核心内容。目前已发展的肽段从头测序算法有三十余种，主要可以分为三类：图方法、穷举法和动态规划法，包括PEAKS[ 1]、pNovo系列[2]、Pepnovo[3]、Novor[4]等。 Muth[5]评估了Novor、PEAKS和PepNovo三种测序软件在实验数据集上测序的准确度，这三款软件对肽段的测序准确度最高只有35%。这是由于质谱谱图中存在着噪声和干扰离子，无法有效的区分谱图中可用于肽段测序的碎片离子[6]，使得精准解析谱图的难度增加且耗费大量的时间。基于碎片离子的蛋白质组稳定同位素标记定量方法通过在细胞培养或样品处理的过程中引入不同种类的同位素标记，混合后进行LC-MS分析。不同稳定同位素标记的相同序列肽段质量相同或相近，可在质谱中同时碎裂，形成成对的碎片离子[7]。借鉴该方法，可更好的区分并提取用于测序的碎片离子，用于肽段的序列测定。Nie[8]在细胞培养时加入同位素标记的精氨酸和赖氨酸，再利用Lys-N和Arg-C对提取的蛋白质酶解，形成N端为精氨酸、C端为赖氨酸的等重肽段，在二级谱中可形成成对的b离子和成对的y离子，但这种标记方法只能在细胞水平标记，且通过两种蛋白酶酶解后只有少部分肽段质量相等并被鉴定到。Zhang[9]发展了部分等重肽段末端标记方法，使用Lys-C酶解后，肽段的C端为含有氨基的赖氨酸，再通过对两末端使用不同同位素标记，使得相同序列的肽段质量差为2 Da，在二级谱中产生了质量差为4 Da的成对b离子和质量差为6 Da的成对y离子，为使肽段能够碎裂在同一张谱图中，质谱的分离窗口需要被放大到4 m/z甚至更多[10]，但放大分离窗口会导致更多的质量相近的肽段发生共碎裂，谱图会变得更加复杂难以解析，增加了从头测序的难度。为此，我们开发了一种基于二甲基化标记和胰蛋白酶催化18O标记的肽段末端准等重标记（Pseudo Isobaric Peptide Termini Labelling，PIPTL）从头测序方法 [11]（图1）。经该方法进行同位素标记后，序列相同的肽段质量仅相差0.0166 Da，这些准等重肽段无需扩大质谱分离窗口即可在质谱中同时碎裂，产生成对的b离子和成对的y离子；基于发展的PIPTL-Novo测序算法，根据不同系列碎片离子质量差可快速准确提取并区分b/y离子，再对b/y离子进行测序分析，从而实现对肽段的准确测序。以牛血清白蛋白为研究对象，对肽段从头测序的准确度进行评价，测序准确率为95.5%；最后将此从头测序方法应用于对单克隆抗体赫赛汀重链和轻链的序列测定，对赫赛汀的酶解肽段从头测序准确率为93.6%。图1 基于二甲基化和胰蛋白酶催化18O标记的PIPTL-Novo策略参考文献[1] Ma B, Zhang K, Hendrie C, et al. PEAKS: powerful software for peptide de novo sequencing by tandem mass spectrometry. Rapid Commun Mass Spectrom, 2003, 17(20): 2337-42.[2] Yang H, Chi H, Zhou W-J, et al. Open-pNovo: de novo peptide sequencing with thousands of protein modifications. J Proteome Res, 2017, 16(2): 645-54.[3] Frank A M, Savitski M M, Nielsen M L, et al. De novo peptide sequencing and identification with precision mass spectrometry. J Proteome Res, 2007, 6(1): 114-23.[4] Ma B. Novor: real-time peptide de novo sequencing software. J Am Soc Mass Spectrom, 2015, 26(11): 1885-94.[5] Muth T, Renard B Y. Evaluating de novo sequencing in proteomics: already an accurate alternative to database-driven peptide identification? . Brief Bioinform, 2018, 19(5): 954-70.[6] Lu B, Chen T. A suboptimal algorithm for de novo peptide sequencing via tandem mass spectrometry. Journal of Computational Biology, 2003, 10(1): 1-12.[7] Merrill A E, Coon J J. Quantifying proteomes and their post-translational modifications by stable isotope label-based mass spectrometry. Curr Opin Chem Biol, 2013, 17(5): 779-86.[8] Nie A-Y, Zhang L, Yan G-Q, et al. In vivo termini amino acid labeling for quantitative proteomics. Anal Chem, 2011, 83(15): 6026-33.[9] Zhang S, Shan Y, Zhang S, et al. NIPTL-Novo: Non-isobaric peptide termini labeling assisted peptide de novo sequencing. J Proteomics, 2017, 154(40-8.[10] Hennrich M L, Mohammed S, Altelaar A M, et al. Dimethyl isotope labeling assisted de novo peptide sequencing. J Am Soc Mass Spectrom, 2010, 21(12): 1957-65.[11] 杨超，刘健慧，张玮杰等，基于末端准等重同位素标记的肽段从头测序方法. 分析化学, 2021, 49 (03), 366-376.作者简介：中国科学院大连化学物理研究所 单亦初副研究员1997年于中国科学技术大学获理学学士学位。2002年于中国科学院大连化物所获理学博士学位。2002年10月至2009年5月在德国马普协会马格德堡研究所、美国德克萨斯大学医学院及澳大利亚弗林德斯大学工作。2009年7月应聘到中国科学院大连化物所任副研究员。主持多项研究课题，包括国家重点研发计划子课题、国家自然科学基金面上项目等。已在Analytical Chemistry、Journal of Proteome Research、Journal of Chromatography A等杂志发表论文近80篇。主要研究方向包括蛋白质组鉴定和蛋白质组相对及绝对定量、蛋白质翻译后修饰富集和鉴定、蛋白质组末端肽富集和鉴定、蛋白质相互作用分析、蛋白质全序列从头测定及药物靶蛋白筛选。（本文经授权发布,仅供读者学习参考）专家约稿招募：若您有生命科学相关研究、技术、应用、经验等愿意以约稿形式共享，欢迎邮件投稿或沟通（邮箱：liuld@instrument.com.cn）。中国临床质谱产业化发展论坛（点击报名）仪器信息网联合浙江省先进质谱技术与分子检测重点实验室、宁波大学质谱技术与应用研究院，共同举办“第六届中国质谱产业化发展论坛——临床质谱产业化发展”，在2021年第十五届中国科学仪器发展年会(ACCSI 2021)召开同期，邀请临床质谱业内专家、国内质谱企业、第三方医学实验室、医院专家代表，共同就中国临床质谱技术与产业化发展等话题展开探讨、答疑解惑，为中国临床质谱产业链上中下游三方搭建互动交流平台，助力中国临床质谱产业发展，进一步优化和拓展临床质谱产业市场，共同促进中国质谱产业健康快速发展。

前文回顾（点击查看）：蛋白质测序技术发展漫谈（上篇）；蛋白质测序技术发展漫谈（中篇）；蛋白质测序技术发展漫谈（下篇）前面描述了目前成熟的蛋白质测序方法，并对最流行的基于质谱的蛋白质测序方法进行了综述。非质谱依赖的蛋白质测序手段，除了几十年前发展的基于Edman降解法通过气相或液相色谱测序的方法，最近热门领域的方法主要包括基于荧光或纳米孔的单分子蛋白质测序，代表了未来的发展方向。基于纳米孔单分子蛋白质测序方法纳米孔测序（nanopore sequencing）法是借助电泳驱动力使待测单个分子逐一通过纳米孔，通过检测纳米孔截面的电流变化来实现对序列的测定。纳米孔测序最初在1996年被提出，通过膜通道检测多核苷酸序列，也就是单分子DNA的测序[1]。随着使用纳米孔对单分子DNA测序技术的逐渐成熟[2-5]，纳米孔技术也被应用在单分子蛋白质的鉴定上。对于DNA来说，其二级结构和电荷相对比较一致，它的聚合物比较容易处理，而且仅由四种碱基组成，单分子DNA测序比较简单。相比之下，蛋白质分子由20种氨基酸组成，并且蛋白的电荷和疏水性多变，还存在大量的二级和三级结构，因此基于纳米孔技术对蛋白质的鉴定要比DNA困难很多[6]。当前的基于纳米孔对蛋白质分析的主要探索方向是通过寡核苷酸适配子或抗体等亲和分子对纳米孔进行功能化，当蛋白质或肽段分子通过纳米孔时，由于不同氨基酸在纳米孔附近的结合或通过会引起不同幅度的电流变化，基于这些变化就可以确定氨基酸的种类，从而逐个得到所测蛋白质或肽段的序列信息（图1）。图 1 借助纳米孔的横向电流检测单分子蛋白质[2]牛津大学的Hagan Bayley[7]团队将单个α-血溶素蛋白孔插入两侧带有电极的膜中，磷酸化的蛋白质在DNA寡核苷酸的牵引下展开，并穿过纳米孔，通过记录纳米孔的电流变化区分出了202个磷酸化蛋白质的4种不同亚型，但无法鉴定蛋白质的一级结构。Francesco[8]团队将蛋白质或氨基酸吸附在金纳米星上，并施加电等离子体力将粒子推进并约束在金纳米孔内，利用金纳米星与金纳米孔壁之间的单个热点，实现了单分子表面增强拉曼散射（SERS）探测，用于检测氨基酸，并且可以分辨仅含有两个不同氨基酸的单个多肽分子抗利尿激素和催产素。Cao等[9]通过单个定点突变，在具有锥形识别位点的耻垢分枝杆菌孔蛋白A（MspA）的纳米孔内腔中引入了甲硫氨酸，从而将该反应有目的的移植到了MspA纳米孔最尖锐的识别位点，并观测到了相应的单分子反应信号。该纳米孔可以引入更多的离子电流，从而放大检测信号，其狭窄的识别位点则提供了更高的空间分辨率，大大削弱了周围氨基酸的干扰，从而拓宽生物纳米孔的单分子检测功能，有望推进基于孔道的单分子蛋白质测序研究。Ouldali[10]研究团队研发出了一种新型气溶素纳米孔，此纳米孔借助将氨基酸附着在聚阳离子载体上，使氨基酸在纳米孔上停留时间变长，并检测其通过纳米孔时电流的变化，最终可识别出组成蛋白质的15种氨基酸，也能检测到组成蛋白质的其余5种氨基酸的电流变化，但是无法对其进行区分。虽然只是对氨基酸进行识别，但作者设想通过对蛋白或者肽段末端氨基酸逐个降解，利用纳米孔技术鉴定从末端释放出来的氨基酸，从而对蛋白质或肽段序列进行测定。Zhao[11]等将一对金属电极分隔在约2nm的孔洞旁，当氨基酸线性穿过这种纳米孔的时候，每一个氨基酸都会完成一个回路，并反馈出相应的电信号，常见的20种氨基酸在通过纳米孔时都可以产生电信号。有的氨基酸需通过大约50种不同信号特征被鉴定，但绝大多数的氨基酸仅需要不到10个信号特征被鉴别。这种方法不仅能够高可信度的鉴定氨基酸，还能区分翻译后修饰的氨基酸（肌氨酸）及其前体（甘氨酸）、区分同分异构体的亮氨酸与异亮氨酸、区分对应对映异构体的氨基酸镜像分子L-天冬酰胺和D-天冬酰胺。此技术被应用于对两条由四个氨基酸组成的短肽（GGGG 和GGLL）进行测序，单分子短肽穿过纳米孔，孔道两边电极记录每个氨基酸通过时产生的电信号，通过测序算法，识别代表不同氨基酸的特征信号，从而得到短肽的序列。基于纳米孔单分子蛋白测序目前还属于初步发展阶段，除了需要根据电信号准确区分组成蛋白质的氨基酸以外，另一个关键是设计可一次拉动一个蛋白质或氨基酸穿过纳米孔的“马达”。为了让蛋白质或肽段顺利穿过纳米孔，研究者们在蛋白质一端添加了一串带有负电的氨基酸或者一段短DNA，用氨基酸或DNA链拉动蛋白质，可以使一些蛋白质打开折叠并顺利穿过纳米孔，但另一些复杂折叠的蛋白需要更多拉力，于是研究者在引导序列上添加了可以打开折叠的ClpX的识别位点[12]。这个系统能够将简单折叠的目标蛋白牵引过纳米孔，但对于折叠非常紧密的蛋白质仍要使用变性剂来打开折叠。基于纳米孔技术对单分子肽段或蛋白质测序目前还停留在对氨基酸鉴定和对短肽的区分阶段，还不能实际应用于对蛋白质的测序。虽然纳米孔测序具有高通量、对样品需求量少的优点，但是现有的纳米孔过大，失去了对氨基酸的区分能力，同时蛋白质分子通过孔道过快，加大了对信号读取难度；其次由于需要将蛋白的三级和二级结构破坏掉，纳米孔道需要能够耐受非常苛刻的化学和力学条件；第三，由于蛋白带电不均匀，控制其穿孔的速率也非常困难。所以目前的方法还不能准确的测得蛋白质的序列，基于纳米孔的单分子蛋白质测序技术还有很大的发展空间。基于荧光的单分子蛋白质测序方法基于荧光的单分子蛋白质测序同纳米孔测序一样，都可以对极少量蛋白质样品进行检测，其原理是先将蛋白质酶解成肽段，对肽段中特定氨基酸选择性标记不同的荧光基团[13]，对不同氨基酸上的荧光进行观察，从而确定肽段部分氨基酸序列，再将这些序列与蛋白质组序列比对，即可确定肽段的来源蛋白（图2）。图 2 基于荧光的单分子蛋白测序流程[14]。Ginkel[15] 和Yao [16]都利用ClpXP蛋白酶辅助对肽段进行选择性荧光标记，可对序列中的赖氨酸和半胱氨酸进行标记，通过Förster共振能量转移依次读出被标记的肽段的氨基酸的信号。Swaminathan[14] 将蛋白质酶解成肽段，再将肽段固载到玻璃片上[17]，使用特定荧光基团分别对肽段中的赖氨酸和半胱氨酸选择性标记，通过Edman降解技术对固载的肽段进行降解，每次降解后都使用全内反射荧光（TIPF）显微镜进行观测。如果被标记的赖氨酸和半胱氨酸在Edman降解中从肽段N端释放出来，被标记的以上两种氨基酸的位置就会被检测到。同时还发展了用于监测单个肽荧光强度的图像处理算法，并对误差源进行分类和建模，可以测得序列中部分氨基酸的信息。将测得的部分序列与参考蛋白质组序列比对，即可确定肽段的来源蛋白，通过与蛋白质组序列比对，可以鉴定到在人源蛋白质组中的绝大多数蛋白质。基于荧光单分子蛋白测序技术主要有三方面难点，一方面在于目前仅能对赖氨酸和半胱氨酸等几种氨基酸进行特异性荧光基团的标记，无法对所有氨基酸都进行标记；第二个难点是Edman降解是在强酸或强碱的环境中进行，对这些荧光基团的稳定性要求很高；第三个难点是对后期图像处理有较高的要求，如果序列中每个氨基酸都标记上不同的荧光基团，且发光峰易交叠难分辨，这给荧光处理算法带来了难度。因此，基于荧光的单分子蛋白测序技术虽然可以对极微量蛋白质样品分析，但目前仅能测得部分氨基酸序列，对蛋白质全序列的测定目前尚不能实现。[1] Kasianowicz J J, Brandin E, Branton D, et al. Characterization of individual polynucleotide molecules using a membrane channel [J]. Proceedings of the National Academy of Sciences, 1996, 93(24): 13770-13773.[2] Branton D, Deamer D W, Marziali A, et al. The potential and challenges of nanopore sequencing [J]. Nanoscience and technology: A collection of reviews from Nature Journals, 2010: 261-268.[3] Laver T, Harrison J, O’neill P, et al. Assessing the performance of the oxford nanopore technologies minion [J]. Biomolecular detection and quantification, 2015, 3: 1-8.[4] Karlsson E, Lärkeryd A, Sjödin A, et al. Scaffolding of a bacterial genome using MinION nanopore sequencing [J]. Sci Rep, 2015, 5(1): 1-8.[5] Huang S, Romero-Ruiz M, Castell O K, et al. High-throughput optical sensing of nucleic acids in a nanopore array [J]. Nature nanotechnology, 2015, 10(11): 986-991.[6] Nivala J, Marks D B, Akeson M. Unfoldase-mediated protein translocation through an α-hemolysin nanopore [J]. Nat Biotechnol, 2013, 31(3): 247-250.[7] Rosen C B, Rodriguez-Larrea D, Bayley H. Single-molecule site-specific detection of protein phosphorylation with a nanopore [J]. Nat Biotechnol, 2014, 32(2): 179.[8] Huang J, Mousavi M, Giovannini G, et al. Multiplexed Discrimination of Single Amino Acid Residues in Polypeptides in a Single SERS Hot Spot [J]. Angewandte Chemie 2020, 59(28): 11423-11431.[9] Cao J, Jia W, Zhang J, et al. Giant single molecule chemistry events observed from a tetrachloroaurate (III) embedded Mycobacterium smegmatis porin A nanopore [J]. Nature communications, 2019, 10(1): 1-11.[10] Ouldali H, Sarthak K, Ensslen T, et al. Electrical recognition of the twenty proteinogenic amino acids using an aerolysin nanopore [J]. Nat Biotechnol, 2020, 38(2): 176-181.[11] Zhao Y, Ashcroft B, Zhang P, et al. Single-molecule spectroscopy of amino acids and peptides by recognition tunnelling [J]. Nature nanotechnology, 2014, 9(6): 466-473.[12] Nivala J, Mulroney L, Luan Q, et al. Unfolding and Translocation of Proteins Through an Alpha-Hemolysin Nanopore by ClpXP [M]. Nanopore Technology. Springer. 2021: 145-155.[13] Hernandez E T, Swaminathan J, Marcotte E M, et al. Solution-phase and solid-phase sequential, selective modification of side chains in KDYWEC and KDYWE as models for usage in single-molecule protein sequencing [J]. New J Chem, 2017: 462-469.[14] Swaminathan J, Boulgakov A, Hernandez E, et al. Highly parallel single-molecule identification of proteins in zeptomole-scale mixtures [J]. Nat Biotechnol, 2018, 36(11): 1076-1082.[15] Ginkel J V, Filius M, Szczepaniak M, et al. Single-molecule peptide fingerprinting [J]. Proceedings of the National Academy of Sciences, 2018, 115(13): 3338-3343.[16] Yao Y, Docter M, Ginkel J V, et al. Single-molecule protein sequencing through fingerprinting: computational assessment [J]. Phys Biol, 2015, 12(5): 055033.[17] Howard C, Floyd B, Bardo A, et al. Solid-Phase Peptide Capture and Release for Bulk and Single-Molecule Proteomics [J]. ACS Chem Biol, 2020, 15(6): 1401-1407.作者简介：中国科学院大连化学物理研究所 单亦初副研究员1997年于中国科学技术大学获理学学士学位。2002年于中国科学院大连化物所获理学博士学位。2002年10月至2009年5月在德国马普协会马格德堡研究所、美国德克萨斯大学医学院及澳大利亚弗林德斯大学工作。2009年7月应聘到中国科学院大连化物所任副研究员。主持多项研究课题，包括国家重点研发计划子课题、国家自然科学基金面上项目等。已在Analytical Chemistry、Journal of Proteome Research、Journal of Chromatography A等杂志发表论文近80篇。主要研究方向包括蛋白质组鉴定和蛋白质组相对及绝对定量、蛋白质翻译后修饰富集和鉴定、蛋白质组末端肽富集和鉴定、蛋白质相互作用分析、蛋白质全序列从头测定及药物靶蛋白筛选。（本文经授权发布,仅供读者学习参考）专家约稿招募：若您有生命科学相关研究、技术、应用、经验等愿意以约稿形式共享，欢迎邮件投稿或沟通（邮箱：liuld@instrument.com.cn ）。

本期中国科学院大连化物所单亦初老师将分享蛋白质测序技术的发展，本次分享将以连载形式以飨读者。蛋白质一级结构是组成蛋白质的氨基酸序列。蛋白氨基酸序列分析是确定蛋白质全部氨基酸序列的过程。通过蛋白质测序获得的信息有许多用途，包括：蛋白质的鉴定；合成可用作免疫原的肽段；用于治疗的抗体仿制产品的研发；以市场上销售的抗体试剂为基础进行抗体药物研发。目前的蛋白质测序方法主要分为三类：基于PCR扩增的蛋白质测序、Edman降解测序以及基于质谱的蛋白质测序。基于PCR扩增的蛋白质测序是利用细胞中表达的DNA或者RNA进行基因测序，然后再按照氨基酸密码子表转换为蛋白质的氨基酸序列，本质上属于基因测序技术。Edman降解测序是较早发展的蛋白质测序技术，利用化学方法从蛋白质的N端将氨基酸依次降解，再使用高效液相色谱对氨基酸进行鉴定。但是这种方法只能用于鉴定蛋白质和多肽的N-末端氨基酸残基（通常是几个-十几个残基，最多不超过四十个残基），无法对大的蛋白质进行全序列测定。此外，Edman降解法也有一定的局限，例如N末端封闭或有化学修饰的情况下将不能使用Edman降解法对蛋白质序列进行分析。目前使用最广的蛋白质测序方法是质谱法，较Edman降解法而言，其优点在于，质谱法更敏感，可以更快地裂解肽，可以识别末端封闭或修饰的蛋白质。基于质谱的蛋白质测序策略可分为两大类：自上而下策略（Top-Down）和自下而上（Bottom-Up）策略。自上而下的策略无需对蛋白质进行降解，直接使用LC-MS对完整蛋白质进行分析，根据谱图中碎片离子确定其序列；自下而上策略是先将蛋白质水解成肽段，通过LC-MS对肽段检测，再对肽段从头测序以及序列拼接从而得到完整蛋白质序列。图 ：蛋白质序列测定原理Kira Vyatkina[1]通过自上而下的策略发展了一种Twister测序算法对单克隆抗体测序，虽然不需要使用蛋白酶酶解，减少了蛋白质预处理的步骤，但仅可以鉴定到抗体的序列片段。Liu[2]结合自上而下和自下而上两种策略发展了TBNovo测序算法对蛋白质进行测序，将自上而下的质谱数据作为抗体序列的骨架，再将胰蛋白酶酶解肽段的质谱数据对骨架的序列进行补充覆盖。由于特异性蛋白酶酶解后肽段种类少、覆盖率低，对抗体的轻链和CAH2区的测序覆盖率为86.9%和75.2%。Sen[3]发展了一种基于同源数据库搜索与从头测序结合的Supernovo测序算法，通过4种蛋白酶对单克隆抗体分别酶解，该测序方法仅可实现对抗体重链的可变区测序，无法对抗体全序列进行测定。Savidor[4]发展了一种蛋白质全序列从头测序的方法。将蛋白质在微波辅助下快速酸解，得到了种类丰富的肽段，使用其发展的肽段序列拼接算法——“肽段标签组装”（Peptide Tag Assembler，PTA），对从头测序的肽段进行序列拼接，但由于酸解的消化方式会使谷氨酰胺和天冬酰胺发生脱酰胺化，分别变为谷氨酸和天冬氨酸，降低了对蛋白质序列测定的准确度。为了解决蛋白质测序覆盖度低、准确度低的问题，我们发展了一种蛋白质全序列测定新方法[5]：该方法使用多种非特异性蛋白酶对蛋白质连续酶解，提高蛋白质酶解肽段种类和重叠度，从而提高蛋白质测序的覆盖度；此外，发展了一种序列拼接算法，根据从头测序得到的肽段序列中每个氨基酸的得分值和出现次数，对蛋白质序列进行组装和拼接，显著提高了蛋白质全序列测定的准确度。利用该测序方法对牛血清白蛋白的多种非特异性蛋白酶酶解后的肽段序列进行测序和拼接，实现了对牛血清白蛋白全序列100%准确度的测定。此外，将该方法应用于对乳腺癌药物单克隆抗体赫赛汀的全序列测定，重链和轻链的测序准确度分别达到99.6%和100%。参考文献[1] K V. De Novo Sequencing of Top-Down Tandem Mass Spectra: A Next Step towards Retrieving a Complete Protein Sequence [J]. Proteomes, 2017, 5(1), https://doi.org/10.3390/proteomes5010006[2] LIU X, DEKKER L J M, WU S, et al. De novo protein sequencing by combining top-down and bottom-up tandem mass spectra [J]. J Proteome Res, 2014, 13(7): 3241-3248.[3] KI S, WH T, S N, et al. Automated Antibody De Novo Sequencing and Its Utility in Biopharmaceutical Discovery [J]. J Am Soc Mass Spectrom, 2017, 28(5): 803-810.[4] SAVIDOR A, BARZILAY R, ELINGER D, et al. Database-independent Protein Sequencing (DiPS) Enables Full-length de Novo Protein and Antibody Sequence Determination [J]. Mol Cell Proteomics, 2017, 16(6): 1151-1161.[5]杨超，单亦初，张玮杰等，基于非特异性蛋白酶连续酶解的蛋白质全序列测定方法，化学学报，修稿中。作者简介：中国科学院大连化学物理研究所 单亦初副研究员1997年于中国科学技术大学获理学学士学位。2002年于中国科学院大连化物所获理学博士学位。2002年10月至2009年5月在德国马普协会马格德堡研究所、美国德克萨斯大学医学院及澳大利亚弗林德斯大学工作。2009年7月应聘到中国科学院大连化物所任副研究员。主持多项研究课题，包括国家重点研发计划子课题、国家自然科学基金面上项目等。已在Analytical Chemistry、Journal of Proteome Research、Journal of Chromatography A等杂志发表论文近80篇。主要研究方向包括蛋白质组鉴定和蛋白质组相对及绝对定量、蛋白质翻译后修饰富集和鉴定、蛋白质组末端肽富集和鉴定、蛋白质相互作用分析、蛋白质全序列从头测定及药物靶蛋白筛选。（本文经授权发布,仅供读者学习参考）专家约稿招募：若您有生命科学相关研究、技术、应用、经验等愿意以约稿形式共享，欢迎邮件投稿或沟通（邮箱：liuld@instrument.com.cn）。

导读：自今年1月份Illumina让&ldquo 1000美元基因组&rdquo 成为现实，许多生物技术公司及科研机构纷纷购买其测序仪，而今美研究者指出DNA编码的蛋白质是几乎所有生命过程的主要执行者，可实现千元基因组测序的工具，也可以最终帮助人们完成千元蛋白质组测序。 人类生命的蓝图是三十亿碱基对组成的人类基因组。1000美元基因组测序，让人都觉得有些疯狂，然而有研究者认为千元测序蛋白质组也将成为现实。 今年初，全美最大最佳的五所&ldquo 大学城&rdquo 之一拥有近130年历史的Arizona State University（亚利桑纳州立大学）生物 设计学院（ Biodesign Institute）的Stuart Lindsay及其团队同事，在纳米孔DNA测序技术的基础上，让单链肽段穿过纳米孔，纳米孔两边的电极可记录每个氨基酸通过时产生的电信号。他们使用一种机器学习算法，让电脑能够识别代表不同氨基酸的特征信号。这些信号可以作为可靠的指纹，帮助人们鉴别氨基酸的种类，以及氨基酸发生的微妙改变。因此开发了能够精确鉴定氨基酸的蛋白单分子测序技术。 这项研究于四月六日发表在Nature Nanotechnology杂志的网站上。 从基因组到蛋白组 蛋白对于细胞的生长、分化和修复至关重要，它们能够催化化学反应，抵御疾病，具有各种各样的重要功能。自今年1月份Illumina让&ldquo 1000美元基因组&rdquo 成为现实，研究者们将眼光转向了蛋白质组测序的研究。 与线虫等简单生物相比，人类的基因数相对较少，不过科学家们鉴定的人类蛋白已经超过了十万，而且不少人认为这些蛋白只是冰山一角。有限的基因数为何能形成如此大量的蛋白呢？这是因为蛋白能通过多种机制发生改变，选择性剪切和翻译后修饰就是其中两个关键的过程。 在这项研究中，研究人员将一对金属电极分隔在约两纳米的孔洞旁边，当线性穿过这种纳米孔的时候，每一个氨基酸都会完成一个电回路，并发出相应的电信号。而这样的电信号可以帮助人们判断，通过纳米孔的是哪一个氨基酸。 这一技术称为recognition tunneling，原本是Lindsay等人开发的DNA单分子测序技术。&ldquo 大约两年前，我们的一次实验室会议提出，可以尝试将这一技术用于氨基酸测序，&rdquo Lindsay说。与DNA的A、G、C、T相比，用 recognition tunneling鉴定组成蛋白的二十种氨基酸实际上是一个更大的挑战。 蛋白质单分子测序技术具有巨大的应用价值，可以帮助人们检测被选择性剪切或翻译后修饰改变的微量蛋白。而这些蛋白往往是疾病研究所追寻的目标，用其他技术很难检测得到。 PCR能够将样品中微量的DNA快速扩增，但在蛋白研究领域还没有这样的技术，Lindsay强调。在这种情况下，能进行单分子水平上进行检测的recognition tunneling，&ldquo 将给蛋白质组学研究带来一场彻底的变革&rdquo 。 这项研究为人们展示了一个，快速测序单个蛋白分子的低成本方法。据Lindsay介绍，该技术通过大约50种不同的信号特征来鉴定氨基酸，不过绝大多数鉴别只需要不到10个信号特征。 值得注意的是，recognition tunneling不仅能够高度可信的鉴定氨基酸，区分翻译后修饰的蛋白（肌氨酸）及其前体（甘氨酸），还能够鉴别被称为对映体的镜像分子，以及质量相同但序列不同的分子。 千元蛋白组？ Lindsay的研究指出，可实现千元基因组测序的工具，也可以最终帮助人们完成千元蛋白质组测序。事实上，Lindsay认为这一里程碑离我们并不遥远。 目前，这一技术还需要使用复杂的实验室仪器&mdash &mdash 扫描隧道显微镜STM。不过Lindsay和他的同事正在开发一个可以快速鉴定氨基酸和其他分析物的新设备，以便将低成本的蛋白质组测序真正推广到临床。 该技术不仅可以用来在临床上测序蛋白质和检测新生物指标，还有望给医疗领域带来彻底的改变，在单分子水平上精确监控患者对治疗的应答情况。

前文回顾（点击查看）：蛋白质测序技术发展漫谈（上篇）；蛋白质测序技术发展漫谈（中篇）前面讨论了基于质谱的蛋白质测序技术的一般流程及基于质谱的肽段序列测定方法。在组成蛋白质的20种氨基酸中，亮氨酸和异亮氨酸互为同分异构体，具有相同的分子质量，无法通过二级质谱产生的同系列离子的质量差异被区分。然而亮氨酸/异亮氨酸对单克隆抗体药物的功能影响巨大，典型的单克隆抗体在互补决定区（CDR）中含有至少3个亮氨酸/异亮氨酸，在复杂的样品中可以存在多达9个。单克隆抗体中CDR的错误识别，会导致抗原结合亲和力与抗体的特异性大量丧失。因此，对单克隆抗体中的全部亮氨酸或异亮氨酸进行准确测定意义重大[1-2]。亮氨酸和异亮氨酸的侧链分别是异丁基和仲丁基，通过质谱的多级碎裂产生的特征离子可以对亮氨酸和异亮氨酸进行区分。一种方法是通过不同系列的碎片离子质量差来区分，其原理是肽段在ETD-HCD或EThcD碎裂模式下可产生z离子，含有异亮氨酸和亮氨酸肽段分别失去一个乙基自由基（C2H5）和一个丙基自由基（C3H7），产生质量分别减少29 Da和43 Da的w离子，因此通过质谱产生的z/w离子质量差，可区分肽段中的亮氨酸和异亮氨酸[2-5]。Zhokhov[3]对人血清白蛋白（HSA）、gp188蛋白两种蛋白质的43条胰蛋白酶酶解肽段中的93个亮氨酸和异亮氨酸进行鉴定，准确区分了其中的83个，但由于z/w离子分别产生在ETD和HCD谱图中，在鉴定过程中需要人工筛选含有z/w离子的谱图。Tatiana[4]等通过EThcD的碎裂模式对蛙皮肤分泌的14条肽段进行鉴定，使肽段的z/w离子出现在同一张谱图中，区分鉴定了这些肽段中的61/75个亮氨酸和异亮氨酸。由于不能保证每个含有亮氨酸或异亮氨酸的肽段在质谱中碎裂一定会产生相应的z/w离子，因此通过z/w离子质量差的方法无法对蛋白序列中全部的亮氨酸和异亮氨酸准确测定。另一种方法是通过亮氨酸和异亮氨酸的亚胺离子的三级碎片离子区分，其原理是亮氨酸或异亮氨酸质子化的离子（132 Da）容易损失甲酸而形成相应的亚胺离子（86 Da），它们的亚胺离子在三级碎裂中分别会产生m/z 69和m/z 43的特征离子。Nakamura[6]使用嗜热菌蛋白酶对人钙降素进行酶解，得到以亮氨酸或异亮氨酸为N端的肽段，通过该方法确定钙降素的第4和9个氨基酸为亮氨酸，第27个氨基酸为异亮氨酸，但此方法的缺点是当一条肽段中含有不止一个亮氨酸或异亮氨酸时，特征离子峰相会互干扰，无法对其判断。Bagal[5]将亚胺离子的三级碎片离子的方法和z/w离子质量差的方法结合，并将该策略用于两个单克隆抗体CDR中的亮氨酸和异亮氨酸的鉴定，由于使用胰蛋白酶酶解产生的肽段长度过长，对鉴定造成影响，仅对6条肽段中的亮氨酸和异亮氨酸的准确鉴定，无法区分CRD区全部亮氨酸和异亮氨酸。Sheila[7]使用4种蛋白酶对单克隆抗体进行酶解，对二级质谱产生的a1离子进行三级碎裂，排除了肽段内部亮氨酸或异亮氨酸的干扰，根据每个三级谱图中特征峰强度的比值对亮氨酸和异亮氨酸区分，由于谱图中噪音干扰以及肽段的共碎裂，会使一些含有特征离子的谱图不能用于准确区分亮氨酸和异亮氨酸，最终对单克隆抗体中的71.1%-94.1%亮氨酸和异亮氨酸进行区分。我们借鉴该方法，结合非特异酶连续酶解技术，以及基于碎片离子质量校正和多谱图共同打分策略，实现了对单克隆抗体药物赫赛汀轻链中7个异亮氨酸和18个亮氨酸，重链中9个异亮氨酸和33个亮氨酸的鉴定，准确度100%，轻链鉴定的覆盖度为100%，重链鉴定的覆盖度为97.67%。鉴定蛋白质中亮氨酸和异亮氨酸的流程图[1] Hurtado P P, O' Connor P B. Differentiation of isomeric amino acid residues in proteins and peptides using mass spectrometry [J]. Mass Spectrom Rev, 2012, 31(6): 609-25.[2] Xiao Y, Vecchi M M, Wen D. Distinguishing between Leucine and Isoleucine by Integrated LC-MS Analysis Using an Orbitrap Fusion Mass Spectrometer [J]. Anal Chem, 2016, 88(21): 10757-66.[3] Zhokhov S S, Kovalyov S V, Samgina T Y, et al. An EThcD-Based Method for Discrimination of Leucine and Isoleucine Residues in Tryptic Peptides [J]. J Am Soc Mass Spectrom, 2017, 28(8): 1600-11.[4] Samgina T Y, Kovalev S V, Tolpina M D, et al. EThcD Discrimination of Isomeric Leucine/Isoleucine Residues in Sequencing of the Intact Skin Frog Peptides with Intramolecular Disulfide Bond [J]. J Am Soc Mass Spectrom, 2018, 29(5): 842-52.[5] Bagal D, Kast E, Cao P. Rapid Distinction of Leucine and Isoleucine in Monoclonal Antibodies Using Nanoflow LCMS(n) [J]. Anal Chem, 2017, 89(1): 720-7.[6] Nakamura T, Nagaki H, Ohki Y, et al. Differentiation of leucine and isoleucine residues in peptides by consecutive reaction mass spectrometry [J]. 1990, 62(3): 311-3.[7] Maibom-Thomsen S, Heissel S, Mortz E, et al. Discrimination of Isoleucine and Leucine by Dimethylation-Assisted MS3 [J]. Anal Chem, 2018, 90(15): 9055-9.作者简介：中国科学院大连化学物理研究所 单亦初副研究员1997年于中国科学技术大学获理学学士学位。2002年于中国科学院大连化物所获理学博士学位。2002年10月至2009年5月在德国马普协会马格德堡研究所、美国德克萨斯大学医学院及澳大利亚弗林德斯大学工作。2009年7月应聘到中国科学院大连化物所任副研究员。主持多项研究课题，包括国家重点研发计划子课题、国家自然科学基金面上项目等。已在Analytical Chemistry、Journal of Proteome Research、Journal of Chromatography A等杂志发表论文近80篇。主要研究方向包括蛋白质组鉴定和蛋白质组相对及绝对定量、蛋白质翻译后修饰富集和鉴定、蛋白质组末端肽富集和鉴定、蛋白质相互作用分析、蛋白质全序列从头测定及药物靶蛋白筛选。（本文经授权发布,仅供读者学习参考）专家约稿招募：若您有生命科学相关研究、技术、应用、经验等愿意以约稿形式共享，欢迎邮件投稿或沟通（邮箱：liuld@instrument.com.cn）。

基因测序技术飞速发展，使得几十个甚至上百个基因的测序能够在几天之内完成，近日，&ldquo 蛋白质测序仪器和试剂国产化&rdquo 项目实施工作会议在北京大学顺利落幕，会议得到了北京大学前沿交叉学科研究院方竞院长的大力支持。　　90年代人类基因组计划，中国科学家承担了1%的任务 而2010年代的人类蛋白组计划，则是由中国科学家领军 20年来，从承担人类基因组计划1%到人类蛋白组计划的领袖全球，证明了中国科学的长足进步，也体现了中国科学家的卓越贡献。此次工作会议是科研与产业化结合非常好的范例，由国内蛋白组领域的重要企业参会，并成立了&ldquo 中国人类蛋白质计划企业工作组&rdquo ，由知名企业担任企业工作组组长，努力打破生物质谱被国外企业垄断的局面，迅速将相关的研究成果运用于临床诊断。　　&ldquo 蛋白质测序仪器和试剂国产化&rdquo 项目，基于&ldquo 中国人类蛋白质组计划&rdquo ，项目共分9个课题，其中&ldquo 激光解析基体辅助离子源-蛋白测序仪器&rdquo 课题，是一重点研究方向，将会加大蛋白质组学在临床领域的研究与应用，快速推动生物质谱技术在临床医疗领域的应用。　　利用对人体DNA分子的鉴定来辅助诊断的技术(分子诊断技术)在上个世纪就已经出现了，比如，FISH等核酸杂交技术已经可以进行染色体和基因水平的分析。上世纪90年代，定量PCR技术的兴起大大加快了突变鉴定的速度，可以进行DNA上单个位点突变的鉴定，被广泛应用于临床。本世纪初，人类基因组草图绘制的完成标志着第一代基因测序技术的成熟，对一个或几个基因的测序开始应用在临床上，对基因突变测量的分辨率得以提升，在传染病的鉴定以及癌症等致命性疾病的靶向治疗中应用广泛。　　除了精度的提高，基因芯片技术的发明使得同时检测许多基因的变化成为可能。如今新一代测序技术的进展使得大规模测序的速度急剧提高，成本急剧降低，越来越多的疾病找到了可用于诊断或分型的分子标志物，同时检测几十个基因的微小变化也不再困难，对传染病病原体的鉴定变得更加快速，许多遗传性疾病都可以实现无创的产前诊断。　　科技的进步应用于医疗领域需要经过一段时间，与IT等领域不同，医疗领域是政府监管最为严格的领域，合规性是临床应用上绕不开的问题。一项技术的成熟必须得到政府监管部门的认可才能得到应用，而新技术的批准、质控可溯源体系的建立、收费标准的建立等需要耗费时间。新一代测序的应用涉及到测序仪器、测序试剂、生物信息软件与数据库的相互配合，虽然这项技术在21三体综合症的产前诊断等应用方面展现出了极好的前景，但我们必须承认，在从基因序列到疾病的探索中，还有许多未知的问题需要解决。

2014年4月26号，由毅新兴业(北京)科技有限公司牵头的国家高技术研究发展计划资助项目(863计划)、"蛋白质测序仪器和试剂国产化"项目实施工作会议在北京大学顺利召开。会议由项目首席科学家复旦大学杨芃原教授主持，国家科技部生物医药处、国家科技部生物中心、北京市生物促进中心、北京市人力社保局、北京市食品药品监督管理局、中关村管委会产业处等领导出席，军事医学科学院甄蓓处长、"中国人类蛋白质计划"负责人秦军教授、钱小红教授，中国人民解放军总医院(301医院)生化科主任医师田亚平教授、首都医科大学附属北京天坛医院实验诊断中心主任康熙雄教授、首都医科大学附属北京世纪坛医院检验科主任医师张曼教授等七十多专家学者出席了本次会议，会议得到了北京大学前沿交叉学科研究院方竞院长的大力支持。 "蛋白质测序仪器和试剂国产化"项目，基于"中国人类蛋白质组计划"，项目共分9个课题，由毅新兴业(北京)科技有限公司主要承担的"激光解析基体辅助离子源-蛋白测序仪器"课题，是一重点研究方向，将会加大蛋白质组学在临床领域的研究与应用，快速推动生物质谱技术在临床医疗领域的应用。 1990年代人类基因组计划，中国科学家承担了1%的任务 而2010年代的人类蛋白组计划，则是由中国科学家领军 20年来，从承担人类基因组计划1%到人类蛋白组计划的领袖全球，证明了中国科学的长足进步，也体现了中国科学家的卓越贡献!此次会议也是科研与产业化结合非常好的范例，毅新兴业(北京)科技有限公司、华质泰科生物技术(北京)有限公司、聚光科技(杭州)股份有限公司等国内蛋白组领域的重要企业参会，并成立了"中国人类蛋白质计划企业工作组"，由毅新兴业担任企业工作组组长，努力打破生物质谱被国外企业垄断的局面，迅速将相关的研究成果运用于临床诊断。 飞行时间质谱既是蛋白质组学领域进行科学研究的重要工具，也是将蛋白质组学的科学研究向临床转化的重要桥梁，2013年8月，法国梅里埃公司的用于微生物鉴定的飞行时间质谱仪器通过FDA注册，2013年11月，德国布鲁克公司的飞行时间质谱也通过FDA注册，2013年10月，美国Sequenom公司用于基因检测的飞行时间质谱仪器申请了FDA注册 2013年10月，使用质谱技术检测血液中蛋白标志物进行肺部结节良恶性判断的研究成果被Science转化医学认可，并迅速被众多美国ClinLab认证实验室临床使用。 项目实施工作会议上，各个课题负责人依次对课题的主要研究内容、预期的任务指标、课题的执行进度以及存在问题与解决方案进行了阐述与汇报。相关领导进行了重要发言，认真地听取了汇报，对课题已经完成的任务和取得的成绩给予肯定，对课题负责人提出的问题做了认真回答。最后，参会代表和科研管理人员就实施工作的内容进行了热烈讨论，交换了课题实施与管理方面的经验。很多参会代表认为实施工作会议的内容丰富，通过参会提高了课题管理能力，拓宽了知识面，将有利于以后课题的有效管理和顺利实施。

在多肽类药物的生产质控中，氨基酸序列的测定是必不可少的检测项目。对于常规组成单一的合成多肽药物来说，氨基酸序列的分析较为简单，可通过Edman降解法或质谱法进行测定，其中Edman降解法被认为更加直接可靠。但对于组成复杂的混合多肽药物来说，比如，醋酸格拉替雷（Glatiramer acetate，简写为GA），由于多肽组成形式复杂多变，可能具有超过一万亿个不同序列的独特多肽，如果对每种多肽成分的氨基酸序列进行精确测定，似乎既不可能，其实也无必要，我们需要考虑新的方法对混合多肽进行整体表征。 n 快速了解醋酸格拉替雷醋酸格拉替雷是一种人工合成的多肽类制剂，由Glu（谷氨酸）、Ala（丙氨酸）、Tyr（酪氨酸）和Lys（赖氨酸）四种氨基酸随机聚合而成，原研药由以色列药厂TEVA研发制造（商品名Copaxone），于1996年获美国FDA核准用于治疗多发性硬化症（MS），其2020年全球销售额达到13.37亿美元，2021年7月，TEVA的“醋酸格拉替雷注射液”在中国的上市申请获得受理。多发性硬化症是一种常见的以中枢神经系统炎性脱髓鞘为主要特征的自身免疫性疾病，临床表现包括视物模糊，感觉、运动异常，智能、情感等高级功能障碍，在中青年人群中多发，且有较高致残率。醋酸格拉替雷被认为是通过改变造成MS发病机制的免疫过程而起作用的，其疗效与耐受性在临床上获得了十足的肯定。 醋酸格拉替雷是一种由Tyr、Lys、Glu、Ala随机聚合而成的多肽混合物（CAS号：147245-92-9） 醋酸格拉替雷的第一个仿制药Glatopa （由Sandoz 公司和 Momenta公司共同开发）于2015年上市，由于原研药的专利到期，未来将有更多的仿制药上市。 n 醋酸格拉替雷的合成与质量评估在醋酸格拉替雷的生产过程中，通过聚合及解聚反应，可以将其分子量控制在一个较窄的范围（平均分子量4700～11000 Da）。生产工艺的改变以及所用试剂的变化都有可能使药物的组分比例发生变化。利用Edman降解法，通过监测N端每一个循环的4种氨基酸的组成比例以及变化趋势，可以对药品质量进行评估。 岛津解决方案 l 蛋白质测序仪对醋酸格拉替雷进行质量评价的原理Edman降解法是进行N端氨基酸序列分析的经典方法，岛津以其为原理设计的全自动蛋白质测序仪（以下简称PPSQ），由液相系统和可执行自动化Edman降解反应的主机组成，将氨基酸从多肽链的N端依次切割下来，通过色谱的保留时间判定氨基酸种类，结果直接可靠。PPSQ除了对N端氨基酸序列进行定性分析外，利用液相色谱稳定的定量能力，还可以对多肽特定循环氨基酸的摩尔生成量及组成比例进行定量分析。 岛津在售蛋白质测序仪PPSQ-51/53A Edman降解反应图解 l 样品前处理取适量稀释后的样品加入经聚凝胺处理的玻璃纤维膜上，干燥后安装到PPSQ反应器上进行分析。实验仅作示例，共测试了3个批次的原研药Copaxone以及4个批次的某在研仿制药，每个批次测试N端前6个循环。 反应器构造图 l 实验结果 1）N端氨基酸组成定性分析醋酸格拉替雷原研药每个循环均检测到Glu、Ala、Tyr、Lys等4种氨基酸，这与药品由Glu、Ala、Tyr、Lys等4种氨基酸随机聚合而来，结果一致。 醋酸格拉替雷原研药Copaxone与某在研仿制药N端氨基酸分析色谱图示例（1-6循环）（黑色：原研药Copaxone；红色：某在研仿制药；DTT、DMPTU、DPTU为试剂峰） 2）各循环中每种氨基酸的相对摩尔含量的分析根据仪器自动生成的氨基酸生成量，计算每种氨基酸的摩尔含量，例如，Glu的相对摩尔含量为： 根据氨基酸的相对摩尔含量，绘制各循环中各氨基酸生成量的趋势图，如下。 醋酸格拉替雷Copaxone 与某在研仿制药N端前6个循环相对氨基酸水平分析（纵坐标：相对摩尔含量；横坐标：循环数） 3）原研药与某在研仿制药的比较从趋势图来看，仿制药各循环氨基酸生成量趋势，与原研药整体相似，但GA仿制药-批次1的Glu的相对含量略低，GA仿制药-批次4的各循环Tyr的相对含量略高，批次1中Glu的偏低与批次4中Tyr的偏高是否正常，需要对原研药进行多批次实验，以判断是否超出正常范围。GA仿制药-批次2及GA仿制药-批次3的Tyr生成量趋势与其他样品有明显不同，提示仿制药生产工艺可能存在与原研不同的地方。 结 语通过醋酸格拉替雷N端各氨基酸生成量的趋势变化的分析比较，可为仿制药的开发及生产质控提供参考，醋酸格拉替雷N端相对氨基酸水平分析亦可作为醋酸格拉替雷仿制药与原研药一致性评价的依据。这也为我们今后分析类似混合蛋白或多肽药物提供了参考思路。 参考文献：J. Andersona, C. Bell, et al., Demonstration of equivalence of a generic glatiramer acetate (Glatopa™ ), Journal of the Neurological Sciences 359 (2015) 24–34 撰稿人：顿俊玲 *本文内容非商业广告，仅供专业人士参考。

《自然》选出将在未来一年对科学产生巨大影响的工具和技术。从蛋白质测序到电子显微镜，从考古学到天文学，本文将讲述七项有可能会在未来一年震动科学界的技术。　　单分子蛋白质测序　　蛋白质组体现了细胞或生物体制造的一整套蛋白质，可以提供关于健康和疾病的深入信息，但对蛋白质组的表征仍然是一项挑战性的工作。　　相对于核酸来说，蛋白质是由更多的分子砌块(building blocks)组成的，约有20种天然存在的氨基酸(相比之下，组成DNA和信使RNA等分子的只有4种核苷酸) 因此，蛋白质具有更大的化学多样性。有些蛋白质在细胞中的含量较少 并且与核酸不同，蛋白质不能被扩增 ——这意味着蛋白质分析方法必须使用任何能用的材料。　　大多数蛋白质组学分析使用质谱法，这是一种根据蛋白质的质量和电荷来分析蛋白质混合物的技术。这些谱图可以同时量化数千种蛋白质，但检测到的分子并不总能明确识别，并且混合物中的低丰度蛋白质常常被忽视。现在，能对样本中的许多(甚至全部)蛋白质进行测序的单分子技术可能即将问世，其中许多技术类似于用于DNA的技术。　　德克萨斯大学奥斯汀分校的生物化学家Edward Marcotte正在研究一种这样的技术，称为荧光测序(fluorosequencing)[1]。Marcotte的技术报道于2018年，该技术基于一种逐步的化学过程，在此过程中，单个氨基酸被荧光标记，然后从表面偶联蛋白的末端逐个被剪切下来，此时摄像机会捕捉到所产生的荧光信号。Marcotte解释道：“我们可以用不同的荧光染料标记蛋白质，然后在切割时逐个分子地观察。”去年，位于康涅狄格州的生物技术公司Quantum Si的研究人员描述了一种荧光测序的替代方法，该方法使用荧光标记的“粘合剂”蛋白来识别蛋白质末端的特定氨基酸(或多肽)序列[2]。　　其他研究人员正在开发模仿基于纳米孔的DNA测序技术，根据多肽通过微小通道时引起的电流变化来分析多肽。荷兰代尔夫特理工大学的生物物理学家Cees Dekker及其同事于2021年展示了这样一种方法，他们利用蛋白质制成纳米孔，并能够区分通过纳米孔的多肽中的单个氨基酸[3]。在以色列理工学院，生物医学工程师Amit Meller的团队正在研究由硅基材料制成的固态纳米孔器件，该器件可以同时对许多不同的蛋白质分子进行高通量分析。他说：“你可能可以同时观察数万甚至数百万个纳米孔。”　　尽管目前单分子蛋白质测序只是概念上的验证，但其商业化正在迅速推进。例如，Quantum Si公司已宣布计划今年推出第一代仪器，并且Meller指出，2022年11月在代尔夫特举行的蛋白质测序会议上有一个专门针对该领域初创企业的讨论组。他说：“这让我想起了第二代DNA测序技术面世前的那些日子。”　　Marcotte是德克萨斯州奥斯汀市蛋白质测序公司Erisyon的联合创始人，他对此持乐观态度。他说：“这已经不是个行不行的问题，而是这项技术几时能送到人们手上。”　　詹姆斯韦勃太空望远镜　　天文学家们从去年开始就翘首以盼，兴奋不已。经过20多年的精心设计和建造，美国国家航空航天局(NASA)与欧洲航天局和加拿大航天局合作，于2021年12月25日成功将詹姆斯韦布太空望远镜(James Webb Space Telescope，缩写JWST)送入轨道。因为仪器设备需要展开并确定第一轮观测的位置，全世界不得不等待了近七个月，JWST才开始正常工作。　　等待是值得的。马里兰州巴尔的摩市太空望远镜科学研究所天文学家、JWST的望远镜科学家Matt Mountain表示，最初传来的图像超出了他的最高预期。“实际上天空并不空旷——到处都是星系，”他说，“理论上我们知道这一点，但真正看到这一景象带来了别样的情感冲击。”　　詹姆斯韦布太空望远镜(James Webb Space Telescope)的6.5米主镜片(图中展示了18片镜片中的6片)可以探测数十亿光年外的物体。资料来源：NASA/MSFC/David Higginbotham　　JWST的设计是为了接替哈勃太空望远镜的工作。哈勃望远镜可以看到令人惊叹的宇宙景象，但也有盲点：它基本上无法看见在红外范围内具有光信号的古老恒星和星系。要弥补这一点，需要一台高灵敏度的仪器，其灵敏度要能够探测到数十亿光年外发出的极为微弱的红外信号。　　JWST的最终设计包括18个完全光滑的铍质镜片阵列，当其完全展开时，直径为6.5米。Mountain说，这些反射镜的设计非常精密，“要是把一块镜面等比放大到美国那么大，上面的隆起也不超过几英寸(高)。”这些反射镜配有最先进的近红外和中红外探测器。　　这一设计使JWST能够填补哈勃望远镜的空白，包括捕获来自一个有135亿年历史的星系发出的信号，该星系产生了宇宙中最早的一些氧和氖原子。JWST也带来了一些惊喜，例如，它能够测量某些类型的系外行星的大气组成。　　世界各地的研究人员都在排队等待观察时间。英国卡迪夫大学的天体物理学家Mikako Matsuura正在用JWST进行两项研究，调查宇宙尘埃的产生和破坏，这些尘埃可能会导致恒星和行星的形成。Matsuura说，与她所在小组过去使用的望远镜相比，“JWST拥有完全不同的灵敏度和清晰度等级”。她说：“我们看到了这些天体内部正在发生的完全不同的现象——这真令人叹为观止。”　　体积电子显微镜　　电子显微镜(Electron microscopy，EM)以其卓越的分辨率而闻名，但观察的主要是样本的表面。深入研究样本的内部需要将样本切成非常薄的切片，这对于生物学家来说往往不够。伦敦弗朗西斯克里克研究所(Francis Crick Institute)的电子显微镜学家Lucy Collinson解释说，仅覆盖单个细胞的体积就需要200个切片。她说：“如果你只有一个[切片]，你就是在玩统计把戏。”　　现在，研究人员正在将EM的分辨率应用于包含多个立方毫米体积的3D组织样本上。　　此前，从2D的EM图像重建这样体积的样本(例如，绘制大脑的神经连接图)需要经历艰苦的样本准备、成像和计算过程，才能将这些图像转换为多图像堆叠。现在，最新的“体积电子显微镜”技术大大简化了这一过程。　　这些技术有各种优点和局限性。连续切面成像(Serial block-face imaging)是一种相对快速的方法，它使用金刚石刀片在树脂包埋样品上切下一系列薄片，并进行成像，可以处理约1立方毫米大小的样品。然而，它的深度分辨率较差，这意味着生成的体积重建将相对模糊。聚焦离子束扫描电子显微镜(Focused ion beam scanning electron microscopy，FIB-SEM)能制备更薄的薄片样品，因此深度分辨率更高，但更适用于体积较小的样品。　　Collinson将体积电子显微镜的兴起描述为一场“安静的革命”，因为研究人员专注于用这种方法得到的结果，而不是生成这些结果的技术。但这正在改变。例如，2021年，弗吉尼亚州珍利亚研究园区(Janelia Research Campus)从事电子显微镜中细胞器分割(Cell Organelle Segmentation in Electron Microscopy，COSEM)计划的研究人员在《自然》上发表了两篇论文，聚焦了在绘制细胞内部结构方面取得的重大进展[4,5]。“这是一个绝佳的原理论证。”Collinson说。　　COSEM研究计划使用精密的定制FIB-SEM显微镜，在保持良好空间分辨率的同时，可将单个实验中可成像的体积增加约200倍。将这些仪器与深度学习算法结合使用，该团队能够在各种细胞类型的完整3D体积中定义各种细胞器和其他亚细胞结构。　　这种样品制备方法费力且难以掌握，并且由此产生的数据集非常庞大。但这一努力是值得的：Collinson已经看到了该技术在传染病研究和癌症生物学方面产生的见解。她现在正在与同事们合作，探索以高分辨率重建整个小鼠大脑的可行性。她预计这项工作将需要十多年的时间，花费数十亿美元，并产生5亿GB左右的数据。她说：“这可能与绘制第一个人类基因组工作的数据量在一个数量级。”　　CRISPR无限可能　　基因组编辑工具CRISPR–Cas9作为在整个基因组的目标位点引入特定变化的首选方法，在基因治疗、疾病建模和其他研究领域取得了突破，无可非议地享有盛誉。但它的用途多受限制。现在，研究人员正在寻找规避这些限制的方法。　　CRISPR编辑由短链向导RNA(short guide RNA，sgRNA)协调，sgRNA将相关的Cas核酸酶导向其目标基因组序列。但这种酶发挥作用还需要在靶点附近有一种叫做原间隔序列邻近基序(protospacer adjacent motif，PAM)的序列 如果没有PAM，基因编辑很可能会失败。　　在波士顿的马萨诸塞州总医院，基因组工程师Benjamin Kleinstover利用蛋白质工程技术，从化脓性链球菌中制造出常用Cas9酶的“近乎不受PAM序列限制的(near-PAMless)”Cas变体。一个Cas变体需要由三个连续核苷酸碱基组成的PAM，其中腺嘌呤(A)或鸟嘌呤(G)核苷酸位于中间位置[6]。“这些酶现在几乎可以读取整个基因组，而传统的CRISPR酶只读取1%到10%的基因组。”Kleinstover说。　　这种对PAM序列不太严格的要求，增加了编辑“脱靶”的机会，但进一步的蛋白质工程设计可以提高其特异性。作为一种替代方法，Kleinstiver的团队正在设计和测试大量Cas9变体，每个变体对不同的PAM序列表现出高度的特异性。　　还有许多天然存在的Cas变体有待发现。自然条件下，CRISPR–Cas9系统是一种针对病毒感染的细菌防御机制，不同的微生物进化出了具有不同PAM序列偏好的各种酶。意大利特伦托大学的病毒学家Anna Cereseto和微生物组研究人员Nicola Segata梳理了100多万个微生物基因组，鉴定和表征了一组多样的Cas9变体，他们估计这些变体可能总共可以针对98%以上的已知人类致病突变[7]。　　然而，其中只有少数能在哺乳动物细胞中发挥作用。Cereseto说：“我们的想法是测试许多种酶，看看是什么决定因素使这些酶正常工作。”从这些天然酶库和高通量蛋白质工程工作中获得的见解来看，Kleinstiver说，“我认为我们最终会有一个相当完整的编辑工具箱，能让我们编辑任何我们想要的碱基。”　　高精度放射性碳测年　　去年，考古学家利用放射性碳测年技术的进步，对维京探险家首次抵达美洲的确切年份——甚至是季节——进行了研究。荷兰格罗宁根大学的同位素分析专家Michael Dee和他的博士后Margot Kuitems带领的一个团队在加拿大纽芬兰岛北岸的一个聚落中发现了一些被砍伐的木材，通过对这些木材的研究，确定这棵树很可能在1021年被砍伐，而且可能是在春天[8]。　　自20世纪40年代以来，科学家一直在利用有机人工制品的放射性碳测年法来缩小历史事件发生的时间范围。他们通过测量同位素碳-14的痕迹来做到这一点，碳-14是宇宙射线与地球大气相互作用的结果，在数千年中缓慢衰变。但这种技术的精确度通常仅为几十年左右。　　加拿大纽芬兰省兰塞奥兹牧草地(L'Anse aux Meadows)木材的精确放射性碳年代测定显示，维京人于1021年在此地砍倒了一棵树。图片来源：All Canada Photos/Alamy　　2012年，情况发生了变化，日本名古屋大学物理学家三宅芙沙(Fusa Miyake)领导的研究小组发现[9]，公元774到775年之间，日本雪松年轮中碳-14含量显著升高。随后的研究[10]不仅证实了这一时期世界各地的木材样本中都存在这种碳-14含量的显著升高，而且还发现历史上存在至少五次这样的碳-14含量上升，最早的一次可以追溯到公元前7176年。有研究人员将这些碳-14峰值与太阳风暴活动联系起来，但这一假设仍在探索中。　　无论其原因是什么，这些“三宅事件”的存在，能让研究人员通过检测一个特定的三宅事件，然后对此后形成的年轮进行计数，从而准确地确定木制文物的制造年份。Kuitems说，研究人员甚至可以根据最外圈年轮的厚度来确定树木被砍伐的季节。　　考古学家现在正在将这种方法应用于新石器时代聚落和火山爆发遗址的研究，Dee希望用它来研究中美洲的玛雅帝国。在接下来的十年左右，Dee乐观地认为，“我们将对这些古老文明中的许多历史事件有真正精确到年代的完全记录，我们将能够以相当精细的时间尺度谈论这些历史发展。”　　至于三宅，则还在继续寻找历史中的时间标尺。她说：“我们现在正在寻找过去一万年中与公元774到775年的事件相当的其他碳-14升高。”　　单细胞代谢组学　　代谢组学是研究驱动细胞的脂质、碳水化合物和其他小分子的科学，它最初是一套表征细胞或组织中代谢产物的方法，但现在正在转向单细胞水平。科学家们可以利用这些细胞水平的数据，理清大量看似相同的细胞的功能复杂性。但这一转变带来了艰巨的挑战。　　代谢组包含大量具有不同化学性质的分子。欧洲分子生物学实验室的代谢组学研究人员Theodore Alexandrov说，其中一些分子存在的时间非常短暂，代谢周转率为亚秒级别。它们可能很难检测：尽管单细胞RNA测序可以捕获细胞或生物体中产生的近一半的RNA分子(转录组)，但大多数代谢分析仅涵盖细胞代谢产物的一小部分。这些缺失的信息里可能包含了重要的生物学奥秘。　　“代谢组实际上是细胞的活性部分。”伊利诺伊大学厄巴纳-香槟分校的分析化学家Jonathan Sweedler说，“在疾病状态下，如果你想知道细胞状态，你真的要研究代谢产物。”　　许多代谢组学实验室使用分离的细胞，这些细胞被捕获在毛细管中，使用质谱法单独分析。相比之下，“成像质谱”方法获取了样本中不同位置的细胞代谢产物发生变化的空间信息。例如，研究人员可以使用一种称为基质辅助激光解吸/电离(MALDI)的技术，其中激光束扫过经特殊处理的组织切片，释放出代谢产物，用于随后的质谱分析。这种方法也能捕获样本中代谢物来源的空间坐标。　　Sweedler说，理论上，这两种方法都可以量化数千个细胞中的数百种化合物，但要实现这一目标通常需要顶级的定制硬件设备，成本在百万美元左右。　　现在，研究人员正在普及这项技术。2021年，Alexandrov团队报道了SpaceM，这是一种开源软件工具，它能用光学显微镜成像数据，使用标准商用质谱仪对培养的细胞进行空间代谢组学分析[11]。他说：“我们算是做了数据分析部分的体力活。”　　Alexandrov的团队使用SpaceM对数以万计人和小鼠细胞中的数百种代谢产物进行了分析，并转向标准的单细胞转录组学方法将这些细胞分类。Alexandrov表示，他尤为热情的是后一项工作，以及构建“代谢组学图谱”的想法——类似于为转录组学开发的图谱，以加速该领域的进展。他说：“这绝对是一个前沿领域，并将对科学起到巨大的推动作用。”　　体外胚胎模型　　研究人员现在可以在实验室中制造出人工合成胚胎(下图)，它与8天大的自然胚胎(上图)类似。来源：Magdalena Zernicka Goetz实验室　　科学家们已经在小鼠和人类的细胞水平上详细描绘了从受精卵到完全形成的胚胎这一过程。但驱动这一过程早期阶段的分子机制仍不清楚。现在，“胚状体”模型的一系列活动有助于填补这些知识空白，让研究人员更清楚地了解可以决定胎儿发育成败的重要早期事件。　　该领域一些最精细的模型，来自加州理工学院和英国剑桥大学的发育生物学家Magdalena Zernicka Goetz的实验室。2022年，她和她的团队证明，他们可以完全从胚胎干细胞(embryonic stem cells，ES细胞)中产生植入期的小鼠胚胎[12,13]。　　与所有多能干细胞一样，ES细胞可以形成任何细胞或组织类型，但它们需要与两种类型的胚外细胞密切相互作用才能完成正常的胚胎发育。Zernicka-Goetz团队研究出了诱导ES细胞形成这些胚外细胞的方法，并表明这些细胞可以与ES细胞共培养，以产生胚胎模型，该模型的成熟度是以前的体外实验无法达到的。“它就如你能想象的胚胎模型那样。”Zernicka Goetz说，“我们的胚胎模型发育出一个头部和心脏——而且还在跳动。”她的团队能够利用这个模型来揭示个别基因的改变如何破坏正常的胚胎发育。　　经过工程设计用于模拟胚胎8细胞期的细胞构成的胚状体。来源：M.A Mazid et al./Nature　　在中国科学院广州生物医药与健康研究院，干细胞生物学家Miguel Esteban和同事们正在采取一种不同的策略：重新编程人类干细胞，以模拟最早的发育阶段。　　Esteban说：“我们最初的想法是，实际上甚至制造合子也是可能的。”该团队没能完全实现这一点，但他们的确发现了一种培养策略，能使这些干细胞回到类似于8细胞期人类胚胎的状态[14]。这是一个至关重要的发育期里程碑，与基因表达的巨大变化相关，最终产生不同的胚胎细胞和胚外细胞谱系。　　尽管还不完美，但Esteban的模型展示了自然状态下8细胞期胚胎中细胞的关键特征，并凸显了人类和小鼠胚胎如何启动向8细胞期阶段转变之间的重要差异。Esteban说：“我们发现，一种甚至在小鼠体内都没有表达的转录因子，调节着整个转化过程。”　　结合起来，这些模型可以帮助研究人员描绘出仅仅几个细胞是如何发育为高度复杂的脊椎动物躯体的。　　在许多国家，对人类胚胎的研究只能在发育14天以内进行，但在这些限制条件下，研究人员仍有许多工作可做。Esteban说，非人类灵长类动物模型提供了一种可能的替代方案，而Zernicka-Goetz说，她的小鼠胚胎策略也可以产生发育到第12天的人类胚胎。她说：“在这个我们能研究的胚胎阶段，仍有很多问题有待提出。”　　参考文献：　　1. Swaminathan, J. et al. Nature Biotechnol.36, 1076–1082 (2018).　　2. Reed, B. D. et al. Science 378, 186–192 (2022).　　3. Brinkerhoff, H., Kang, A. S. W., Liu, J., Aksimentiev, A. & Dekker, C. Science 374, 1509–1513 (2021).　　4. Heinrich, L. et al. Nature 599, 141–146 (2021).　　5. Xu, C. S. et al. Nature 599, 147–151 (2021).　　6. Walton, R. T., Christie, K. A., Whittaker, M. N. & Kleinstiver, B. P. et al. Science 368, 290–296 (2020).　　7. Ciciani, M. et al. Nature Commun. 13, 6474 (2022).　　8. Kuitems, M. et al. Nature 601, 388–391 (2022).　　9. Miyake, F., Nagaya, K., Masuda, K. & Nakamura, T. Nature 486, 240–242 (2012).　　10. Brehm, N. et al. Nature Commun. 13, 1196 (2022).　　11. Rappez, L. et al. Nature Methods 18, 799–805 (2021).　　12. Amadei, G. et al. Nature 610, 143–153 (2022).　　13. Lau, K. Y. C. et al. Cell Stem Cell 29, 1445–1458 (2022).　　14. Mazid, M. A. et al. Nature 605, 315–324 (2022).　　原文以Seven technologies to watch in 2023为标题发表在2023年1月23日《自然》的技术特写版块上

3月10日，封面新闻记者从天府锦城实验室（未来医学城）获悉，四川大学华西医院临床检验医学研究中心与生物治疗全国重点实验室、天府锦城实验室（未来医学城）耿佳教授和华西第二医院陈路教授联合团队在生物传感与蛋白质测序领域取得重要进展。耿佳教授、陈路教授（左四、左五）与主要作者合影（左至右：陈山川、张丹、张明、王紫纯、唐超）。摄影：谢忱据了解，每个人体内都有超过百万种蛋白质，与水、脂肪和无机物等共同构成生物体。蛋白质是生命活动的主要承担者，例如胰岛素和胰高血糖素控制血糖高低；视紫质能够感应光子，对于正常视觉功能必不可少。许多疾病的发生与蛋白质的异常直接相关，例如缺乏凝血因子会引起血友病；异常淀粉样蛋白斑可损害神经元，是阿尔茨海默病的潜在诱因。破译蛋白质信息是探索生命现象、促进人类健康的关键一环。该研究成果阐明了纳米孔单分子检测新策略，实现了对全部20种天然氨基酸的直接区分，提出并验证了纳米孔外切酶实时多肽测序（Nanopore Exopeptidase Real-time Peptide Sequencing, NEPS）方法，为实现单分子蛋白质测序提供了可行途径，展示出生物传感器技术与人工智能算法结合的优异潜力。NEPS技术为最终破译“生命天书”、更精准的疾病诊断和治疗、更快的药物开发提供有力工具，同时代表我国生物传感技术与蛋白组学工具的原始创新能力进入全球前沿方阵。相关成果日前在线发表于《自然方法》。相关成果日前在线发表于《自然方法》近年来，成都未来医学城围绕高质量发展和科技创新时代主题，依托成渝地区双城经济圈国家战略，以临床医学转化为创新原点，专注创新成果转化、孵化。2023年7月，天府锦城实验室（未来医学城）耿佳教授团队联合卢克锋教授、戚世乾教授、李绘绘教授等团队共同在世界知名学术期刊《Nature Communications》发布学术文章，半年后，天府锦城实验室（未来医学城）耿佳教授团队再传喜报，提出并验证了纳米孔外切酶实时多肽测序（Nanopore Exopeptidase Real-time Peptide Sequencing, NEPS）方法，研发领域成果喜人。截至目前，天府锦城实验室（未来医学城）成功导入高能级科研团队14支，其中院士级团队3支，聚集研发人才200人；承担国家级科研课题3项、省级课题2项，发表SCI论文7篇，注册企业19家。成都未来医学城下一步，成都未来医学城将充分发挥成渝双城经济圈建设国家战略及区位优势，搭建集技术开发、概念验证、小中试等功能为一体的成果创新转化平台，打通基础创新源头和科技成果转化的“最后一公里”，促进创新链、产业链、资金链、人才链深度融合，护航科技创新策源转化，提升创新成果转化效率，助力成都加快形成新质生产力。

近日，中国科学院大连化学物理研究所生物分离分析新材料与新技术研究组研究员叶明亮团队和上海有机化学研究所生物与化学交叉研究中心研究员刘聪团队合作，将硼酸化学引入到甲基化蛋白质组分析方法中，并巧妙利用精氨酸残基上不同修饰基团的位阻差异，实现高效的精氨酸二甲基化肽段富集，显著提高了蛋白质甲基化的分析能力；利用此新方法，系统分析了蛋白质分相过程中精氨酸二甲基化的变化，揭示了此类修饰的发生会降低蛋白质的分相能力。　　蛋白质精氨酸甲基化是一种调控蛋白质功能的重要翻译后修饰，与较多疾病的发生发展相关。研究表明，精氨酸二甲基化会影响一些神经退行性疾病相关蛋白的液-液相分离，以及相分离所驱动的无膜细胞器的产生。然而，受限于目前精氨酸二甲基化蛋白质组分析技术覆盖率不足，这类研究仅聚焦于少数几个蛋白，尚未系统性探究精氨酸甲基化对蛋白质相分离的影响。　　本研究发现，不同甲基化修饰的精氨酸残基在与邻二酮类化合物反应时，由于位阻不同，反应活性差异巨大。合作团队据此设计了一种精氨酸二甲基化肽段的富集方法：先利用环己二酮选择性的封闭无修饰精氨酸残基，随后利用丙酮醛选择性的在二甲基化精氨酸残基上修饰顺式邻二羟基，从而使得硼酸材料可以选择性的富集精氨酸二甲基化肽段。相比传统的免疫亲和富集方法，该方法拥有较强的精氨酸二甲基化肽段富集能力，特别是在鉴定RG/RGG序列上的精氨酸二甲基化位点方面有更高的灵敏度。合作团队将该方法应用于分析蛋白质相分离过程中精氨酸甲基化的变化，发现包括G3BP1，FUS，hnRNPA1、KHDRBS1在内的一些与无膜细胞器或神经退行性疾病相关的蛋白质上的精氨酸二甲基化程度发生了显著变化；系列实验验证发现，精氨酸甲基化会显著降低这些蛋白质的分相能力，且上述蛋白质组分析中鉴定到变化的甲基化位点是调控蛋白质相分离的关键因素。本工作开发了基于化学反应的精氨酸二甲基化蛋白质组分析方法，并利用这一方法揭示了精氨酸二甲基化对蛋白质液-液相分离具有重要的调控作用。　　叶明亮团队致力于蛋白质磷酸化、糖基化、甲基化等翻译后修饰分析新方法的研究，发展了基于可逆酶促化学标记的O-GlcNAc糖肽无痕富集方法，克服了标记基团对糖肽质谱检测的干扰，实现了O-GlcNAc糖基化的高灵敏分析（Angew. Chem. Int. Edit.）；利用不同糖肽的同一肽段骨架具有相似碎裂规律的特点，发展出基于“模式识别”的肽段序列鉴定新方法，实现了谱图拓展，显著提高了N-链接位点特异性糖型的鉴定灵敏度，并可发现未知的糖链及糖链修饰（Nat. Commun.）。　　相关研究成果以Global profiling of arginine dimethylation in regulating protein phase separation by a steric effect-based chemical-enrichment method为题，发表在《美国国家科学院院刊》（PNAS）上。研究工作得到国家重点研发计划、国家自然科学基金、大连化物所创新基金等的支持。

来自德国及美国等处的研究人员针对基因组特别大，难以进行全基因组测序的动物，提出了以转录组测序与蛋白质组分析联合以解析功能基因的策略，并以蝾螈进行实验，开辟了组织及器官再生研究的新思路。该研究成果已发表近期的《Genome Biology》杂志上。 蝾螈是一种在侏罗纪中期演化的有尾两栖动物，目前存活的约有400种。红色斑点蝾螈虽然小，但其组织工程学技艺却令人惊叹。蝾螈在失去了组织，包括心肌、中枢神经系统元件甚至眼睛的晶状体后仍能再生。一般来讲，动物的再生组织的能力是所有多细胞动物所共有的古老程序，因此，医生们一直希望蝾螈的这种能力依赖于基础遗传学程序，而该程序潜伏在包括哺乳动物在内的所有动物中，这样他们就可以在再生医学中利用蝾螈的再生机制。 然而蝾螈的基因组十分庞大，比人类基因组大十倍，要从头获得蝾螈的全基因组序列不容易。因此研究者们将目光转向基因表达所产生的RNA，他们利用454新一代测序技术对蝾螈的转录组进行了研究。经过从头组装N. viridescens的转录组，获得了超过120,000个RNA转录本，约有15,000个转录本编码蛋白质，其中有826个转录本是蝾螈所特有的。这些转录本中包含了不同器官所有再生阶段的转录本，这些转录本中的一部分与其它生物相似。通过对蝾螈胚胎和幼体的心脏、四肢、眼睛、尾、肝脏、脾脏等组织中再生过程表达的蛋白的分离以及质谱分析方法，对这些蛋白进行分类及与转录本的比对。 通过454新一代测序结果与质谱技术的结合，发现了500多个其它生物中从未被发现的肽段，接下来会进一步探索这些蛋白是否与再生能力相关。这项研究不仅为目前科学家们提供了两栖类动物的基因数据，更为基因组测序困难的动物研究，提出了一种新思路。 参考文献：Genome Biol. 2013 Feb 20 14(2):R16. A de novo assembly of the newt transcriptome combined with proteomic validation identifies new protein families expressed during tissue regeneration.Looso M, Preussner J, Sousounis K, Bruckskotten M, Michel CS, Lignelli E, Reinhardt R, Hoeffner S, Krueger M, Tsonis PA, Borchardt T, Braun T.

蛋白质是构成生物体的主要成分，同时也是生命活动的主要承担者。具有生物学功能的蛋白质往往具有特定的空间结构，而蛋白质结构在多个层级上被定义，其中一级结构，即氨基酸的种类和排列，最为重要，它可以决定蛋白质的高级结构。但一直以来，想要直接读取蛋白质的一级结构是十分困难的，在大多数情况下，科学家们会根据基因序列和氨基酸密码子表来“破译”蛋白质的氨基酸序列。然而，由于转录后修饰和翻译后修饰的存在，破译结果并非完全正确，甚至与真实的氨基酸序列有很大差异。2021年11月4日，荷兰代尔夫特理工大学的研究人员在 Science 期刊上发表了题为：Multiple rereads of single proteins at single–amino acid resolution using nanopores（利用纳米孔在单氨基酸分辨率下对单蛋白质进行多次重读）的研究论文。该研究利用纳米孔测序技术成功扫描并读取单个蛋白质的氨基酸序列：线性化的DNA-肽复合物缓慢通过一个微小的纳米孔，根据电流的变化和强度，研究人员就能读取相关的蛋白质信息内容，直接对蛋白质的氨基酸序列进行测序。蛋白质是生命活动的主要承担者。事实上，所有生物的蛋白质都是由大约20种不同的氨基酸组成的长肽链，就像项链上有不同种类的珠子一样。遗憾的是，目前的蛋白质测序方法价格昂贵，而且不能检测许多稀有蛋白质。近年来发展起来的纳米孔测序技术，已经能够直接扫描和排序单个DNA分子。如今，这篇发表在Science 上的研究表明，我们完全可以以类似于DNA纳米孔测序的方式直接读取蛋白质的氨基酸序列。本研究的通讯作者 Cees Dekker 教授表示：在过去的30年里，基于纳米孔的DNA测序已经从一个想法发展成为一个实际的工作设备，并成功开发了商业化的便携式纳米孔测序仪，服务于价值数十亿美元的基因组测序市场。在我们的论文中，我们将纳米孔的概念扩展到单个蛋白质的读取。这可能会对基础蛋白质研究和医学诊断产生重大影响。牛津纳米孔开发的纳米孔基因测序仪直接读取氨基酸序列对于如何利用纳米孔读取肽链中的单个氨基酸的特征，这篇论文的第一作者 Henry Brinkerhoff 博士打了一个形象的比喻：“想象一下，一个肽链中的氨基酸链就像一条项链，上面有不同大小的珠子。然后，你打开水龙头，慢慢地把项链送入下水道，也就是纳米孔。如果在某个时间点是一颗大珠子，它会堵塞下水道，那里面的水也就成了涓涓细流。相反，如果是一颗小珠子，那么下水道剩余的空隙就会比较大，水流也更大。”用纳米孔肽阅读器直接读取氨基酸序列因此，通过这项技术，研究人员可以非常精确地测量纳米孔的电流大小，并以此推测相应的氨基酸种类。更关键的是，这个过程并不会影响肽链的完整性，因此我们能够一次又一次地读取单个肽链，然后对所有数据进行拟合，从而以基本上100%的准确率获得肽链的序列组成。解旋酶（红色）拖动连接了多肽（紫色）的 DNA 分子（黄色），使其缓慢通过纳米孔（绿色），从而通过读取电信号（橙色高亮）表征多肽的氨基酸序列。条形码般的识别精度为了进一步验证这项技术的准确性，研究人员改变了肽链的某个氨基酸，然后能够检测到显著差异的电信号，表明该技术是极其灵敏的。事实上，这项新技术在识别单个蛋白质和绘制它们之间的细微变化方面非常强大，打个形象的比方——就像超市的收银员通过扫描条形码来识别每个产品一样。这也可能为未来的蛋白质从头测序提供新的途径。纳米孔肽阅读器可以区分单氨基酸替代的单肽Henry Brinkerhoff 博士表示：这项方法可能为未来蛋白质测序奠定基础，但就目前来说，蛋白的从头测序仍然是一个巨大的挑战。我们仍然需要大量描述来自不同序列的电信号，以便创建一个对应电信号和蛋白质序列的“密码表”。但即便如此，该研究已经能够成功分辨蛋白质序列中的单个氨基酸的改变，这无疑是一项重大进步，也将产生许多直接应用。看见生物学的“暗物质”暗物质，是理论上提出的可能存在于宇宙中的一种不可见的物质，它可能是宇宙物质的主要组成部分，但又不属于构成可见天体的任何一种已知的物质。在细胞中，存在许多不可知的“暗物质”——翻译后修饰导致的数百万种蛋白质变异。这些蛋白质变异无法通过基因序列进行预测，但纳米孔蛋白测序技术的出现扭转了这一情况，利用目前的纳米孔肽阅读器，研究人员可以直接观测这些“生物学中的暗物质”。反复读取单个蛋白以提高准确率为了方便理解，通讯作者 Cees Dekker 教授打了一个比喻：项链上的珠子并不只是大小不同，还可能颜色不同，比如一些红色的珠子上代表附着一个磷酸基，另一些蓝色的珠子上代表附着一个糖基。这些变化对蛋白质功能至关重要，同时也是癌症等疾病的标志。我们的新方法将能够检测到这些变化，从而为癌症等疾病的检测和治疗提供新的理论依据。结语总而言之，这种能够直接读取蛋白质序列的蛋白质组学工具对于细胞生物学的研究和应用具有重要意义。该研究展示了一种基于纳米孔的单分子肽阅读器，它利用DNA解旋酶Hel308将DNA-肽结合物通过生物纳米孔MspA，根据电流变化读取线性化蛋白质的氨基酸序列。更重要的是，这种方法可以区分单个氨基酸的变化，具有高保真度和高通量潜力。这种单分子肽阅读器标志着蛋白质鉴定的新突破，并为单细胞内的单分子蛋白质测序和分类开辟了道路。论文链接：https://www.science.org/doi/10.1126/science.abl4381

生物体在合成蛋白质时,N-末端首位的甲硫氨酸在蛋白质加工过程中可能被酶切除。本文以蛋白质类药物重组人粒细胞巨噬细胞刺激因子注射液原液为例,演示了应用蛋白质测序仪PPSQ-53A进行N-末端甲硫氨酸部分缺失的蛋白质分析的方法和结果。本应用蛋白质测序仪PPSQ-53A测定了发生N-末端部分甲硫氨酸切除的蛋白质类药物重组人粒细胞巨噬细胞刺激因子的-N未端前16个氨基酸的序列,结果与理论序列一致。除了氨基酸定性,根据信号峰强度,可以粗略估计样品N-末端甲硫氨酸的缺失比例。以上表明应用PPSQ-53A可以测定N-未端部分甲硫氨酸缺失的蛋白质的N-末端氨基酸序列。可作为此类生物药物样品分析时的参考。 ?了解详情，敬请点击《应用蛋白质测序仪PPSQ-53A测定N-末端部分甲硫氨酸缺失的蛋白质类药物的N-末端氨基酸序列》关于岛津 岛津企业管理（中国）有限公司是（株）岛津制作所于1999年100%出资，在中国设立的现地法人公司，在中国全境拥有13个分公司，事业规模不断扩大。其下设有北京、上海、广州、沈阳、成都分析中心，并拥有覆盖全国30个省的销售代理商网络以及60多个技术服务站，已构筑起为广大用户提供良好服务的完整体系。本公司以“为了人类和地球的健康”为经营理念，始终致力于为用户提供更加先进的产品和更加满意的服务，为中国社会的进步贡献力量。

01 摘要蛋白质组学目前的研究活动的成长与基因组学早期的发展轨迹相似。基因组学花费了大概十年的时间实现了产业化。尽管蛋白质组学技术起步的时间比基因组学更早，但蛋白质组学相对更大的复杂性导致其与基因组学相比需要更先进的技术。然而，今天，蛋白质组学的重要研究瓶颈正在被不断突破，让科学家们看到了其在研究、转化和临床意义上达到与基因组学相当的水平的前景。因此，随着时间的推移，蛋白质组学在研究和临床中应用的商业机会将与基因组学的可用市场总量（TAM）规模趋于一致，目前全球TAM已经达到500亿美元。并且我们有理由相信，由于蛋白质组学动态、变化的性质将使得其超过基因组学而转化为更加具有经常性、重复性的临床应用。质谱是最能促进蛋白质组学工业化的技术，但其工作流程的标准化，尤其是样品制备阶段的标准化，仍然存在着挑战。对于长期投资商来说，应该对在这个生态圈中拥有于众不同知识产权的供应商给与更大的关注。尽管以基于高元多工分析方法为代表的新兴检测方法与质谱方法相比仅处于早期发展阶段，但也具有巨大的潜力。02 背景与投资情况论述生命的基本构成部分是核酸和氨基酸。核酸是基因的基本构成成分。氨基酸是蛋白质的基本构成成分。事实上，我们体内每个细胞的成分都可以归类于蛋白质、基因、脂质或碳水化合物这四类大分子化合物。脂质和碳水化合物组成简单不易出错。因此，最重要的是对基因和蛋白质进行深入了解。我们对人类生物学的理解，从细胞功能到疾病的因果关系，再到药物治疗，都是我们对基因组学和蛋白质组学知识的衍生品。在20世纪，先进显微镜和生物化学技术的发明导致我们对基于结构的蛋白质和基因的理解有了很大的进步。在21世纪，基因组学经历了一场革命，使其从一个刚刚起步的研究领域经历了工业化的过程，成为了临床生物学重要方面。这不仅使得人类对生物学有了更深更新的了解，也提供了包括液体活检诊断，CAR-T细胞治疗，甚至是mRNA疫苗的一系列新的临床治疗及诊断方法。蛋白质组学在21世纪也取得了重要进展。这不仅是由于质谱和X射线晶体学等成像方面新技术的出现，也是由于免疫检定试剂方面的生物化学方法创新，使得我们可以分离特定的蛋白进行进一步的研究。与基因组学相比，蛋白质组学还未取得飞跃。这并不是由于它相对于基因学的有较小的前景和应用场景，这只与它的方法的复杂性有关。我们认为，下一个十年蛋白质组学将进入快车道，使生物学研究、医学治疗和诊断方面进入一个以蛋白质为中心的新时代。蛋白质组学的挑战。超过95%的获得FDA批准的药物都是以蛋白质为目标，但蛋白质组中的多数组分却尚未被人们所了解。我们相信，十年后，西方国家的蛋白质组学公司所创造的股权价值将与今天基于基因组学的公司所创造的约2500亿美元的市值相当或更多。创新的速度正在加快：在1869年由弗里德里希-米歇尔（Friedrich Miescher）发现核酸之后近85年才由沃森和克里克于1953年发现了DNA双螺旋。从沃森和克里克的发现到2001年第一个人类基因组序列的发表花费了近50年时间。从2001年人类基因组的第一份草图到2021年7月公布的第一份完整序列花费了20年时间。总而言之，从核酸发现到确定完整的人类基因组花费了近155年的时间。在接下来的155年里，创新的速度将呈指数型增长，而蛋白质组学将是其中最大的受益者。03 蛋白质组学的今天：挑战与机遇什么是蛋白质组学？它为什么重要？图一：蛋白质组学受益于多种技术跨越式进步蛋白质组学作为一个术语首次出现在1996年，它被定义为对一个细胞系的整个蛋白质图谱进行大规模表征。蛋白质组学的要点是完整性和深度：通过检测和解读该细胞中的所有蛋白质的作用以及相互作用来彻底了解细胞功能，而不是应用传统的通过抗体分离已知蛋白质的方法单独检测每个蛋白质。基于抗体的蛋白质检测将继续在后续的工作中得到应用，但蛋白质组学是针对所有蛋白质，它们的相互作用，及其多种形态的大规模、高通量、高灵敏度的分析。因为蛋白质修饰和相互作用出错是发生疾病的通常原因，蛋白质组学研究对理解造成疾病发生的原因非常重要，Source: Graves PR, Haystead TA., Molecular biologist’s Guide to Proteomics (2002)04 蛋白质组学和基因组学之间的关系是什么？当马克-威尔金斯（Mark Wilkins）在1996年首次使用蛋白质组学一词时，他明确表示他指的是“基因组的补充”。基因是细胞的说明书。通过RNA的表达，他们指示细胞要构建哪些蛋白质。蛋白质细胞构建之后，它们通过与其他蛋白质和环境的相互作用而被翻译和修饰。因此，1) 基因组学的大部分功能效用通过蛋白质组体现；2) 下游事件-包括蛋白质间的相互作用，新的蛋白质形态和动态修饰的产生，及其对细胞分裂的影响-是蛋白质组学而不是基因组学的主题。Source: Virag D, Dalmadi K B. Current Trends in the Analysis of Post-translational Modifications (2020)因此，基因组学和蛋白质组学是相互关联的，而不是分开的，但蛋白质组学在功能上更为重要及复杂。有25000个独立的基因，但有超过100万种蛋白形式。虽然一个人的基因组不会改变，但一个人的蛋白质组是动态的。身体里的变化是通过蛋白质的修饰来表达的。你出生时的基因组和今天一样。但你的蛋白质组每天都在变化。05 为什么蛋白质组学研究如此困难？1. 分子的复杂性和多样性Source: Creative-Proteomics.com蛋白质分子本身的分子结构更为复杂。DNA是由4种核苷酸组成的，而蛋白质是由20种不同的氨基酸组成的。翻译后修饰，如甲基化和羟基化，改变了蛋白质的形态和功能。每个蛋白质可以有9种不同的蛋白形式。取决于翻译后修饰和蛋白质间的相互作用。这意味着同一个蛋白质可以有9种不同的功能。DNA的分子结构相对简单，有4种核苷酸变体，这意味着基因测序方法（如合成测序）不能应用于蛋白质组。需要新的、更复杂的、定制的方法来捕获生物样本中数百万种不同的蛋白质形态。2. 动态范围问题Source: Montanaro Research Aebersold R., Targeted Proteomic Strategy for Clinical Biomarker Discovery (2009)Y轴表示血浆样品中特定蛋白质分子的浓度和丰度。虽然有些蛋白质的含量极高，但大多数蛋白质类型的浓度很小，甚至可以忽略不计。红圈中的蛋白质存在于蛋白质组的“黑暗角落”，在这种极低的丰度下，这些蛋白质非常难以测得。大多数蛋白质的丰度极低。在血浆细胞中发现的约12,000个独立的蛋白质中，前10个占总蛋白量的90%，而其他约11,990个仅占10%。3. 少数的暴政如下饼图显示了血浆样品中蛋白质的相对丰度。单一的一种蛋白质，即血浆白蛋白，占了57%的总丰度，使读取其余的1万种蛋白质更加困难。Source: Anderson NG., Molecular Cell Proteomics (2002)06 蛋白质组学市场机遇有多大？我们相信，蛋白质组学在分子生物学研究以及临床医学和诊断方面有与基因组学一样远大的前景。Source: Montanaro Research自2001年第一个人类基因组的组装以来，基因组学已经成为生物医学的一个工业化部分， 纯基因组学公司的总市值达到2400亿美元。Illumina是其中最大的公司。蛋白质组学TAM（可用市场总量）如今已经达到数百亿美元。Somalogic estimate the total TAM to be $50 bn (Source: Somalogic)虽然临床应用方面的TAM具有最大的长期潜力，但在未来5年内研究和发展方面的TAM是最容易解决的。Source: Souda P., Proteomics: The Next Frontier, SVB Leerink (2021)SVB Leerink的蛋白质组学专家Puneet Souda估计，目前仅美国的研发TAM 有140亿美元，这基于学术界和制药业共约 26,100 个实验室总经费的2.5%的保守估计。如果我们把西方国家的实验室数量看作是约50,000个，并更合理的假设占总经费的5%的资金分配给蛋白质组学研究，我们估计在全球发达经济体中的蛋白质组学研发TAM为500亿美元。

大家好，本周为大家分享一篇发表在Nature communications上的文章，FLASHIda enables intelligent data acquisition for top–down proteomics to boost proteoform identification counts [1]，文章的通讯作者是德国图宾根大学的Oliver Kohlbacher教授。自上而下蛋白质组学(TDP)能够对完整的proteoform进行全面和深入的分析，目前已广泛应用于生物医学研究领域。proteoform在不同的生物系统中具有高度异质性，proteoform水平的信息可以为了解生物生化功能或疾病表型提供重要的信息。近年来，随着TDP样品处理方法、分离技术、碎裂技术和生物信息学方法的进步，proteoform变得更容易被检测和表征。在复杂样本的大规模研究，如微生物或人类细胞裂解液中，proteoform的鉴定数量已达到4000-6000(对应500-1000个蛋白质)。在单次TDP实验中，在大肠杆菌裂解液中可以鉴定出约800种proteoform，在人脑样本中可以鉴定出约1800种proteoform。由于proteoform的多样性和复杂性，完整蛋白质的DDA采集是非常重要的。然而目前的仪器软件在DDA采集中实施的碎裂技术优化主要针对自下而上蛋白质组学(BUP)，而不是TDP。尽管这些方案在BUP研究中有效地捕获了各种高质量的肽段离子，但这些选择标准对于TDP中的proteoform离子选择并不是最优的。与BUP中的肽段离子相比，单个proteoform由于其高质量和高电荷会产生许多峰，Top-N采集往往会导致从一个丰度较高的proteoform中选择多个峰，而不是从多个不同的proteoform中进行选择，这会导致proteoform的覆盖率较低。此外，基于强度进行选择可能不会选到能产生多种独特片段的高质量前体。目前，大多数大规模TDP研究使用具有特定调优参数的DDA采集，例如，Top-N采用相对较低的N值(3-5)和相对较高的隔离窗口(1.2-15 Th，超宽隔离)。然而对所选前体离子的分析表明，对proteoform的选择依然不理想。因此，采用更智能的数据采集方式(Intelligent data acquisition，IDAs)是非常有必要的。本文中作者提出了一种用于TDP的基于机器学习的智能在线数据采集算法FLASHIda，该算法可以确保实时选择不同proteoform的高质量前体，最大化TDP中的proteoform覆盖。FLASHIda通过iAPI与tribrid Thermo Scientific质谱仪连接，允许对MS数据进行实时访问。在LC-MS运行期间，将实时去卷积算法和评估前体同位素质量的机器学习技术结合，非冗余选择高质量前体离子,从而提高蛋白质的覆盖率。FLASHIda流程如图1所示，该算法能在20毫秒内处理每个MS全扫描，并优化下一个采集周期，以最大限度地提高采集中的异型多样性。FLASHIda包括以下3个关键步骤，第一步是将输入的m/z-强度谱转换为mass-quality谱图，第二步是在转换谱图中选择前体离子，最大化唯一识别的proteoform离子数量，最后，动态确定每个选定质量的电荷态和隔离窗口大小，以尽量减少噪声或共洗脱的干扰。确定的隔离窗口m/z范围通过Thermo iAPI连接提供给仪器。　　图1.FLASHIda总览　　在对大肠杆菌裂解液的分析中，与标准DDA模式相比，FLASHIda在三分之一的仪器时间内将proteoform鉴定数量从800增加到1500，或产生几乎相同的鉴定数量。此外，FLASHIda能够灵敏地绘制翻译后修饰和检测化学加合物。作为仪器的软件扩展模块，FLASHIda可以方便地用于复杂样品的TDP研究，以提高proteoform的鉴定率。　　图2. Proteoform分析　　这项研究展示了IDA在TDP研究中的应用，目前作者依然在开发该算法的不同变体，用于靶向proteoform分析，深度表征，甚至从头测序。此外，由于FLASHIda能够选择无干扰的前体离子，因此它可以用于提高proteoform定量准确性。作者预计，未来在FLASHIda内开发的高级数据采集方法将有助于通过TDP探索proteoform的异质性。　　撰稿：张颖编辑：李惠琳　　原文：FLASHIda enables intelligent data acquisition for top–down proteomics to boost proteoform identification counts　　李惠琳课题组网址www.x-mol.com/groups/li_huilin 　　参考文献　　Jeong K, Babović M, Gorshkov V, Kim J, Jensen ON, Kohlbacher O. FLASHIda enables intelligent data acquisition for top-down proteomics to boost proteoform identification counts. Nat Commun. 2022 Jul 29 13(1):4407.

大家好，本周为大家分享一篇发表在Analytical Chemistry上的文章，mNeuCode Empowers Targeted Proteome Analysis of Arginine Dimethylation1，文章的通讯作者是威斯康星大学麦迪逊分校的李灵军教授和国家蛋白质科学中心的常乘、贾辰熙教授。　　蛋白质精氨酸甲基化是一种广泛存在于真核生物中且相对保守的翻译后修饰，参与包括RNA加工、DNA修复、染色体组织、蛋白质折叠和基因表达在内的多种生物学过程。蛋白质精氨酸二甲基化在生物过程和人类疾病中发挥着重要作用，但与此同时，精氨酸二甲基化的相对丰度和化学计量通常很低，并且表现出较宽的动态变化范围，这些问题都给分析带来了巨大的挑战。在这篇文章中，作者设计了一种用于二甲基精氨酸代谢标记的mNeuCode标签，并开发了一个名为NeuCodeFinder的软件工具，用于在MS全扫描中筛选NeuCode信号，从而能够在蛋白质组范围内对蛋白质二甲基化进行靶向LC-MS/MS分析。作者将该方法应用到HeLa细胞精氨酸二甲基化的全蛋白质组分析中，证实了该方法的有效性：在70种蛋白质上鉴定到176个精氨酸二甲基化位点，其中38%是新位点。　　图1 用于细胞培养代谢标记的mNeuCode的化学设计。含有由稳定同位素标记的甲硫氨酸和精氨酸的不同组合的mNeuCode-I(红色)和mNeuCode-II(蓝色)分别用于两组细胞培养。同位素标记的甲硫氨酸经过代谢转化为甲基供体S-腺苷甲硫氨酸(AdoMet ),随后由蛋白质精氨酸甲基转移酶(PRMT)催化转移到精氨酸侧链的甲基上。细胞裂解后，将两种样品混合并制备用于高分辨率LC-MS分析。含有二甲基精氨酸的肽的NeuCode同源物被解析后，将显示出43 mDa的质量差异并作为诊断峰。　　图2 基于mNeuCode的精氨酸二甲基化靶向蛋白质组分析。(A)NeuCodeFinder从高分辨率质谱数据中筛选NeuCode同位素峰对的工作流程。从原始数据文件中提取全扫描质谱。单峰被配对以形成NeuCode等值线簇。最终的NeuCode对列表与提取的离子色谱(XIC)值一起导出。(B)靶向LC-MS/MS分析的工作流程，包括样品制备、富集以及MS1和MS2分析。　　在mNeuCode-I标记组中，使用含有正常L-精氨酸和同位素标记L-蛋氨酸[D3]的培养基 在mNeuCode-Ⅱ标记组中，则使用同位素标记的L-精氨酸[15N4]和L-甲硫氨酸[13C]进行培养(图1)。收集两组全细胞蛋白提取物并等量混合，蛋白经还原烷基化与酶切后，得到的肽段通过StageTip分级分离和HILIC tip富集，以提高样品肽段的识别率。处理的样品先进行LC-MS全扫描，通过作者的自制软件NeuCodeFinder生成包含列表，此包含列表用于辅助进一步的平行反应监测(PRM)模式分析(图2)。　　　　图3 已鉴定的精氨酸甲基化位点的生物信息学分析。(A)鉴定的精氨酸二甲基化位点和(B)精氨酸二甲基化蛋白质。橙色柱表示未报道的精氨酸二甲基化位点或蛋白质。绿色柱表示只有单甲基化是已知的，但是二甲基化还没有报道。(C)韦恩图显示，通过使用胰蛋白酶和镜像胰蛋白酶作为消化试剂，从两组实验中鉴定的精氨酸二甲基化位点。(D)蛋白质上位点数目的分布。每个蛋白质上精氨酸二甲基化位点的数量显示在饼图周围，蛋白质的数量列在饼图中。鉴定的精氨酸-二甲基化蛋白质的(E) GO富集和(F)KEGG途径分析。(G)使用STRING数据库将二甲基化蛋白质映射到蛋白质相互作用网络上。综合得分 0.4。(H)已鉴定的精氨酸二甲基化位点中-6和+6氨基酸残基的序列标志。　　通过对数据结果的分析，最终共鉴定到70种蛋白质上的176个精氨酸二甲基化位点，其中37-38%的精氨酸二甲基化位点是新的修饰位点，29%的精氨酸二甲基化蛋白没有被报道过，这证明了mNeuCode方法的有效性。与常规的鸟枪法蛋白质组学策略所获得的数据相比，mNeuCode方法在鉴定低丰度精氨酸二甲基化肽方面具有独特的优势，并且能够补充许多传统鸟枪法蛋白质组学所无法鉴定到的精氨酸二甲基化位点。对mNeuCode方法鉴定到的精氨酸二甲基化蛋白进行生物信息学分析后，发现这些蛋白质主要与RNA的加工、剪接和稳定性相关，参与了RNA的代谢过程。　　图4 FAM98A上精氨酸二甲基化位点的突变抑制了细胞迁移。(A)通过蛋白质印迹检测FAM98A在HeLa细胞中敲除和重建的效果。用siFAM98A-1和siFAM98-2沉默HeLa细胞，然后用Flag标记的WT或突变的FAM98A质粒重建。Anti-FAM98A显示内源性FAM98A的干扰。Anti-Flag显示外源FAM98A的重建。(B)图像和(C)柱状图显示了HeLa细胞的细胞迁移。　　FAM98A是一种微管相关蛋白，与结直肠癌和非小细胞肺癌的增殖有关。有研究者发现FAM98A是PRMT1的底物，但未能确定确切的甲基化位点。而在作者的研究结果中，成功鉴定到FAM98A上五个新的精氨酸二甲基化位点。为了验证这些二甲基化位点是否参与细胞迁移的调节，作者使用FAM98A敲除和FAM98A WT或突变重建细胞系进行了伤口愈合试验。将HeLa细胞的FAM98A基因敲除后，分别用WT或突变的flag-FAM98A重建FAM98A沉默细胞，其中突变的flag-FAM98A将二甲基化位点R351、R360、R363、R371和R375突变为赖氨酸以抑制甲基化。实验结果显示，当FAM98A基因被敲除时，细胞的迁移能力受到抑制，WT FAM98A的重建挽救了FAM98A敲除导致的细胞迁移缺陷，但是突变型FAM98A的重建却不能挽救。该结果证实了FAM98A上的二甲基化位点在细胞迁移中起到的作用。　　总之，在这篇文章中作者发明了一种mNeuCode方法，并开发了NeuCodeFinder软件，使得能够以全蛋白质组的方式进行精氨酸二甲基化的靶向MS/MS分析。实验结果证明了mNeuCode技术对于精氨酸二甲基化的靶向蛋白质组分析的能力和有效性，并证实HeLa细胞FAM98A上新的精氨酸二甲基化位点在细胞迁移调节中的功能，有助于更好地理解癌症发展的潜在机制，为蛋白质组分析的方法学提供了新的思路。　　撰稿：梁梓欣　　编辑：李惠琳　　文章引用：mNeuCode Empowers Targeted Proteome Analysis of Arginine Dimethylation　　李惠琳课题组网址www.x-mol.com/groups/li_huilin　　参考文献　　Wang, Q., Yan, X., Fu, B., Xu, Y., Li, L., Chang, C., & Jia, C. (2023). mNeuCode Empowers Targeted Proteome Analysis of Arginine Dimethylation. Analytical chemistry

对通过纳米孔的DNA进行测序，可提供长的读长，单分子的读数，并且能够避免昂贵的荧光标记和费时的扩增步骤。那么，纳米孔方法能为蛋白质研究做什么呢?　　虽然肉眼看不见，但是这种最新的分子生物学技术是强大的。纳米孔的直径约4纳米，是一层人造膜上产生的一个纳米孔，使研究人员能够收集一系列测量，对通过这些可渗透的开口的分子进行结构分析。　　纳米孔以前用于DNA测序或识别与DNA结合的转录因子，通过检测在每个碱基周围流动的水溶液的水流变化，揭示穿过这个孔的遗传物质的秘密。现在，随着已确立起来的DNA分析，宾夕法尼亚大学的一个研究小组将目光投向了蛋白质。他们新开发了一种方法，于九月二十二日发表在国际纳米科学技术领域权威刊物《ACSNano》。　　本文共同作者JefferySaven指出：“我们的方法超过了目前电子学的限制。”　　研究小组所面临的一个挑战是，纳米孔的开口小于许多蛋白质分子的直径，他们采用固态纳米孔的稳定性，修改开口，以容纳较大的蛋白质。Saven说：“纳米孔设备的制备和蛋白质易位的测量，确实是具有挑战性的。”　　一旦他们最终制备了合适的纳米孔，该研究小组就检测了蛋白质GCN4-p1，因为这个蛋白质以二聚体和单体的形式出现。纳米孔可成功地区分单体——通常有一个非持久性的结构，和二聚体——由螺旋线圈构成。　　有了纳米孔，研究人员可以在蛋白质更倾向于自然运转的环境中，观察到没有发生改变的蛋白质。这种方法也不需要大量的蛋白质。鉴于这些优点，纳米孔对于表征和确认蛋白质的大小很有价值。纳米孔技术最终可能应用于疾病的诊断，也应用于个别病人的样本，因为很多疾病与蛋白质的折叠和结合有关。

—抗体药、蛋白质药、N-末端甲硫氨酸缺失或焦谷氨酸环化封闭等—? 目前，在制药领域，生物药得到越来越多的关注。生物药是利用DNA重组、细胞融合、细胞培养等生物技术开发出的蛋白质药物、抗体药物等。几乎所有蛋白质合成都起始于N-末端，其序列组成对于蛋白质整体的生物学功能有着重要的影响力，因此蛋白质的序列分析对于生物药效果非常关键。 2015版《中国药典》三部人用重组DNA技术产品总论对生物药的生产及质量控制方面，，针对其蛋白质结构提出技术要求，应测定目标产品的氨基酸序列，并与其基因序列推断的理论氨基酸序列进行比较。因此，N-末端氨基酸序列分析是很多已上市生物药的年检项目，如重组人促红素注射液（CHO细胞） 、重组人粒细胞刺激因子注射液等。此外，国际法规中也有对于生物药N-末端氨基酸序列测定的要求。药品注册的国际协调组织颁布的指导法规ICH-Q6B规定，生物药进行申报时，必须提供N-末端氨基酸序列信息。《欧洲药典》中规定，生物仿制药申报也必须提供N-末端序列。 Edman降解法是蛋白质N-末端测序的常用方法，岛津公司的蛋白质测序仪（Protein Sequencer）PPSQ以Edman降解法为基础，将蛋白质从N-末端顺次切断进行序列分析。此方法具有直接测定、可靠性高的优势。近期，岛津推出新型的蛋白质测序仪PPSQ 51A/53，配备SPD-M30A高灵敏度检测器、软件满足FDA 21 CFR Part 11数据完整性的要求。PPSQ 51A/53梯度系统更是在等度系统基础上，提高检测灵敏度，适合微量样品的氨基酸序列分析。我们应用岛津PPSQ 51A/53A开发了单克隆抗体药、重组蛋白药的N-末端氨基酸序列分析方法，另外，也开发了具有特殊结构的生物药N-末端氨基酸序列分析方法，如甲硫氨酸缺失、焦谷氨酸环化封闭等样品，编写了《蛋白质测序仪PPSQ在生物药N-末端氨基酸序列分析的应用》文集：包括经十二烷基硫酸钠聚丙烯酰胺凝胶电泳分离轻链和重链，从而测定N-末端氨基酸序列的单克隆抗体药贝伐单抗和曲妥珠单抗等；含有特殊结构的如N-末端部分甲硫氨酸缺失的重组人粒细胞巨噬细胞刺激因子注射液原液、N-末端焦谷氨酸环化封闭类单克隆抗体帕尼单抗、含有二硫键的溶菌酶和催产素；用自制的脱盐装置分析具有高浓度盐的蛋白质药物重组人促红素原液（CHO细胞）和重组人粒细胞刺激因子注射液。关于岛津 岛津企业管理（中国）有限公司是（株）岛津制作所于1999年100%出资，在中国设立的现地法人公司，在中国全境拥有13个分公司，事业规模不断扩大。其下设有北京、上海、广州、沈阳、成都分析中心，并拥有覆盖全国30个省的销售代理商网络以及60多个技术服务站，已构筑起为广大用户提供良好服务的完整体系。本公司以“为了人类和地球的健康”为经营理念，始终致力于为用户提供更加先进的产品和更加满意的服务，为中国社会的进步贡献力量。

大家好，本周为大家分享一篇发表在Analytical Chemistry上的文章，PACTS-Assisted Thermal Proteome Profiling for Use in Identifying Peptide-Interacting Proteins。该文章的通讯作者是来自北京蛋白质组学研究中心的贾辰熙和Chen Yali研究员。生物活性肽是一类重要的生物分子，通过与蛋白受体相互作用，参与调控多种生物学进程。研究肽-蛋白相互作用对于理解这些功能分子的调节机制至关重要。目前已开发多种方法用于表征肽-蛋白的相互作用，例如通过引入荧光探针在多肽上来监测蛋白-多肽的相互作用，或者将多肽固定在磁珠或其他载体材料上进行进一步的亲和沉淀。然而以上方法都需要对多肽进行修饰，导致多肽的结构发生改变，进一步影响多肽-蛋白相互作用，产生假阳性结果。细胞热转移变分析（CETSA）和热蛋白质组分析（TPP）作为一种无修饰/无标签技术已被广泛用蛋白-配体相互作用研究。当配体与蛋白结合后，蛋白的热稳定性发生了改变，导致熔解曲线(Melting cure)发生位移。通过监测熔解温度的变化(∆Tm)，实现对蛋白-配体相互作用的检测。CETSA以及TPP允许在天然环境下研究分子互作，从而保留了内源性蛋白表达水平、翻译后修饰、局部微环境等生物物理特性。除了改变蛋白质的热稳定性，肽配体与蛋白质受体相互作用还会导致蛋白构象、疏水性和溶剂可及性的改变，一些配体甚至起到生物助溶的作用。所有这些特性的改变会导致研究体系中靶蛋白丰度的变化。这种由肽段配体结合诱导蛋白的丰度改变现象称之为PACTS。而PACTS也可以被合理的利用用于识别与肽段配体结合的靶蛋白。基于此，本文将PACTS与TPP技术相结合用于肽-蛋白质相互作用研究，PACTS可以辅助TPP分析，特别是在TPP分析过程中，由于配体-靶蛋白结合导致靶蛋白丰度降低至质谱检测限以下，无法绘制熔解曲线的情况下，PACTS可以作为另一个重要的监测手段。如图1所示，PACTS辅助TPP分析的实验流程大致如下：将蛋白提取液分成2份，分别与缓冲液（对照组）、肽配体（实验组）孵育，再将孵育后的每组样本等分成10份，在10个不同的温度下加热3 min。加热完成后，离心，收集上清液。利用SDS-PAGE将肽段与蛋白分离并进行胶内酶切。酶切后的肽段随即用TMT 10-plex标记，最后通过LC-MS/LS进行定量分析。将37 °C下对照组、实验组中同一蛋白的丰度变化作为PACTS的衡量指标（蓝框）。将在不同温度下蛋白的相对丰度变化转化为熔解曲线（黑框），实验组相较于对照组，同一蛋白熔解曲线的位移（∆Tm）作为TPP的衡量指标。综合两种方法识别出的靶标蛋白，作为最终的筛选结果。图1. PACTS辅助TPP分析的实验流程图作者首先用标准肽段-蛋白互作对验证了PACTS辅助TPP分析的可行性。如图2所示，右侧为对照组/实验组中靶蛋白在不同温度下丰度变化（Western blot），中间及左侧则是基于Western blot数据生成PACTs以及熔解曲线。对于JIP1-JNK1互作对，PACTS显示没有明显的丰度变化，而熔解曲线则显示发生了位移（图2A）。与之相反的，对于HOXB-AS3-hnRNP A1互作对，PACTS显示出明显的丰度变化，而熔解曲线则由于靶蛋白丰度降至检测限以下而无法绘制（图2B）。以上两个例子都说很好地说明，PACTS和TPP是两种互补的检测手段，使用两种方法同时检测有利用提高结果的准确性。作者还考察了不同细胞环境对蛋白-配体互作的影响（图CD及图EF）。来源于293T细胞的OPRN1与Enkephalin配体互作产生的熔解温度变化为∆Tm= 0.5 °C（图E），而来源于Hippocampus的OPRN1与Enkephalin配体互作产生的熔解温度变化为∆Tm= -14.4 °C（图F）。这个差异可能是由于孵育时不同的微环境造成的。图2. PACTS辅助TPP分析标准肽段-蛋白互作对。随后，作者将PACTS辅助TPP分析应用到组学层面。Aβ肽是淀粉样斑的主要成分，而淀粉样斑块主要存在于阿尔茨海默症（AD）患者的大脑中。在Aβ肽中，Aβ1-42在介导神经毒性和氧化应激中起关键作用。THP-1细胞类似于小胶质细胞，小胶质细胞功能障碍加速了与年龄相关的神经退行性疾病的进展，如AD。作者利用了PACTS辅助TPP分析研究了THP-1细胞中与Aβ1-42肽段相互作用的蛋白。如图3所示，图3A为PACTS结果，共发现37个蛋白在37 °C下有丰度变化。而TPP结果（图3B）则显示66个蛋白熔解曲线发生了位移。PACTS与TPP的结果具有较小的重合，说明两种方法具有互补性。GO分析表明（图3C），大多数与Aβ1-42相互作用的蛋白存在于细胞外泌体、胞质溶胶和细胞膜中。外泌体在AD中充当双刃剑，一方面，外泌体传播有毒的Aβ肽和过度磷酸化的tau遍及整个大脑，并诱导神经元凋亡。另一方面，它们消除大脑中的Aβ肽并促进其降解。了解Aβ肽与外泌体蛋白之间的相互作用有利于更好的开发AD治疗治疗药物。此外，作者用Western blot的方法进一步确认识别出的靶标蛋白（图D-E）。最后，作者用免疫共沉淀的方法进一步证明靶蛋白与Aβ1-42存在相互作用。图3. PACTS辅助TPP分析与Aβ1-42相互作用的蛋白总之，本文开发一种PACTS辅助TPP的分析方法，可用于大规模组学层面肽段-蛋白质相互作用研究。该方法具有无标记、无修饰的优势，无需额外实验，即可在TPP分析的同时获得PACTS信息。该方法也有助于理解多肽-蛋白质复合物相关的分子调控机制，进一步开发新型治疗药物。撰稿：刘蕊洁编辑：李惠琳原文：PACTS-Assisted Thermal Proteome Profiling for Use in Identifying Peptide-Interacting Proteins 参考文献1.Zhao T, Tian J, Wang X, et al. PACTS-Assisted Thermal Proteome Profiling for Use in Identifying Peptide-Interacting Proteins. Anal Chem. 2022 94(18): 6809-6818. doi:10.1021/acs.analchem.2c00581

p　　用于生物样品分析的蛋白指纹法，该专利技术被国际顶级科学杂志《科学》以及医学界权威杂志《柳叶刀》评为世界蛋白指纹图谱和蛋白质芯片排名第一的技术。针对这项技术的一些问题，火石创造对许洋博士进行了深度的专访。/pp style="text-align: center "img width="300" height="385" title="001.png" style="width: 300px height: 385px " src="http://img1.17img.cn/17img/images/201711/insimg/ebf3be8e-c0c2-49d6-9891-a76d207d183f.jpg" border="0" vspace="0" hspace="0"//pp style="text-align: center "strong　　许洋博士/strong/pp　　许洋博士一直致力于蛋白质组学研究开发，怀揣近五十项蛋白分子质谱诊断技术的自主发明专利。2009年他创办了湖州赛尔迪生物医药科技有限公司，凭借专利产品蛋白指纹图谱仪成为行业领头羊，也成为此类器械行业标准的起草者。/ppstrong　　火石：请问您为什么做蛋白质谱?/strong/pp　　许洋博士：我研究蛋白质谱是偶然也是必然。在美国纽约著名的Sloan-Kettering研究所单克隆抗体实验室早期研究治疗白血病时，我们制造了全世界第一枚人源化单克隆抗体(抗CD33人源化单抗)。后来我又和顶尖美国公司合作第一个将人源化单克隆抗体做成了靶向药。有了扎实的基础，必然能在更窄的蛋白质谱领域做的更好。/pp　strong　火石：蛋白质谱当前的临床应用情况如何?/strong/pp　　许洋博士：只有拿到医疗器械注册证才算进入临床，蛋白质谱目前只有三种临床应用：对肿瘤的筛查 对早期肾脏疾病的分析 在细菌上的鉴定应用。蛋白质谱在国内仍处于非常早期的阶段，且具有垄断性，极少人能做且在做。/ppstrong　　火石：作为国家“千人计划”医疗器械特聘专家，您认为蛋白指纹图谱仪在医疗器械中的角色是什么?/strong/pp　　许洋博士：蛋白指纹图谱仪分析的大数据可以生动地比喻为人体疾病的健康地图。/pp　　蛋白指纹究竟是什么?把质谱仪的显示屏中的每一个蛋白质都用一个分子量来表达，这些分子量组合起来就叫蛋白指纹。就像每个人的指纹都是不同的，每种疾病的特定蛋白质表达物也不同，称之为指纹图谱。蛋白指纹图谱技术是由蛋白质芯片及分析仪器——表面加强激光解析电离飞行时间质谱仪两部分组成，可以将病人血清中蛋白质成分的变化记录下来，绘制成蛋白指纹质谱图，并显示样品中各种蛋白的分子量、含量等信息。将这张图谱与正常人、某种疾病病人的谱图或基因库中的谱图进行对照，就能最终发现和捕获新的特异性相关蛋白及其特征。这种方法具有微量、精确、简易、快速的特点，适应于基础和临床等各个领域。/pp　　之所以将蛋白指纹图谱仪分析的大数据比喻为人体疾病的健康地图(MAP)，是因为既然β2—微球蛋白是11731、人绒毛膜促性腺激素是37580、转甲状腺素蛋白是13761(数字对于计算机的应用更好管理)，而每个蛋白质在质谱仪分析中都是数字，它本身就是大数据。任何物质在质谱底下都是数字，综合起来就是大数据。我把大数据串联起来，就能将分子在身体的MAP做出来。譬如一位吸烟的男士来体检，能发现他吸了烟数年之后肺部出现影像学病理性位点，结合质谱仪分析发现相关的疾病标志物，我们能够模拟出肺部疾病的健康地图，即通过质谱仪检测的健康大数据，可以模拟出该患者肺部出现了数个小红点，点击每个红点后都会解释原因，如显示铅、铬等数据是否超标，以及告诉你相应的对策。这样的技术开启了全智能健康4.0时代。/pp　　Tips：β2—微球蛋白(β2—MG)被认为是诊断早期肾功能损伤的敏感指标，尤其对于糖尿病肾病、高血压肾病、红斑狼疮肾炎的早期诊断具有重要参考价值，因此β2—微球蛋白的测定在临床上是有多种价值的。/pp　　strong火石：您和您的团队在蛋白质组学研究的技术或者方法上有什么突破吗?/strong/pp　　许洋博士：蛋白质作为标志物对肿瘤的诊断，确实没有太大的进展。/pp　　一直以来蛋白质组学研究面临的重大瓶颈是蛋白质分离问题：人体内有十万种蛋白质与衍生物，多数可能与疾病有关联，但这十万种蛋白质与衍生物只有分开后，质谱才能分析清楚。此前蛋白质组学技术中最流行、最通用的蛋白质分离方法是双向电泳，基本上能分离近二千种血浆蛋白质，远远不及十万种，所以成为了瓶颈。/pp　　2006年我提出了一个设想：和蛋白有关的抗体至少有一万多种，那为什么不用抗体来分离蛋白质?这件事一直有人在做，但之前都没有人想到用抗体组把一千个蛋白质一次性快速、实时地分离出来。之后就诞生了免疫质谱分析方法(专利号ZL 200610140652.0)，可以在一个抗体组基质上同时捕获多个生物标志，并对捕获的变异的或修饰的生物标志进行质谱精确分析，还可以同时检测多个生物标志群。用免疫组质谱技术能测定抗原变异片段的分子量。另外，还可以将多种疾病特异性抗原的抗体同时标在一个基质点上。/pp　　Tips:免疫质谱分析方法：质谱与抗体分离技术联合应用即为免疫组质谱(Immunomic mass spectrometry，IMS)。免疫组质谱检测为一组多种(类)抗体与质谱联合来精确地鉴别变异或修饰生物标志群的方法。在一个抗体组基质上同时捕获多个生物标志，并对捕获的变异的或修饰的生物标志进行质谱精确分析。可以同时检测多个生物标志群(biomarkers)。/pp　　双向电泳(Two-dimensional electrophoresis)：是一种等电聚焦电泳与SDS-PAGE相结合，分辨率更高的蛋白质电泳检测技术。目前是快速成长的蛋白质组学技术中最流行最通用的蛋白质分离方法。目前2D-PAGE能够在同一块凝胶上同步检测和定量数千个蛋白质。/pp　　从整个2015年的政策看，医疗器械行业是受到国家大力扶持的，行业地位与重要性大幅提升，法规向国际化看齐，行业监管不断趋严，医疗器械正成为与药物齐头并进的新兴产业。/pp　　strong火石：是什么驱动着行业的高增长?/strong/pp　　许洋博士：一是需求，老龄化加剧，家庭支付能力增强，导致医疗需求高增长 二是政府加大医疗卫生投入，《医疗器械科技产业“十二五”专项规划》表示，“十二五”期间将扶植形成8～10家产值超过50亿元的大型医疗器械产业集团 三是为配合新医改完善基层医疗建设的目标 四是国内生物技术研发应用进入突破期。/pp　　strong火石：您认为接下来医疗器械未来发展的特点和前景会是怎么样的?/strong/pp　　许洋博士：未来5年，医疗器械和制药占比将会达到1:1。近十年，我国医疗器械市场规模快速增长，国内医疗器械工业总产值从2003年的189亿人民币上升到2013年的1889亿，2013年同比增长21%，增长速度远快于药品。预计在未来5年左右，我国医疗器械行业仍然将保持高速增长。医疗器械行业涉及到医药、机械、电子、塑料等多个行业，中高端医疗器械更是多学科交叉、知识密集、资金密集的高技术产业，研发成本高，决定了只有大型厂商才能在大中型医疗器械方面有所作为。此外，器械“国产化”也会成为必然趋势。/pp　　strong火石：赛尔迪当前开展的业务、研发的产品有哪些?公司部署战略是怎么样的?/strong/pp　　许洋博士：我们现在正在做一张人类的大健康MAP。通过精准医疗计划，基于环境健康大数据，通过蛋白指纹图谱仪完成健康管理。现在的疾病市场最关注的问题分别是：检测0～6岁儿童智力、优生优育(为什么生不出聪明宝宝)、高达5千万的肿瘤人群以及3.5亿的高血压、糖尿病人群。/pp　　其中糖尿病肾病是糖尿病最常见且严重的并发症之一，是糖尿病所致的肾小球微血管病变而引起的蛋白排泄和滤过异常那个渐进性肾功能损害。而微量白蛋白尿即早期糖尿病肾病是可逆的，这不同于大量白蛋白尿即临床糖尿病肾病，因此积极防治早期糖尿病肾病就显得尤为重要。去年底，赛尔迪公司与中国医学科学院北京协和医院签署协议，承担国家对糖尿病肾病体内铅、镉毒素的临床大样本检测。全新升级的蛋白指纹图谱仪，是目前唯一获国家药监局批准、能检测含微量白蛋白、β2—微球蛋白以及泛素3项指标的医疗器械。这对糖尿病肾病的早发现、早治疗具有重大意义。/pp　　赛尔迪接下来将按照个体化精准检测所附带的信息，由这些信息与大数据库交流，提出符合个体化治疗的方案，向个体化精准医学管理方式转变。/pp　　随着大数据时代的来临，“互联网+”概念的提出让医疗健康事业呈现出了新的发展势态和特征。医学知识体系正被大数据、精准医疗所重构，信息化进程提高了知识传递速度与医疗协同效率。/ppstrong　　火石：蛋白质组学技术如何助推精准医疗?/strong/pp　　许洋博士：常识知道铅、镉会引起糖尿病性肾病。但铅、镉指标不是医院常规检测的项目。如果采取个体化精准治疗，每年常规检查一次体内铅与镉的指标，发现异常就能进行针对性的从尿液排泄的治疗。已经得了肾病正在透析的病人，检测铅与镉指标后进行针对性排泄也会增强治疗效果。利用蛋白指纹图谱仪能够发现早期的肿瘤和心血管标志物，这就会对疾病的治疗带来极大的希望。随着质谱技术在精准医疗的应用，越来越多的个体化标志物将会被发现，人体的蛋白指纹图谱测定将会成为医院的常规工作。/pp　　精准医疗，即考虑每一个体健康的差异，制定个性化的预防和治疗方案。正确的选中一个工具，解决关键问题，这就是精准医疗。基于基因组测序技术、生物医学工具以及大数据工具逐步成熟和完善，精准医疗能够为个体基因特征、环境以及生活习惯进行疾病干预及治疗，但如何尽快与大数据结合才是发展重点。日前我与北京协和医院合作，创立了中国特色的首个百万人疾病与环境毒素数据库与IMS(爱睦世)特检中心：HZIMS2008，首次在复杂疾病系统中构建了基于环境毒素大数据的移动网络数据库的质量控制体系，使我国重大疾病，如高血压、糖尿病、肿瘤的大数据病因学研究处于世界领先。/pp/p

贝伐单抗是重组的人源化单克隆抗体。2004年2月26日获得FDA的批准,是美国第一个获得批准上市的抑制肿瘤血管生成的药。本文应用 SDS-PAGE(十二烷基硫酸钠聚丙烯酰胺凝胶电泳)将贝伐单抗的重链和轻链进行分离,使用电转印方法将 SDS-PAGE膜上的样品转移到PPSQ使用的PVDF膜上,使用蛋白质测序仪PPSQ-53A对贝伐单抗进行N-末端氨基酸序列分析。实验结果显示测定的重链和轻链的N-末端氨骏序列与理论相符,验证了方法的准确性,表明此方法适合抗体药N-末端的氨基酸序列分析。本文可作为分析抗体药N-末端氨基酸序列分析时的参考。 了解详情，敬请点击《蛋白质测序仪PPSQ-53A分析贝伐单抗N-末端氨基酸序列》关于岛津 岛津企业管理（中国）有限公司是（株）岛津制作所于1999年100%出资，在中国设立的现地法人公司，在中国全境拥有13个分公司，事业规模不断扩大。其下设有北京、上海、广州、沈阳、成都分析中心，并拥有覆盖全国30个省的销售代理商网络以及60多个技术服务站，已构筑起为广大用户提供良好服务的完整体系。本公司以“为了人类和地球的健康”为经营理念，始终致力于为用户提供更加先进的产品和更加满意的服务，为中国社会的进步贡献力量。

仪器信息网讯 10月17日，赛默飞与Olink官网均在官网公布最新消息：赛默飞以31亿美元收购下一代蛋白质组学解决方案企业Olink，双方董事会已批准该收购。赛默飞以每股普通股26.00美元的现金收购Olink的提议，相当于每股美国存托股 26.00美元的现金。这比Olink美国存托股票的上一个交易日收盘价溢价约74%。赛默飞将开始要约收购所有已发行的Olink普通股和所有美国存托股。该交易对Olink的估值约为31亿美元，其中包括约1.43亿美元的净现金。Olink有望在2024年实现超过2亿美元的收入。Olink为高级蛋白质组学的发现和开发提供了领先的解决方案，使生物制药公司和领先的学术研究人员能够快速有效地从蛋白质水平了解疾病。Olink的专有技术，接近延伸分析（PEA），为市场上安装的qPCR和下一代测序读出系统的庞大基础提供高通量蛋白质分析。该技术拥有5300多个经验证的蛋白质生物标志物靶标库，其应用力度非常大，发表了1400多篇科学出版物。Olink总部位于瑞典，业务遍及美洲、欧洲和亚太地区。赛默飞董事长、总裁兼首席执行官Marc N.Casper表示：“收购Olink突显了蛋白质组学对我们的客户继续推进生命科学研究和精准医学的深远影响。Olink经过验证的变革性创新与我们领先的质谱和生命科学平台高度互补。我们公司处于独特的地位，能够将这项技术带给客户，使他们能够有意义地加快发现和科学突破。我们期待着欢迎Olink的同事加入赛默飞世尔。”Olink首席执行官Jon Heimer表示：“Olink致力于通过加快下一代蛋白质组学的使用，并以前所未有的规模提供行业领先的数据质量，来提高对人类生物学的理解。赛默飞深厚的生命科学专业知识、全球影响力和经验证的卓越运营将为客户和同事带来重大机遇，同时也为我们的股东。”该交易预计将于2024年年中完成，受制于惯例的成交条件，包括收到适用的监管批准和完成投标报价。作为交易的一部分，Olink的最大股东Summa Equity AB以及另外的Olink股东和管理层（合计持有Olink 63%以上的普通股）已签订支持协议，同意对收购要约进行投标。赛默飞预计将利用手头现金和债务融资为此次收购提供资金。完工后，Olink将成为赛默飞世尔生命科学解决方案部门的一部分。

沃特世公司（WAT:NYSE）最新推出了Protein-Pak™ Hi Res离子交换（IEX）色谱柱，用于在沃特世 ACQUITY UPLC 系统上分析生物分子，包括单株抗体、重组蛋白质、DNA/RNA和疫苗。生物治疗药物厂商使用该色谱柱分析完整生物分子的各种带点状态，可以获得更高的分辨率，更快的分析速度，以及更好的重现性。，因此，提高了监测能力，有助于厂商高品质和高效率的生产。 　　沃特世Protein-Pak Hi Res IEX系列色谱柱的开发，是为了使用UPLC技术定性分析目前在众多新型生物制药疗法中发现的重组蛋白质和单株抗体的。这些无孔的、高健合密度颗粒技术与传统的多孔IEX颗粒技术在大分子分离方面比较，具有较高峰值容量和较高的分辨率。另外，新的颗粒技术及表面化学特性也提高了色谱柱的载样能力和分辨率，同时最大限度减小了色谱柱污染。　　在聚合物颗粒的表面健合的离子交换的健合相包括强阴离子交换(季胺盐，Q)和弱强阳离子交换物质(羧甲基(CM)和磺丙基(S))。它们在pH值3-10这个范围内可以耐受高盐浓度和高压。离子交换色谱法被证实是重要的用于评估生物分子带电状态的技术。生物分子生产的重现性是个难点问题。是重现，蛋白质带电量的变化是脱酰胺或糖基化作用的良好标志，进而会影响产品稳定性和功效，因此需要密切监测。更多详情，请访问网站 www.waters.com/proteins。　　将UPLC技术的能力扩展至生物分子　　2004年，沃特世公司推出了ACQUITY UPLC系统，彻底改变了LC分离技术，相比传统HPLC技术，UPLC技术大大的提高了样品通量。沃特世公司最新的Protein-Pak Hi Res IEX色谱柱与ACQUITY UPLC系统的完美结合，可以在保持关键组分的分辨率下，获得最高的灵敏度。另外，每根色谱柱都采用沃特世ACQUITY UPLC eCord™ 技术，有助于监测单根色谱柱在整个色谱柱生命周期内的使用参数 – 信息永远伴随着色谱柱。　　总之，这些互相结合的技术极大地增强了单株抗体、重组蛋白质、DNA或RNA以及疫苗成分的定性分析能力。　　关于沃特世公司(www.waters.com)　　50年来，沃特世公司(NYSE:WAT)通过提供实用且可持续的创新，实现了全球医疗保健、环境管控、食品安全、水质监测等领域的显著进步，为基于实验室的许多机构创造了商业价值。　　沃特世的技术突破和实验室解决方案开创了分离科学、实验室信息管理、质谱技术和热分析的相互组合，为客户提供了一个持久成功的平台。　　沃特世公司2009年的总收入达15亿美元拥有5,200名员工 公司正在帮助全球客户推进科研进程，并为其提供绝佳的操作体验。

1965年，中国科学家在世界上首次人工合成牛胰岛素，开启了生命化学研究的新时代。过去数十年历尽科研工作者的不断努力，蛋白质的人工化学合成取得了巨大进步。相较于自然界的生物合成，化学合成可创制具有各种精确控制结构及非天然结构的人造蛋白质，对于发展满足我们需求的蛋白质工具和蛋白质产品带来了新机遇。近期科研工作者们在化学合成蛋白领域又取得了新的成果，并应用了月旭科技的相关色谱柱产品，快来随小编一起饱尝科研的饕餮盛宴吧！化学合成大型镜像聚合酶并实现镜像DNA信息存储WELCH据悉，自然状态下的DNA，会经过精巧的进化来存储遗传信息。而手性倒链L-DNA具有相同的信息能力，但耐生物降解，可作为一个健壮的生物正交信息库。在一项新研究中，清华大学生命学院朱听课题组的研究人员们用化学方法合成了一个90kda的高保真镜像Pfu DNA聚合酶，它能够精确组装一个千碱基大小的镜像基因。该实验中首次使用的大型镜像蛋白质全化学合成策略及千碱基长度镜像基因的组装技术，解决了长期制约镜像生物学领域发展的大型镜像生物分子的制备难题。该研究成果以“利用高保真镜像Pfu DNA聚合酶实现生物正交的镜像DNA信息存储”（Bioorthogonal information storage in L-DNA with a high-fidelity mirror-image Pfu DNA polymerase）为题，于2021年7月29日发表在Nature Biotechnology杂志上。研究成果快览研究人员们用聚合酶在L-DNA中编码路易斯巴斯德1860年的一段话，这段话第一次提出了生物学的镜像世界。为突破全化学合成对蛋白质大小的限制，研究团队通过将嵌合的D-DNA/L-DNA关键分子嵌入到D-DNA存储库中，来实现手性隐写。团队将全长为775个氨基酸的Pfu DNA聚合酶分割为长度为467个氨基酸和308个氨基酸的两个片段分别合成，将其混合后共同复性，使其正确折叠为具有完整功能的90 kDa高保真镜像Pfu DNA聚合酶，为目前已报道最大的全化学合成蛋白质；研究者还利用该高保真镜像聚合酶组装出长达1.5 kb的镜像16S核糖体RNA基因，为目前已报道最长的镜像DNA。此外，他们发现保存在自然环境条件下（当地池塘水中）的微量L-DNA条形码，在1年内仍可扩增和测序；而在相同条件下的D-DNA条形码，在1天后就已经无法扩增。背后原因只有一个：它们的手性不同。在研究中，该课题组利用Ultimate XB-C4 （4.6*250mm, 5μm）来监测反应的进行，并检测肽段产品的纯度。同时用制备柱Ultimate XB-C4和C18 （21.2*250mm, 5μm或10*250mm, 5μm）来分离制备粗品肽段和连接产物。全化学合成富含二硫蛋白质WELCH在生物医学研究中，富含二硫的蛋白质是有用的药物或工具分子，但它们的合成由于折叠的困难而变得复杂。有鉴于此，清华大学的刘磊教授、中国科学技术大学的郑基深教授等研究人员，使用可移除的O-连接的β-N-乙酰葡萄糖胺策略，实现了正确折叠的富含二硫键蛋白质的全化学合成，该研究成果以“Total Chemical Synthesis of Correctly Folded Disulfide-Rich Proteins Using a Removable O-Linked β-N-Acetylglucosamine Strategy”为题，发表于2022年1月3日的JACS杂志上。研究成果快览研究人员描述了一种可移除糖基化修饰(RGM)策略，它可以加速具有多个或甚至链间二硫键的正确折叠蛋白质的化学合成。实验过程中，利用Ultimate XB-C4（120Å或300Å，250mm×4.6mm，5μm）监测蛋白的合成反应，并用半制备柱Ultimate XB-C4和C18（300Å，250mm×10mm，5μm）成功制备得到目标蛋白。该策略包括在Ser/Thr位点引入简单的O-连接的β-N-乙酰氨基葡萄糖(O-GlcNAc)基团，通过稳定其折叠中间体，有效地促进了富含二硫的蛋白质的折叠。折叠后，O-GlcNAc基团可以用β-N-乙酰氨基葡萄糖酶(OGA)被有效地去除，从而获得正确折叠的蛋白质。使用这种策略，该研究组完成了正确折叠的铁调素的合成，这是一种含有四组二硫键的铁调节激素。研究人员首次实现了正确折叠的白细胞介素5(IL-5)的全合成，这是一种26kDa的同型二聚体细胞因子，负责嗜酸性粒细胞的生长和分化。“工欲善其事，必先利其器”，月旭科技专门针对多肽、蛋白类等生物样品方法开发，推出Welch生物样品分析方法开发包，助力前沿的科学研究和日常生产分析制备工作。● 适合蛋白、多肽或其他大分子的方法开发。为了能更好地与键合相发生作用，需使用大孔径（300Å或450Å）的填料。● 不同保留能力的不同选择性键合相，满足各种分子大小的蛋白质、多肽的保留和分离。参考文献1. Ting F. Zhu, et al. Bioorthogonal information storage in l-DNA with a high-fidelity mirror-image Pfu DNA polymerase. Nature Biotechnology,2021. Nature Biotechnology | VOL 39 | December 2021 | 1548–1555.2. Lei Liu, et al. Total Chemical Synthesis of Correctly Folded Disulfide-Rich Proteins Using a Removable O-Linked β-N-Acetylglucosamine Strategy. J. Am. Chem. Soc. 2022, 144, 349−357.

记第四届中国计算蛋白质组学研讨会（CNCP-2016）新技术　　仪器信息网讯 2016年8月10日-11日，第四届中国计算蛋白质组学研讨会(CNCP-2016)在中国科学院大连化学物理研究所盛大召开。(相关新闻：第四届中国计算蛋白质组学研讨会(CNCP-2016)在大连开幕)。本届研讨会邀请了26个大会报告，报告嘉宾是来自国内外的计算蛋白组学领域专家和奋战在第一线的青年科研工作者，嘉宾中的绝大多数是首次登上CNCP讲坛。报名参加本届会议的人员首次超过了200人。CNCP2016C参会代表合影张丽华研究员为研讨会致开幕辞　　本届会议的开幕式只有简短的5分钟，没有领导讲话，没有任何仪式，充分体现了会议的简洁办会特色。开幕式由中国科学院大连化学物理研究所的张丽华研究员致欢迎词，她提到：“中国计算蛋白质组学研讨会在业界享有很高盛誉。每次会议的演讲嘉宾都是由会议发起者和主办方——中国科学院计算技术研究所贺思敏研究员、北京蛋白质组研究中心徐平研究员、北京生命科学研究所董梦秋研究员等资深学者以及往届会议报告人鼎力推荐的。本次研讨会的26个报告将由来自国内外相关领域的顶级专家和奋战在科研第一线的青年才俊精彩呈现。相信在这两天的会议中，大家不仅能够收获知识，也能收获友谊。”研讨现场　　CNCP-2016会议邀请的26个报告多数都是最近一两年的研究成果，部分还没有发表，新技术频繁现身，特别是在交联质谱技术与蛋白质复合体，蛋白质相互作用、翻译后修饰技术、蛋白质鉴定数据处理、定量蛋白质组技术等领域报告较多，下面对这26个报告的内容逐一进行简介总结。　　UCI(美国加利福尼亚大学尔湾分校)黄岚博士 报告题目《Developing Cross-Linking Mass Spectrometry (XL-MS) Strategies to Define Interaction and Structural Dynamics of Protein Complexes》　　了解蛋白质复合物的相互作用和结构动力学对于揭示病理的分子学细节非常有帮助。交联质谱(XL-MS) 是目前研究大量多亚基蛋白复合物PPIs的重要技术，而精确的肽段鉴别是XL-MS分析一直以来面临的挑战。为了促进这方面的研究，黄岚博士研究组研发了DSSO 及一系列含亚砜(sulfoxide-containing)可分裂质谱交联剂以揭示蛋白质复合物表面相互作用机理。研究者通过这些(MS-cleavable reagents)质谱可分裂试剂在多级串联质谱上建立了实用的XL-MS工作流，快速、准确的鉴别交联肽段去研究体内和体外的PPIs。同时，研究者也研发了新的定量XL-MS途径，用以分析多种生理条件下蛋白质间的相互作用和蛋白质复合体的结构动态变化。据介绍，该课题组最近研发了新的羧基交联剂DHSO主要用来与酸性氨基酸反应，反应中需要DMTMM共同作用。 这样可以得到更广的蛋白相互作用信息。北京生命科学研究所 谭丹博士 报告题目《Trifunctional Cross-Linker for Mapping Protein-Protein Interaction Networks and Comparing Protein Conformational States》　　该研究组最近有一项研究工作围绕一种含生物素标签的赖氨酸富集交剂Leiker，谭丹博士在报告中详细展示了课题组的相关研究，研究表明Leiker能够有效改进蛋白质化学交联质谱技术(CXMS)。研究组将以Leiker为交联剂的CXMS用于E.coli全细胞裂解液的分析，发现了3656种相互作用，是之前已有研究方法的10倍。Leiker CXMS比BS3得到的信息要立体很多，能得到更全面的蛋白质相互作用网络。研究者还将Leiker为基础的CXMS用于RNA结合位点鉴定与定量，该方法能够深入揭示蛋白质构象变化。在将Leiker CXMS用于大肠杆菌和秀丽线虫裂解液中的研究中，分别鉴定出3130和893个互补赖氨酸对，并各自发现了677和121种PPIs。Utrecht University (荷兰乌德勒支大学) 刘凡博士 报告题目《Charting the Cellular Interactome by Proteome-Wide Cross-Linking Mass Spectrometry》　　据刘凡博士介绍，针对交联数据分析的n-square和交联肽段低效裂解这两大难题，该研究组建立了一种新XL-MS工作流-质谱可分裂交联剂法。该法是一种混合MS2-MS3裂解途径与专用的交联搜索数据库结合的方法。研究者将质谱裂解交联剂DSSO应用于测定每个交联肽段的前体质量，解决了n-square问题。交联裂解前体离子可通过质量差异确定数据的MS3采集方向，这些工作都可以在Oribitrap Fusion 和 Lumos Tribrid质谱上完成。这种采集途径提高了MS3实验的成功率，能够解决低效裂解问题和显著改善数据质量。与先前方法相比，报告中介绍的新方法包含以下三个优势。1)能够完成整体蛋白组数据库的交联鉴别 2)包括多种翻译后修饰的交联鉴别 3)在MS2和 MS3水平都有高质量范围。该研究组将此新XL-MS方法用于多种复杂样本，包括大肠杆菌裂解物、HeLa裂解物、排阻色谱分馏的HeLa细胞核提取物与细胞器。采用这种方法能够从每种样本得到成千上万个交联点。中国科学院计算技术研究所 刘超博士 报告题目《Development of the Cross-Linked Peptides Identification in Large Scales》　　由于检索空间过于庞大，蛋白组范围内交联肽段(双肽)的鉴定一直都是一项挑战。刘超博士和其团队考察了用于大范围交联肽段鉴定的普通搜索工具的应用效果，并开发了一种新的计算软件技术pLink 2.0。此技术比先前技术有三方面的改进：1)提高了双肽中单同位素鉴定的精度 2)由肽段索引升级为离子索引 3)引入机器学习(SVM在线训练)。该团队研究表明，通过使用离子索引pLink2.0检索人类数据库，在一小时以内可以完成5000张谱图的检索。干湿结合方法在人库检索1万张二级谱图仅用时不到2分钟。将pLink 2.0与美国西雅图研究人员研发的Kojak相比较，pLink2.0的分析速度约为Kojak的6倍，在精度方面也有一定优势。pLink2.0支持可碎裂交联，可减少可搜索空间和减少谱图数目。华中师范大学 万翠红博士 报告题目《Mapping Conserved Metazoan Protein Complexes with Biochemical Fractionationand LC/MS/MS》　　对多蛋白复合物的了解对于生理进程探索非常重要。然而，对多蛋白复合物种类的分布特别是大规模网状图的发现比较困难。万翠红博士研究组通过高分辨生化分离与定量质谱直接分析了可溶性多蛋白复合物的组成，分析C.elegans、D.melanogaster、M.musculus、S.purpuratus和人类的可溶性细胞提取物。研究组采用以人类为中心的综合计算分析，鉴别出2153种蛋白，并新鉴定出7699种成对相互作用和981种共复合作用。这些相互作用能够反映后生动物生理过程相关的核心生理基础。重建的生理作用网有助于深入了解特殊的分子生物机理以及动物细胞的进化。国家蛋白质科学中心 郑勇博士 报告题目《Scaffold Protein-Mediated Dynamic Assembly of Protein Complexes in Normal and Cancer Cells》　　很多细胞表面受体通过催化多组分蛋白复合物的形成开始信号传导过程。这个过程通过与受体结合的scaffold蛋白来传导。然而，目前这种scaffold的生物学基本原理仍不明晰。针对这个问题，郑勇博士研究组通过以IP-MRM为基础的方法，根据Shc1复合信号跟踪其空间和实时变化。研究人员进一步将这种方法与生化和基因技术结合，研究组发现Shc1以特殊的方式对EGF有即时的反应，包括明显的磷酸化和蛋白质相互作用。研究人员成功发现Shc1与一种抑制蛋白产生相互作用，是一种快速绑定蛋白基团能够激活促有丝分裂/存活通路，蛋白复合物围绕Shc1的装配变化在细胞间非常显著。对EGFR/Shc1复合物蛋白组分析能为以pTyr为基础的致肿瘤信号导致的乳腺癌提供诊断依据。暨南大学 张弓博士 报告题目《High-Throughput De Novo Proteome Identification Aided by Translatome Sequencing》　　De novo肽段序列鉴定能够避免依赖数据库的检索法的缺点，但由于由于没有背景库，无法评估FDR，且极易受到干扰信号误导，因此长期以来无法应用于复杂样品的大规模鉴定。张弓教授介绍了研究团队研发的利用翻译组测序数据作为蛋白质de novo鉴定质量控制新方法，使肽段de novo鉴定能首次应用在蛋白质组复杂样品的实用化鉴定。研究人员在HCD质谱上应用此方法检测三种肝癌细胞(Hep3B, MHCC97H, MHCCLM3)，单次实验鉴定出12000-13000种蛋白质，其灵敏度几乎达到了翻译组测序的水平 而用6种搜库软件鉴定到的真阳性蛋白并集也才7000-8000种。只能用新策略鉴定的4000余蛋白中随机挑选几十个进行MRM验证，几乎都能验证成功。这证明翻译组指导的de novo鉴定效能很高，能鉴定到大量搜索库法无法鉴定到的肽段和蛋白。De novo鉴定的大规模化可引致一系列新的蛋白质组应用。上海生命科学院　李辰博士 报告题目《De Novo Identification and Quantification of Single Amino-Acid Variants in Human Hepatocellular Carcinoma Tissues》　　肿瘤蛋白质组-基因组学研究非常关注变异的发现。单核苷酸的多变性(SNPs) 数据库能够给单个氨基酸变体(SAVs)的检测提供依据。李辰博士在报告中介绍了一种在蛋白组水平发现SAVs的新方法。该法基于de novo算法，肽段的可能候选者可被鉴别并与理论蛋白数据库比较。在人类肝癌(HCC)组织中，研究者成功的应用此方法鉴别和定量已知和新的突变蛋白。在肝组织当中，在细胞核内的突变比较低，突变在内质网和线粒体的富集比例较高。这种新方法为病人提供了高通量的定制检测途径，可能为潜在临床生物标志物发现和机理研究提供帮助。中山大学 肖传乐博士 报告题目《Improving Peptide Identification for Tandem Mass Spectrometry by Incorporating Translatomics Informatio》　　目前很多数据库检索方法是利用谱学数据而忽略能用于肽段鉴定的生物系统的其他信息。最近，转录物组RNA-seq的界面信息能提高肽段鉴别的灵敏度已经证实。与转录物组信息相比，翻译物组体现出与蛋白质的关系更为紧密，所以其可能对肽段鉴别更有效。在此报告中，肖传乐博士介绍了该研究组设计的高灵敏度肽段鉴定手段IPomics，其以翻译组学信息为主要蛋白鉴定参考。方法得到的推荐蛋白质优先性整合进了新的评分功能。与Mascot和pFind相比，IPomics方法蛋白质鉴定准确度更高，并能够增加整体肽段的鉴定率、谱学信息利用率，并已经利用LC-MS/MS数据集在人类和小鼠蛋白鉴定取得了显著效果。华大基因(BGI-Shenzhen) 闻博 报告题目《Protein Identification and Quantification based on Multiple Search Engines》　　闻博在报告中介绍了团队有关以多搜索引擎为基础的蛋白鉴定和定量软件的研究进展。目前，串联质谱技术产生的质谱数据解析率往往不高，不同蛋白质鉴定软件由于谱图预处理、打分算法不同等原因导致对同一个数据的解析结果往往存在一定的互补性。虽然有一些开源的软件可以通过精巧的运算将多个鉴定引擎的鉴定结果整合起来取得与单引擎相比更好的鉴定效果，但由于操作往往较为复杂、下游软件比较缺乏等原因，故没有在蛋白鉴定与定量中推广开来。为了促进多引擎整合方法在蛋白鉴定和定量中的应用，该研究组研发了一种多引擎综合鉴定的开源软件IPeak和同重同位素(如iTRAQ、TMT)标记定量软件IQuant，并将IQuant升级到IQuant2。IQuant2采用精妙的算法和mzIdentML标准，整合多引擎搜索结果进行蛋白质定量。在分析水稻蛋白样品(用Q-Exactive分析)和人细胞系蛋白(用TripleTOF 5600分析)样本时，与单个引擎定量结果相比，IQuant2定量的蛋白能提高28.8%，检测的差异蛋白数量能提高多大40%。多引擎搜索不但能够提高蛋白鉴定效果，也能提高蛋白定量效果。中国科学院水生生物研究所 葛峰博士 报告题目《GAPP: a Proteogenomic Software for Genome Annotation and Global Profiling of Posttranslational Modifications in Prokaryotes》　　葛峰博士在前期蓝细菌的蛋白基因组学研究工作的基础上，开发了一种用于原核生物的基因组注释和翻译后修饰全局发现的蛋白基因组分析软件GAPP。该软件最大的特点就是简单高效，具备初步生物信息学知识的研究者就能应用该软件进行原核生物的蛋白基因组数据的深度分析，利用该软件可以高效完成原核生物的全蛋白质组解析和翻译后修饰的全局发现的工作，该软件的开发和应用将有助于原核生物的基因组的精准鉴定，并有望成为原核生物基因组注释的一项标准流程。今后研究组还将根据用户的要求和体验继续对该软件进一步升级。复旦大学 周峰博士 报告题目《Genome-Wide Quantitative Proteomic and Transcriptomic Analysis Reveals Post-Transcriptional Regulation of Mitochondrial Biogenesis in Human Hematopoiesis》　　蛋白质组学样品分析需要高分辨分离平台，周峰博士研究组搭建了一种长色谱柱三维蛋白组学定量分析平台(GWPQ), 整套系统完全在线和实现操作自动化。研究者将在此平台建立的蛋白质组学方法与Ribosome profiling相比较，水平相当，在分析模型样品时有80%的重叠。研究者还用此方法开展了人体造血相关细胞的研究，二代测序与应用该平台的蛋白质组方法重叠率达到92%。研究团队利用此方法比较了人体最重要的造血干细胞和红细胞发育中14502个基因蛋白表达变化和17127个基因mRNA表达变化。mTORC1信号极大的促进了红细胞进化中线粒体蛋白的翻译，线粒体和mTORC1的遗传和药理学干扰削弱了体内和体外的红细胞生成。该研究支持了线粒体理论机理，可能与线粒体疾病和老化相关的血液缺陷有关。研究者用模式生物小鼠实验验证了线粒体在血红细胞发育中起到关键作用，找到了全新控制血红细胞发育的通路。Johns Hopkins University(美国约翰霍普金斯大学) 张会博士 报告题目《Comprehensive Analyses of Glycoproteins》　　已有不少实验证明，糖蛋白的变化与很多疾病相关。张会博士介绍了糖蛋白的生物合成、结构和功能以及分析糖蛋白的最新方法。糖蛋白的分析是蛋白质分析中最复杂的一种。研究者常把糖和蛋白分开分析，如已有的SPEG(固相提取糖基位点肽)法。该研究组建立了N-糖蛋白数据库，该库可用于检索已鉴定蛋白、通过精确质量数检索候选肽段、鉴定糖蛋白源等。该研究组最近还建立了分析N-linked糖链，糖基化位点，糖基化位点特异糖链，及O-linked糖链分析方法和软件，并探索了用糖基化酶推测多糖的方法。中国科学院大连化学物理研究所 于龙博士 报告题目《Isolation and Structural Analysisof N-Linked Glycansby Using Two-dimensional Chromatography, Mass Spectrometry and Nuclear Magnetic Resonance Spectroscopy》　　糖蛋白糖链的纯化合物对糖链的结构分析、精准检测以及功能研究都具有十分重要的意义。然而，目前糖链纯化合物仍处于严重匮乏的状态。来自大连化物所的于龙博士介绍了该团队根据自身优势，采用纯化制备方法来获取N-糖链纯化合物并对其结构进行解析的相关研究进展。研究者首先介绍了糖链的结构特点并对其分离分析中存在的难点问题进行了阐述。针对这些难点问题，研究者结合课题组的材料优势，构建了以二维亲水作用色谱分离体系为核心的糖链纯化制备流程，该流程包括糖蛋白糖链的释放、富集、二维分离、质谱表征以及核磁结构分析等技术单元。在二维色谱分离体系中，第一维度主要根据糖链的羟基数量而实现不同聚合度糖链的分离，第二维度主要用于同分异构体的分离。由于串联质谱技术并不能得到糖链准确的结构信息，因此，研究者目前正在探索核磁共振技术进行准确结构的分析。以现有的糖链纯化合物为基础，研究者接下来将分别在功能、结构和定量三方面开展相关研究以拓展糖链样品库的应用。青岛大学 李磊博士 报告题目《Ultra-Deep Tyrosine Phosphoproteomics Enabled by a Phosphotyrosine Superbinder》　　酪氨酸磷酸化网络应用在蛋白组学中不容忽视，如何找到pY尤为重要,但之前方法需要大量抗体才能富集pY。为解决业内这一问题，李磊博士研究组做了不少相关研究，团队研发的Superbinder(超亲体)易于制备，能够有效减轻实验室经济负担。研究者合成了pTyr1和pTyr2两个肽段，比较了SH2 superbinder法与其他几种方法的效果，又增加了Ti4+IMAX的去噪功能，证明其能有效富集pY。与抗体相比，src和grb2超亲体都能有效发现更多pTyr位点。研究者还应用superbinder富集方法进行了Tyr 磷酸化蛋白组学研究。如探索人细胞磷酸化蛋白不同功能分类和Tyrosine kinase (TK)的生物活性等。该项研究是与中科院大连化学物理研究所邹汉法团队、加拿大西安大略大学李顺成团队多方合作完成的。University of Minnesota (美国明尼苏达大学) 陈悦博士 报告题目《Discovery and Characterization of Short-chain Lysine Acylations with Mass Spectrometry and Quantitative Proteomics》　　赖氨酸是细胞内蛋白质翻译后修饰的重要靶点。最近，除了赖氨酸乙酰化以外还有一些短链酰基化修饰逐渐被发现。在陈悦博士的早期研究工作中，他从细致的质谱分析中发现了组蛋白赖氨酸丙酰化和丁酰化，两种新的短链酰基化修饰。进一步的研究表明，这两类短链酰基化修饰都是广泛存在的，并可以被特定的酶所调控。最近最新的研究表明赖氨酸丁酰化在Bromo domain识别和精子发育过程中起到重要的调控作用。为了进一步探索质谱信息中隐藏的其他新的修饰，研究者设计了PTMap软件,用来分析非限定性搜索，得到了一些可靠的新蛋白质修饰鉴定，包括琥珀酰化，巴豆酰化，羟基丁酰化等。在定量研究方面，该团队比较关心蛋白质修饰丰度，因为普遍使用的相对定量的分析方法对解释蛋白质修饰的生物学意义有一定的局限性，但是质谱分析得到的离子峰强度并不能直接比较来计算蛋白质修饰的丰度。研究者针对此问题开发了稳定同位素标记为主的新的蛋白质修饰丰度定量方法，可以直接比较离子峰强度，通缩计算得到每个位点上赖氨酸位点丰度，准确性和重现性都很好。中国科学院昆明动物研究所 赖仞博士 报告题目《Mite Allergen Diversity Identification by Proteomics Coupling with Pharmacological Testing》　　螨虫、马蜂、牛虻和蟑螂等带有很多种过敏原，一些过敏甚至会导致死亡。过敏的标准治疗方式就是利用过敏原进行脱敏治疗，现在很多机构希望把过敏原纯化出来进行过敏治疗，因此对过敏原发现和提取纯化都有更多要求。屋尘螨(HDM) 是最常见的室内过敏原。赖仞博士希望结合蛋白质组学、药理和病理学手段来进行过敏原的多样性研究。过敏原蛋白组学研究一般是将分离提取出的过敏原与病人血清进行IgE反应。赖仞研究组将蛋白组学技术和二维免疫印迹法结合，从粉尘螨提取物中鉴定出分属于12个组群的17种过敏原，由Edman降解、质谱分析和cDNA克隆等技术鉴定出其一级结构。通过酶联免疫吸附试验抑制测试、免疫印迹、粒细胞活化试验、皮肤点刺试验测定，该研究组发现了8种新的尘螨过敏原。中国医学科学院基础医学研究所 邵晨博士 报告题目《Opportunities and Challenges for Urinary Biomarker Discovery Using Proteomic Approaches》　　邵晨博士对业内目前围绕尿蛋白质组生物标志物的发现研究进展进行了综述。据介绍，现在很多科研和医疗开始倾向于做尿液，因其具有易得性和稳定性，且含有丰富蛋白信息。邵晨博士研究组曾通过二维液相与串联质谱鉴定做了一些尿中蛋白质组的研究，尿液蛋白质组可以包括其他体液70%的蛋白质。研究组也通过3DLC-MS/MS鉴定出尿液中的6400多种蛋白，并发现与尿蛋白重合率最高的是脑组织中的高表达蛋白。尿蛋白能够反映很多远端的变化，如帕金森症和脑肿瘤等脑部疾病。在肾脏病中，肾小球损伤病人的肾小球会失去过滤功能而造成尿蛋白显著上升。目前很多研究发现尿蛋白中的生物标记物与一些疾病相关，主要集中在泌尿系统疾病的发现，如膀胱癌和急性肾损伤的标志物已获FDA批准，也有在消化系统疾病、肿瘤等疾病中的相关发现。其中，肺癌的研究比较成熟且已进入临床阶段。厦门大学 钟传奇博士 报告题目《Investigation of Signaling Pathway Using Data-Independent Acquisition Proteomics》　　研究组希望用质谱鉴定动态相互作用蛋白,而实际上这种蛋白随着时间变化非常快，很难用常规质谱方法做到定量。最近出现的蛋白定量新技术SWATH-MS(DIA的一种)具有可以进行多个样品之间的定量且定量精度很高的优点。DIA与DDA不同之处在于，DIA是把所有的母离子都打碎，而DDA只是随机地选择母离子进行二级分析。虽然SWATH-MS有众多的优点，但是其数据分析是领域内难点。钟传奇博士介绍了其课题组开发的Group-DIA软件，可以同时对SWATH-MS数据进行定性和定量分析。研究者利用SWATH-MS分析TNFR1复合物，以及后续利用Group-DIA进行数据分析，发现了一个TNFR1复合体上的新蛋白。钟传奇博士还在报告中举研究实例介绍了DIA的应用效果，证明了SWATH-MS是在信号通路中鉴定动态蛋白的有效方法。中国科学院遗传与发育生物学研究所 王秀杰博士 报告题目《Ubiquitously Expressed Genes Participate in Cell Specific Functions via Alternative Promoter Usage》　　王秀杰博士通过生物信息方法比较了小鼠胚胎干细胞和分化的体细胞的转录组差异，发现104个在胚胎干细胞和体细胞中普遍表达的基因可以产生110个在胚胎干细胞中特异表达的转录本(SATS转录本)。这些SATS转录本在胚胎干细胞中的表达受到Oct4, Sox2，Nanog等关键多能因子的调控，其中61.8%SATS蛋白以不同的ORF编码蛋白。干扰SATS转录本的表达可以影响小鼠胚胎干细胞的多能性水平，提示SATS转录本在决定胚胎干细胞特性方面的重要功能，也表明广谱表达的基因可以通过SATS转录本参与细胞类型特性的功能调节。王秀杰博士还介绍了发生在RNA的6位N原子甲基化修饰m6A修饰)的形成机制研究及对mRNA的稳定性与翻译的影响，RNAm6A修饰也是影响转录组进而导致蛋白质组动态变化的一个重要因素。南方科技大学 田瑞军博士 报告题目《Proteomics toolbox for profiling intercellular signaling》　　田瑞军博士研究团队做了很多体系中特定环境细胞-细胞相互作用的研究。也在不断探索如何用尽量少的样品做出更多的功能分析。为此，团队建立了SISPROT样品前处理方法，用于蛋白质组学样品前处理，样品经过SISPROT前处理可直接用质谱进行分析。此方法的优化过的消化时间仅需15min，其与质谱联用在分析10万个细胞耗时22小时，能够定量近90000个肽段，近8000个蛋白。另外，研究者还进行了免疫刺激的两种信号模型的研究。　　中国科学院大连化学物理研究所 王方军博士 报告题目《New Chemical Isotope Labeling and Electrospray Ionization Strategies for Intact Proteins Analyses》　　整体蛋白质分析可以区分不同蛋白质异构体，但是与Bottom-up相比难度较大，国际上进行相关研究的团队也相对较少。王方军博士研究团队不断探索整体蛋白高效色谱分离和质谱表征新技术新方法，目前对30K以下整体蛋白的分析表征已经有相对完善的解决方案。该研究团队利用浙江好创生物的密闭性可调气氛离子源，消除了三氟乙酸(TFA)的离子抑制效应，同时实现了高效色谱分离和高灵敏度质谱检测，在对大肠杆菌提取蛋白质样品进行分析时有效质谱信号提高了95%。另外，他们以二甲基化同位素标记原理对整体蛋白进行高效同位素标记和定量分析，目前已经能够在一次实验中实现约3000个蛋白质异构体的准确定量分析。中国科学院大连化学物理研究所 赵群博士 报告题目《Ionic Liquid Based Sample Preparation Strategy for Efficient Proteome Analysis》　　膜蛋白在细胞内外的物质运输、信号传导等过程发挥着重要生物学功能。但由于具有组成复杂、疏水性强和丰度低等特点，不易分析。目前很多研究者致力于探索能更有效分析膜蛋白的溶解体系。膜蛋白溶解体系需要具备强溶解能力、较好的酶活兼容性和容易去除等特点。该研究组发现了离子液体体系非常适合膜蛋白分析，在探讨了离子液体结构对膜蛋白质的增溶机理之后，筛选出C12离子液体，并与目前主流增溶体系(SDS、尿素、Rapigest、SDC等)分析效果进行了比较。发现相同浓度下的C12比SDS有更加优秀的溶解能力，更保持了更好的酶活兼容性。研究组在C12离子液体基础上进行HeLa细胞膜蛋白的蛋白组学分析，鉴定出12234个蛋白，包含3785个膜蛋白和1916个跨膜蛋白质。研究者还建立了以C12离子液体为基础的i-FASP前处理方法，能够有效扩大蛋白质组鉴定及定量的覆盖度、准确度和精密度。上海交通大学陶生策博士报告题目《Protein Microarrays for Systems Biology: Construction, Application and Technology Development》　　陶生策和他的团队长期致力于蛋白质芯片技术的研究和应用。蛋白质芯片具有通量高、样品用量少、高灵敏度等优势，目前该实验室有酵母、大肠杆菌和人类的蛋白质芯片。陶生策博士以结核菌蛋白芯片为例介绍了高密度蛋白芯片的构建，目前全国很多机构都在使用这种芯片。该研究组将蛋白质芯片应用于砷蛋白的鉴定，发现了360个ATO，为指导ATO在肿瘤治疗上的应用提供指引，建立的流程也可用于其他药物靶标蛋白的全局性发现。研究者利用蛋白芯片寻找胃癌的生物标记物，研究过程中采用1400个医学样品，找到了7个胃癌生物标质物。　　尹沛源 中国科学院大连化学物理研究所 报告题目《Liquid Chromatography-Mass Spectrometry based Metabolomics Strategies Towards Clinical Applications》　　目前的代谢组学研究正在从样品走向临床诊断应用。针对LC/MS代谢组学在临床中的应用难题，大连化物所代谢组学中心建立完善了新一代的代谢组分析技术，即样本导向的拟靶向方法。该分析法具有线性范围比较宽，重复性好，数据处理简单等优点，适用于大规模临床样本的研究。围绕拟靶向代谢组技术，研究组开发了系列数据处理软件，实现自动化的离子融合，离子对筛选等过程，简化了拟靶向方法建立的流程，使之更易于推广。同时，研究组发展了QC校正算法，使得拟靶向代谢组方法能够一次性实现多批次样本分析，每批次样本容量近300例，一次性完成千例以上样本的分析，同时多批次样本间数据稳定性，重复性均符合代谢组研究需要，为大批量代谢组临床研究提供了稳定可靠的工具。　　ThermoFisher Scientific(赛默飞世尔科技)李静博士 报告题目《Orbitrap based Clinical Proteomics for Precision Medicine and Translational Research》　　本报告中李静围绕如何实现和推动蛋白质组学的临床转化与应用这一热点问题进行了综述。每年文献报道的通过蛋白质组学发现的潜在癌症标志物均超过千种，但是通过最终验证、审批、并用于临床的仅仅只有卵巢癌标志物OVA1一个。为了跨越蛋白质组学从研究到临床的巨大鸿沟，多个实验室都开始致力于简单易用、高自动化、高重复性的蛋白质组分析流程的建立，比如Matthias Mann、Hanno Steen等研究组就分别针对血浆、唾液和尿液临床样本建立了快速的蛋白质组分析流程，为蛋白质组学临床转化指明方向。同时，在下游临床检测方面，李静介绍了美国针对临床检验新技术采用的兼顾监管和鼓励创新的LDT模式，以及一系列基于质谱检测的生物标志物LDT项目，包括Xpresys Lung、TG等，并针对生物标志物临床检测，指出了质谱取代免疫学方法的四个方向，全面展示了蛋白质组学和质谱技术的临床应用潜力。中国科学院计算技术研究所副研究员孙瑞祥致闭幕辞　　在为期两天的26位邀请嘉宾的精彩报告之后，中科院计算所的孙瑞祥博士为本届研讨会致闭幕辞。孙瑞祥博士首先代表所有参会者感谢中科院大连化物所张丽华老师团队为会议提供的精心安排与服务。孙瑞祥博士将会议的简短开幕和闭幕仪式比作会议报告的“假阳性时间”，本届会议的“FDR(错误检出率)”极低，CNCP今后也将延续这一风格。另外，孙瑞祥博士还表示，第五届CNCP计划在2018年的下半年召开，并向大家发出报告嘉宾推荐邀请。最后，孙瑞祥博士祝愿我国的科研人员在国际计算蛋白组学领域能做出更出色的成绩。编辑：郭浩楠

1 人类蛋白质组草图公布　　之前，尽管不少大型的蛋白质组数据集，已经收集约上万个蛋白数据，然而覆盖80%的人类蛋白质组的草图却并未绘制。此次的研究，则突破了这一局限。　　该图谱由德国慕尼黑工业大学、约翰霍普金斯大学/印度生物信息研究所等机构的两个团队独立完成。其中，在印度生物信息研究所和美国约翰霍普金斯大学等机构绘制了17 924个基因编码的蛋白质草图，其总数约占人类基因总数的84% 而慕尼黑理工大学领衔的团队，则对19 629个基因编码的蛋白质绘制草图，其总数约占人类基因总数的92%。不过，印度和美国团队，与德国团队所采用的实验数据来源略有不同，印度和美国的研究者从30个人体组织的许多不同的样品及细胞系(包括7种胎儿组织和6种血细胞类型)中提取、纯化所有蛋白质，并用质谱技术揭示组成各蛋白片段的氨基酸序列，因而两种数据的分析方法相对统一 德国的团队所采用的数据从公共数据库收集获得，而后与实验室生成的数据合并完成分析。在德国的研究中，慕尼黑工业大学的Bernhard Kü ster等人建立了搜索性公共数据库ProteomicsDB，而公共数据库收集获得的质谱分析数据约占ProteomicsDB数据的60%，其他的数据来自于60个人类组织体液，13个体液，147个癌细胞系。　　这些蛋白大多为健康人群中组织和器官中表达的蛋白，对于理解疾病状态下发生的变化，具有现实的意义，如德国团队完成的数据能用于识别数百个翻译的基因间非编码RNAs(lincRNAs)，比较分析通过蛋白质对癌症药物的敏感性，发现mRNA和组织中蛋白的定量关系等。同时，这两项研究也发现了许多新蛋白，而编码这些蛋白的基因之前被认为位于基因组的非编码区域，因而也丰富了对于遗传学研究的认识。　　2 研究团队的基本背景　　此次研究的美国和印度团队，由约翰霍普金斯大学的副教授Akhilesh Pandey领衔，而他也是印度生物信息学研究所首席科学顾问。此前，印度生物信息学研究所和约翰霍普金斯大学的生物信息学团队就有广泛的合作，例如两个机构的26名科学家经过18个月的努力，排列出了人类的X染色体顺序，并将其与黑猩猩、老鼠的基因组相比较，发现了新基因。　　慕尼黑工业大学的化学和功能蛋白质组学分析者Bernhard Kü ster，其研究的主要领域是探索蛋白质的相互作用及其与活性药物成分的相互作用，分析癌症发生发展的分子机制，以及开发相应的临床治疗方法。作为研究者，Bernhard Kü ster也曾参与了蛋白质组技术平台上具有雄厚基础的Cellzome公司的发明(新的酶相互作用化合物的方法)。而Cellzome公司的药物研发平台，可对于特定蛋白相互作用的药物进行筛选，其具有高度的灵敏性，而葛兰素史克(GSK)公司也正在看中了这一点已将其并购。　　3 中国人类蛋白质组计划(CNHPP)　　在人类蛋白质组草图公布的同时，&ldquo 中国人类蛋白质组计划(CNHPP)&rdquo 已经由科技部正式批准启动实施。此前，中国科学家已倡导并领衔人类第一个器官(肝脏)国际蛋白质组计划(HLPP)。　　在&ldquo 中国人类蛋白质组计划&rdquo 中，&ldquo 激光解析基体辅助离子源-蛋白测序仪器&rdquo 课题是重点研究方向之一，致力于蛋白质测序仪器和试剂国产化，从而加速蛋白质组学和生物质谱技术在临床领域的研究与应用。　　4 蛋白质组测序技术的开发　　蛋白质组是一个细胞、组织、有机体在一定时间内表达的所有蛋白质(总蛋白质)。对蛋白质组进行系统的、全面的研究，而快速、准确、低成本的蛋白质分离纯化技术(如双向电泳、计算机图像分析与大规模数据处理技术以及质谱技术等)的发展，则是系统、全面研究的基础。有了基因组计划和基因组测序技术的发展经验，人类在蛋白质组草图公布的前后，也就有了对低成本、高效率的蛋白质组测序技术的格外重视。例如，亚利桑纳州立大学的Stuart Lindsay团队正在致力于研究让单链肽段穿过纳米孔的技术，从而将纳米孔单分子DNA测序技术(第三代基因测序技术，采用纳米孔的单分子读取，与之前的测序技术测序时间长、价格比较昂贵、测序分子需要大量扩增、还需要进行荧光标记等相比，第三代测序技术读取数据更快，测序成本明显降低)的设计理念应用于蛋白质组的测序，开发蛋白质单分子测序技术。　　5 蛋白质组学与个性化医疗　　人类蛋白质组草图的成果表明，有数百种蛋白质是由此前认为不具备相关功能的DNA片段(脱氧核糖核酸)及&ldquo 假基因&rdquo 形成。这也说明了基因组和蛋白质组之间的巨大差别。例如，表观遗传研究的核心内容即是基因的拼接和翻译后修饰，而蛋白质随时间和空间的动态变化等，使得蛋白质组的研究远比基因组研究复杂。　　尽管目前的个性化医疗以基因解析为特征，然而真正衔接基因型与疾病表型的还是蛋白质。随着蛋白质组测序技术的快速发展，也许蛋白质组学的研究会带动个性化医疗新的发展阶段。　　本文作者：中国科学院上海生命科学信息中心 于建荣 江洪波。

p style="text-align: justify line-height: 1.75em "　　詹显全，中南大学教授、博士研究生导师、博士后合作导师，英国皇家医学会会士(FRSM)、美国科学促进会(AAAS)会员、欧洲预测预防个体化医学协会(EPMA)的会士和国家代表、美国肿瘤学会(ASCO会士、欧洲科技合作组织(e-COST)的海外评审专家，中国抗癌药物国家地方联合工程实验室技术委员会委员、技术带头人和副主任，临床蛋白质组学与结构生物学学科学术带头人和学科负责人，国家临床重点专科建设项目重点实验室建设项目学科带头人，湖南省百人计划专家、湖南省高层次卫生人才“225”工程医学学的学科带头人、中南大学“531”人才工程专家。目前正致力于从多参数系统策略角度阐述肿瘤的分子机理、发现肿瘤分子标志物，研究并整合基因组、转录组、蛋白质组和代谢组的变异来实现肿瘤的预测、预防与个体化治疗及精准医学。已发表学术论文130 余篇，主编国际学术专著3 本，参编国际学术专著16 本，获得美国发明专利2 个。受邀在中科院1 区影响因子9.068 MassSpectrometry Reviews 和中科院2 区影响因子3.65 Frontiers in Endocrinology 的国际期刊上客座主编了3 个专刊。/pp style="text-align: justify line-height: 1.75em text-indent: 2em "本篇文章仪器信息网获得授权转载，来源中国科技成果杂志。/pp style="text-align: center line-height: 1.75em "　　span style="color: rgb(0, 112, 192) "strong深入剖析蛋白质组学技术最新进展与应用/strong/span/pp style="text-align: justify line-height: 1.75em "　　詹显全：人类结构基因组测序接近尾声，人们就从结构基因组学研究转向功能基因组学研究，即对转录组和蛋白质组进行研究。1995 年正式提出了”蛋白质组”和”蛋白质组学”的概念，距今已有25 年历史了。/pp style="text-align: justify line-height: 1.75em text-indent: 2em "蛋白质组学的主要技术包括蛋白质组的分离技术、鉴定技术和蛋白质组信息学技术。span style="text-indent: 2em "蛋白质组的分离技术主要有双向凝胶电泳(2DE)和多维液相色谱(2DLC)。蛋白质组的鉴定技术主要是基于质谱(MS)的技术，主要分为肽质指纹(PMF)和串联质谱(MS/MS)分析技术，其用于蛋白质大分子分析的两大离子源主要有MALDI 和ESI。质谱技术发展很快，主要朝向高灵敏度、高通量和高精度方向发展。/span/pp style="text-align: justify line-height: 1.75em "　　蛋白质组信息学技术主要是用来构建蛋白质相互用网络的相关技术。蛋白质组的分离技术和质谱技术的不同联合就形成了各种类型的蛋白质组学分析技术：如2DE-MS和2DLC-MS。2DE-MS 又有2DE-MALDI-PMF 和2DE-ESI-LC-MS/MS, 该技术在蛋白质组学研究的头10-15 年是其主要技术，然而常规概念认为2DE 的通量不高，即一个2D 胶点中一般仅含有1 ～ 2 个蛋白质，通常一次实验其通量仅能鉴定几十到一千个蛋白质，这样其在蛋白质组学中的地位逐渐被淡化。/pp style="text-align: justify line-height: 1.75em text-indent: 2em "2DLC-MS 主要有iTRAQ or TMT-based SCX-LC-MS/MS and labelfree LC-LC-MS/MS, 这就是人们通常说的“Bottomup”蛋白质组学，该技术在最近10 ～ 15 年在蛋白质组学中起着核心技术的作用，因为其通量明显增加，一次实验其通量可达到几千到一万的蛋白质能被鉴定，但该法鉴定的结果是一个protein group, 实质上鉴定的是编码蛋白质的基因, 而并没有鉴定到真正意义上的蛋白质，即蛋白质存在形式(Proteoforms 或Protein species)。蛋白质存在形式(Proteoforms)是蛋白质组的基本单元。人类基因大约2 万个，人类转录本至少10 万个，每个转录本指导核糖体按三联密码子决定一个氨基酸残基来合成氨基酸序列，刚合成出来的蛋白质氨基酸序列是没有功能的，它必须到达其指定的位置如胞内、胞外，和不同的亚细胞器等，形成特定的三位空间结构，并与其周围的相关分子相互作用，形成一个复合物(complex)才能发挥其功能作用。从核糖体刚合成出来到其指定的位置过程中有很多的蛋白质翻译后修饰(PTMs 据估计人体有400 ～ 600 种PTMs)。我们最近对蛋白质存在形式的概念给出了最新最完整的定义：蛋白质的氨基酸序列+ 翻译后修饰+ 空间构型+ 辅助因子+ 结合伴侣分子+ 空间位置+ 特定的功能。而蛋白质的概念被定义为：由同一个基因编码的所有蛋白质存在形式的集合体。这样，人类蛋白质组中的蛋白质存在形式(Proteoforms)至少有100 万或甚至达10 亿 (图1)。/pp style="text-align: center"img style="max-width: 100% max-height: 100% width: 600px height: 427px " src="https://img1.17img.cn/17img/images/202008/uepic/1d18fad3-b010-4ea5-a812-432853ad4ec6.jpg" title="1111111.png" alt="1111111.png" width="600" height="427" border="0" vspace="0"//pp style="text-align: center line-height: 1.75em "　　图1 ：Proteoforms 的概念及形成模式 (Zhan et al,Med One, 2018 Zhan et al., Proteomes, 2019)/pp style="text-align: justify line-height: 1.75em "　　如此庞大数量的Proteoforms/Protein species, 如何对其进行大规模的探测、鉴定和定量，是一个至关重要的事情。目前关于Proteoforms 的研究有两套策略一是“Top-down”MS 技术， 二是“Top-down” 和“Bottom-up”相结合的技术即2DE-LC/MS 技术(图2)。/pp style="text-align: center"img style="max-width: 100% max-height: 100% width: 600px height: 415px " src="https://img1.17img.cn/17img/images/202008/uepic/94f48c94-fd0b-4959-90fb-dd399cebf074.jpg" title="2.png" alt="2.png" width="600" height="415" border="0" vspace="0"//pp style="text-align: center line-height: 1.75em "　　图2 ：Proteoforms 研究技术比较(Zhan et al., Med One, 2018 Zhan et al., Proteomes, 2019)/pp style="text-align: justify line-height: 1.75em "　　“Top-down”MS 技术能探测、鉴定和定量Proteoforms，获得蛋白质的氨基酸序列和PTMs 信息，然而该技术的通量较低，目前最大通量鉴定到5700 个Proteoforms, 对应到860 蛋白质。/pp style="text-align: justify line-height: 1.75em "　　最近，詹显全教授团队发现2DE-LC/MS 技术是一超高通量的技术平台，在探测、鉴定和定量Proteoforms方面, 可以鉴定达几十万至上100 万的Proteoforms。随着质谱灵敏度的显著提高，自2015 年以来，詹显全教授团队就发现每个2D 胶点包含了平均至少50 个甚至达几百个Proteoforms，并且大多数是低丰度的 并在近1 ～ 2 年来发表了相关论文来全面阐述2DE-LC/MS 的新理念和实践，完全打破了40 多年来人们对双向电泳的传统认识 (即一个2D 胶点中一般仅含有1 ～ 2 蛋白质)，为大规模的Proteoforms 研究提供了技术基础。Proteoforms/Protein species 概念的发展极大的丰富了蛋白质组的内涵，是蛋白质组学研究的更高层次，是国际科学发展的前沿，必将影响着整个生命科学和医学科学的研究和实践，有助于发现可靠而有效的疾病标志物，用于深度理解疾病分子机制和决定药物靶点，或者用于有效的预测、诊断、预后评估。另外，蛋白质组是表型组的重要成分，是基因组功能的最终执行者，是基因组和转录组研究所不能替代的，要实现真正的个性化医学和精准医学，蛋白质组学研究是不能绕过去的。/pp style="text-align: center line-height: 1.75em "　　span style="color: rgb(0, 112, 192) "strong基于整合组学发现疾病标志物才是精准发展之重/strong/span/pp style="text-align: justify line-height: 1.75em "　　1. 您一直专注于肿瘤蛋白质组学的研究，例如垂体瘤、卵巢癌等相关恶性肿瘤结合组学的研究，请谈谈在这方面的最新的研究成果，以及过程中的主要挑战和解决方案/pp style="text-align: justify line-height: 1.75em "　　詹显全： 垂体瘤是颅内常见肿瘤，绝大多数是良性的，只有少数具有侵袭性和恶性，并能引起激素分泌紊乱和颅内压迫症状，出现严重的临床症状，危害人体健康。临床上分为功能性垂体瘤和非功能性垂体瘤，并且非功能性垂体瘤不表现血中激素水平增加，不易早期诊断，经常是当肿瘤体积增加到压迫周围组织器官产生压迫综合征时才被诊断，这时已经是中晚期了，且其分子/pp style="text-align: justify line-height: 1.75em "　　机制并不清楚，缺乏早期诊断标志物和药物治疗靶标。因此，非功能性垂体瘤被选为主要研究对象。虽然垂体瘤是在颅内，但我们认为垂体瘤是一种多病因、多过程、多结果的全身性的慢性疾病，并且还具有肿瘤的异质性 它涉及到一系列的分子改变，包括发生在基因组、转录组、蛋白质组、代谢组和相互作用组水平上的改变，而这些不同水平改变的分子和信号通路又不是孤零零的起作用，而是相互间具有千丝万缕的联系。因此，我们很难用一种单一因素来解决其预测、预防、诊断、治疗和预后评估 而必须从单因素模式转向多参数系统思维模式。垂体瘤的多病因、多过程、多结果、全身性、慢性、分子网络系统性给其“同病同治”提出了严峻挑战，同时为实现其个性化的精准预测、精准预防、精准诊断和精准治疗提供了机遇和条件。多组学(基因组学、转录组学、蛋白质组学、代谢组学、影像组学)和系统生物学技术的发展驱动了这一多参数系统思维模式的转变、推进了其个性化医学和精准医学的研究和实践。因此，我们认为多参数系统策略观和多组学是进行垂体瘤个性化医学和精准医学的研究和实践的重要理念和技术方案。/pp style="text-align: justify line-height: 1.75em "　　我们从2001 开始进行垂体瘤的蛋白质组学及其翻译后修饰组学研究，从2008 年开始进行多组学和分子网络研究，及预测预防个体化医学(PPPM)和精准医学(PM)研究。经过过去近20 年未间断的研究，我们在垂体瘤的蛋白质组学、翻译后修饰组学、多组学、分子网络和系统生物学研究方面在国际上处于了主导地位。/pp style="text-align: justify line-height: 1.75em "　　在我们研究过程中，我深深体会到一个重大思转变就是从以前的单参数模式转向了多参数系统思维模式，这符合肿瘤的真实情况。另外，就是多组学技术促进了这一模式的转变，并是其主要的解决方案。/pp style="text-align: justify line-height: 1.75em "　　2. 从您的研究方向及重点出发，您认为多组学研究在精准医学中接下来的研究应当侧重于哪些方面，以及如何才能比较好的实现从研究到临床的转化落地?/pp style="text-align: justify line-height: 1.75em "　　詹显全：我的研究对象是肿瘤(垂体瘤、卵巢癌、肺癌、胶质瘤)，研究理念是肿瘤的多参数系统策略观，技术手段是多组学和系统生物学，研究的目标是要解决肿瘤的预测预防个体化医学(PPPM)和精准医学(PM)。/pp style="text-align: justify line-height: 1.75em "　　我们认为多组学中的不同组学对PPPM/PM 的贡献是不平衡的，即个性化的表型组是基因组通向PPPM/PM 应用实践的桥梁，而蛋白质组和代谢组是表型组中两重要成分。蛋白质组的内涵包括蛋白质的拷贝数变化、剪切变化、翻译后修饰、转位、再分布、空间构型、与周围分子相互作用、及信号通路网络问题。代谢组的内涵涉及到体内所有物质(包括糖、脂、蛋白质、核酸)的代谢产物及其代谢网络问题。要真正实现PPPM 和PM，蛋白质组和代谢组的贡献是基因组所不能替代的是不能绕过去的。人们应从以基因组为中心的研究和实践转向以表型组为中心的研究和实践。其中蛋白质组的研究又应以翻译后修饰和蛋白质存在形式(Proteoforms)作为今后的研究方向。Proteoforms 的研究必将影响着整个生命科学和医学科学。从临床转化研究来看，基于多组学的整合生物标志物是发展方向。对于这里的生物标志物，我们将其分为两类：一类是解决疾病分子机制和药物靶点的生物标志物，这类生物标志物一定要有因果关系 一类是解决预测、诊断、预后评估的生物标志物，这类标志物不一定要求有因果关系，但必要要有量的变化。/pp style="text-align: justify line-height: 1.75em "　　3. 作为EPMA(欧洲预测预防个体化医学协会)的中国代表，想请您分享下国际上对于组学研究在精准医疗中的应用现状、趋势以及发展规划/pp style="text-align: justify line-height: 1.75em "　　詹显全：欧洲预测预防个体化医学协会(EPMA)是国际个体化医学领域领头的学术协会，由来自全球55 个国家和地区的专家学者组成，其创办的官方杂志EPMA Journal( 中科院2 区，ESI IF5.661) 涵盖了24 个专题内容，较全面地反映了预测预防个体化医学(PPPM)和精准医学(PM)的研究、实践与最新动态，还涉及到PPPM 和PM 的政策、伦理、卫生经济和社会保障等许多方面，为PPPM 和PM 的科研、实践提供了一个很好的交流平台。/pp style="text-align: justify line-height: 1.75em text-indent: 2em "我本人作为EPMA 的中方代表(National Representative of EPMA in China) 和其官方杂志EPMA Journal 的副主编，参与了其经历的重要活动。我从2008 开始起在EPMA 中主要负责多组学和创新技术方面，在EPMA 白皮书中的“肿瘤预测预防个体化医学的多参数系统策略观”这部分最早就是我写的，之后我们写了一系列文章来论述基于多组学的多参数系统策略的研究和实践。因此，在EPMA，我们的基于多组学的多参数系统策略观还是比较早的，近五六年来多组学研究在EPMA 圈内(55 个国家和地区)发展得很快，已经深入到PPPM 的各个领域。/pp style="text-align: justify line-height: 1.75em "　　另外，我认为，精准医学在理念上没错，严格意义上的精准医学是个理想化的概念，人们只能无限去逐步接近它。现阶段搞精准医学还是要回归到人类健康的保护过程，即预测、预防、诊断、治疗和预后评估，这里应该是针对个人来说而不是针对群体，严格说来应该是个性化的精准预测、精准预防、精准诊断、精准治疗和精准预后评估。对于人类健康保护过程来说，预测、预防还是上策，其次就是早诊断、早治疗。多组学研究已渗入到人类健康保护过程的每个环节，主要用来寻找基于多组学的生物标志物，当然这里的生物标志物应泛指前面说的两类：一类是解决疾病机制和治疗靶点的标志物，一类是解决预测、诊断、预后评估的标志物。/pp style="text-align: justify line-height: 1.75em text-indent: 2em "因此，基于多组学的PPPM/PM 的研究和实践一定是今后发展的一个长远趋势。/pp style="text-align: center"img style="max-width: 100% max-height: 100% width: 600px height: 802px " src="https://img1.17img.cn/17img/images/202008/uepic/581ff7cf-5c3e-4fd6-8f5f-805989791ee5.jpg" title="詹.jpg" alt="詹.jpg" width="600" height="802" border="0" vspace="0"//ppbr//p

几种不同折叠模式的蛋白质模型(图片来源Protein Data Bank Japan )　　上个世纪初，科学家们认为蛋白质是生命体的遗传物质，而具有独特的作用。随着这个理论被证伪，真正的遗传物质DNA的结构被给予了很大关注。然而，蛋白质作为生命体的重要大分子，其重要性也从未被忽视，而且在1950年代开始，科学家一直在探寻DNA序列和蛋白质序列的相关性。与此同时，蛋白质测序和结构解析蛋白质结构的努力开始慢慢获得回报。更多的生化研究揭示了蛋白质的功能重要性，因此蛋白质的三维结构的解析对于深入理解蛋白质功能和生理现象起着决定性作用。　　本文简要回顾了蛋白质结构解析的重大历史事件，并总结了蛋白质结构解析的常用方法和结构分析方向。通过了解蛋白质结构，能够让我们更好地理解生物体的蛋白的理化特性，以及其相关联的化学反应途径及其机制，对于我们认识生物世界和研发治疗方法和药物都起着关键作用。在即将召开的2015高分辨率成像与生物医学应用研讨会上，各位专家学者将会进一步讨论相关议题。　　蛋白质结构解析六十年来大事件　　在1958年，英国科学家John Kendrew和Max Perutz首先发表了用X射线衍射得到的高分辨率的肌红蛋白Myoglobin的三维结构，然后是更加复杂的血红蛋白Hemoglobin。因此，这两个科学家分享了1962年的诺贝尔化学奖。事实上，这项工作在早在1937年就开始了。　　然后在1960年代，蛋白质结构解析方法不断进步，获得了更高的解析精度。这个时期，蛋白质序列和DNA序列间关系也被发现，中心法则被Francis Crick提出，然后科学界见证了分子生物学的崛起。分子生物学(Molecular Biology)的名称在1962年开始被广泛接受和使用，并逐渐演变出一些支派，如结构生物学。然后在1964年，Aaron Klug提出了一种基于X射线衍射原理发展而来的全新的方法电子晶体学显微镜(crystallographic electron microscopy )，可以解析更大蛋白质或者蛋白质核酸复合体结构。因为这项研究，他获得了1982诺贝尔化学奖。1969年，Benno P. Schoenborn 提出可以用中子散射和原子核散射来确定大分子中固定位置的氢原子坐标。　　进入1970年代，很多新的方法开始发展。存储蛋白质三维结构的Protein Data Bank(1971年) 开始出现，这对于规范化和积累蛋白质数据有着重要意义。1975年新的一种仪器叫做多丝区域检测器，让X-ray的检测和数据收集更加快速高效。次年，Robert Langride将X-ray衍射数据可视化，并在加州大学圣地亚哥分校成立了一个计算机图形实验室。同年，KeithHodgson和同事首次证明了可以使用同步加速器获得的X射线并对单个晶体进行照射，并取得了很好的实验效果。然后在1978年，核磁共振NMR首次被用于蛋白质结构的解析 同年首个高精度病毒(西红柿丛矮病毒)衣壳蛋白结构被解析。　　在1980年代，更多蛋白质结构被解析，蛋白质三维结构的描述越来越成熟，而且蛋白质结构解析也被公认成为药物研发的关键步骤。在1983年，冷冻蚀刻的烟草花叶病毒结构在电子显微镜结构下得到描述。两年后德国科学家John Deisenhofer等解析出了细菌光合反应中心，因此他们共享了1988年的诺贝尔化学奖。次年，两个课题组解析了HIV与复制相关的蛋白酶结构，对针对HIV的药物研发提供了理论基础。　　下一个十年，因为大量同步加速器辅助的X射线衍射的使用，数千个蛋白质结构得到解析，迎来了蛋白质结构组的曙光。1990年多波长反常散射方法(MAD)方法用于X射线衍射晶体成像，与同步辐射加速器一起，成为了近二十多年来的最常用的的方法。Rod MacKinnon在199年发表了第一个高精度的钾离子通道蛋白结构，对加深神经科学的理解起了重要作用，因此他分享了2003年的诺贝尔化学奖。Ada Yonath等领导的课题组在1999年首次解析了核糖体结构(一种巨大的RNA蛋白质复合体)。　　进入新千年，更多的技术细节被加入到蛋白质解析研究领域。2001年，Roger Kornberg和同事们描述了第一个高精度的RNA聚合酶三维结构，正因此五年后他们共享了诺贝尔化学奖。2007年，首个G蛋白偶联受体结构的解析更是对药物研究带了新的希望。近些年来，越来越多的大的蛋白质结构得到解析。Cryo-EM超低温电子显微镜成像用于超大蛋白质结构成像的研究日益成熟，并开始广泛用于蛋白质结构的解析。　　蛋白质结构解析的常用实验方法　　1.X-ray衍射晶体学成像　　X射线衍射晶体学是最早用于结构解析的实验方法之一。X射线是一种高能短波长的电磁波(本质上属于光子束)，被德国科学家伦琴发现，故又被称为伦琴射线。理论和实验都证明了，当X射线打击在分子晶体颗粒上的时候，X射线会发生衍射效应，通过探测器收集这些衍射信号，可以了解晶体中电子密度的分布，再据此析获得粒子的位置信息。利用这种特点，布拉格父子研制出了X射线分光计并测定了一些盐晶体的结构和金刚石结构。首个DNA结构的解析便是利用X射线衍射晶体学获得的。　　后来，获得X射线来源的技术得到了改进，如今更多地使用同步辐射的X射线源。来自同步辐射的X射线源可以调节射线的波长和很高的亮度，结合多波长反常散射技术，可以获得更高精度的晶体结构数据，也成为了当今主流的X射线晶体成像学方法。由X射线衍射晶体学解析的结构在RCSB Protein Data Bank中占到了88%。　　X射线衍射成像虽然得到了长足的发展，仍然有着一定的缺点。X射线对晶体样本有着很大的损伤，因此常用低温液氮环境来保护生物大分子晶体，但是这种情况下的晶体周围环境非常恶劣，可能会对晶体产生不良影响。而且，X射线衍射方法不能用来解析较大的蛋白质。　　上海同步辐射加速器外景(图片来源 上海同步辐射光源网站)　　2.NMR核磁共振成像　　核磁共振成像NMR全称Nuclear magnetic resonance，最早在1938被Isidor Rabi (1946年诺贝尔奖)描述，在上世纪的后半叶得到了长足发展。其基本理论是，带有孤对电子的原子核(自选量子数为1)在外界磁场影响下，会导致原子核的能级发生塞曼分裂，吸收并释放电磁辐射，即产生共振频谱。这种共振电磁辐射的频率与所处磁场强度成一定比例。利用这种特性，通过分析特定原子释放的电磁辐射结合外加磁场分别，可以用于生物大分子的成像或者其他领域的成像。有些时候，NMR也可以结合其他的实验方法，比如液相色谱或者质谱等。　　RCSB Protein Data Bank数据库中存在大约11000个用NMR解析的生物大分子结构，占到总数大约10%的结构。NMR结构解析多是在溶液状态下的蛋白质结构，一般认为比起晶体结构能够描述生物大分子在细胞内真实结构。而且，NMR结构解析能够获得氢原子的结构位置。然而，NMR也并非万能，有时候也会因为蛋白质在溶液中结构不稳定能难得获取稳定的信号，因此，往往借助计算机建模或者其他方法完善结构解析流程。　　使用NMR解析的血红蛋白结构建模(图片来源RCSB PDB)　　3.Cryo-EM超低温电子显微镜成像　　电子显微镜最早出现在1931年，从设计之初就是为了试图获得高分辨率的病毒图像。通过电子束打击样本获得电子的反射而获取样本的图像。而图像的分辨率与电子束的速度和入射角度相关。通过加速的电子束照射特殊处理过的样品表明，电子束反射，并被探测器接收，并成像从而获得图像信息。具体做法是，将样品迅速至于超低温(液氮环境)下并固定在很薄的乙烷(或者水中)，并置于样品池，在电子显微镜下成像。图像获得后，通过分析图像中数量众多的同一种蛋白质在不同角度的形状，进行多次的计算机建模从而可以获得近原子级别的精度(最低可以到2.0埃)。　　Cyro-EM解析TRPV1离子通道蛋白(图片来源Structure of the TRPV1 ion channel )　　将电子显微镜和计算机建模成像结合在一起的大量实践还是在新世纪之后开始流行的。随着捕捉电子的探测器技术(CCD技术，以及后来的高精度电子捕捉、电子计数electron counting设备)的提升，更多的信息和更低的噪音保证了高分辨率的图像。　　近些年来，Cryo-EM被用来解析很多结构非常大(无法用X-ray解析)的蛋白质(或者蛋白质复合体)，取得了非常好的结果。同时，单电子捕捉技术取代之前的光电转换成像的CCD摄像设备，减少了图像中的噪音和信号衰减，同时并增强了信号。计算机成像技术的成熟和进步，也赋予了Cryo-EM更多的进步空间。然而，Cyro-EM与X-ray不同，该方法不需要蛋白质成为晶体，相同的是都需要低温环境来减少粒子束对样品的损害。　　除去介绍的这三种方法以外，计算机建模技术也越来越多地被用在了蛋白质结构解析中。而且新解析的结构也会提高计算机建模的精确度。未来，我们或许能够用计算机构建原子级别的细胞模型，构建在芯片上的细胞。　　蛋白质结构对了解生命体的生化反应、有针对性的药物研发有着重要意义。从1958到如今已经接近60年，蛋白质结构解析得到了较快的发展。然而，在如今DNA测序如此高效廉价的时代，蛋白质和DNA结构解析并没有进入真正高速发展阶段，这也导致了在如此多的DNA序列数据非常的今天，结构数据却相对少的可怜。大数据时代的基因组、蛋白质组、代谢组、脂类组等飞速发展的时候，蛋白质结构组也得到了更加广泛的重视。发展高精度、高效的结构解析技术也一直都有着重要意义。未来，蛋白质结构解析，对针对蛋白质的药物筛选，和计算机辅助的药物研究研究不应被低估。未来说不定在蛋白质结构领域有着更多惊喜，让我们拭目以待。 第一届电镜网络会议部分视频回放

本期专家访谈Ben C Collins教授给我们讲述DIA方法的开发和应用，以及对蛋白质组学领域未来发展的看法。　　Ben C Collins　　英国贝尔法斯特女王大学生物科学学院教授　　主要从事定量蛋白质组学研究，研究方向主要集中在三个方面：数据非依赖采集的质谱方法(DIA)开发和应用；蛋白质相互作用网络和蛋白质复合物分析中的方法开发和应用；在宿主-病原体生物学、先天免疫、癌症生物学和药物发现中的应用。　　DIA的优势是什么，还有哪些问题亟待解决?　　在早期阶段，DIA获得认可面临的挑战之一是软件工作流程的复杂性。幸运的是，随着时间的推移，这一挑战已基本得到解决，DIA 数据分析也变得更加容易。数据采集过程本身变得更加简单，现在的方法也可以得到令人印象深刻的结果。特别是随着仪器的进步和新的分析采集方法的出现，许多基本问题已经得到解决。目前的重点应该是展示DIA的实际应用和优势，这包括进行广泛的基准测试和成功的示例展示。虽然持续的技术发展很有价值，但最紧迫的任务是有效利用现有技术。因此，应高度重视DIA技术的推广应用。DIA 最显著的优势是其已证明的有效性，它已被证明是一种可靠且稳健的蛋白质组学研究方法。在我目前的工作中，我对DIA在规模化蛋白质相互作用研究和化学蛋白质组学中的应用特别感兴趣，并启动了与参与药物发现的制药公司的合作。过去，这些公司在蛋白质组学方面投入了大量资金，但技术还不够先进，无法满足他们的需求。然而，我们现在正处于 DIA 可以为药物发现提供有价值线索的阶段。我们与这些行业合作很有前景，因为可以帮助他们识别有用的化合物、进行筛选并做出明智的决策。这是 DIA 如何为药物发现和其他领域的实际应用做出贡献的一个很好例子。　　您如何看待蛋白质组学领域学术界与工业界的关系?　　在考察蛋白质组学领域学术界和工业界的关系时，有必要分别考虑供应商和制药公司。从供应商看，我必须说学术研究人员和供应商之间的合作非常成功，双方都需要彼此的专业知识。我们一直与各种供应商合作，开发方法和应用的学术研究人员与开发仪器的供应商之间的协同作用是显而易见的。但与医药行业的关系却有些不同。近年来，药物发现领域发生了转变，开始认识到蛋白质组学可以为其工作带来价值。这种认识的转变在为制药公司提供服务的合同研究组织 (CRO) 数量不断增加中得到体现。这些 CRO 正在扩大并展示其对制药行业的作用。此外，有一种趋势是基于蛋白质组学技术建立药物研发公司。此类公司从风投获得大量资金的例子有很多。这些公司认为，他们独特的蛋白质组学技术可以显著帮助确定化合物的优先级、进行化合物筛选以及推进药物开发的各个阶段。这一趋势表明蛋白质组学技术在行业中变得越来越有价值。然而，在促进学术机构和制药公司之间的关系方面还有改进的空间。例如制药专业人士较少参与会议上的演讲报告。我们这样的组织提供了弥合鸿沟的机会，召开化学工程、蛋白质组学和药物发现领域的研讨会和活动等举措有助于提高知名度，加强学术界和制药界之间的联系。这种积极主动的方法可以进一步推动蛋白质组学技术与药物发现过程的整合。　　应该如何看待 AlphaFold 和 ChatGPT 等人工智能工具?蛋白质组学和人工智能如何共同激发更大的进步?　　从根本上讲，人工智能已经在质谱数据处理、信号预测、物理化学性质预测和分类任务等任务中展示了其实用性，这些应用已经显示出巨大的前景，并且已经为蛋白质组学领域做出了贡献。这种趋势可能会持续并扩大，进一步增强我们的数据分析和解释能力。然而，当涉及到揭示生物学机制等更复杂的问题时，人工智能的应用仍然是一个悬而未决的问题。例如，AlphaFold 在预测蛋白质结构方面的成功是一项重大成就，但将人工智能模型应用于深入理解生物学机制是一项更具挑战性的工作。一个关键挑战在于人工智能模型的“可理解性”。无论是在生物学还是在一般的人工智能应用中，了解人工智能系统如何得出结论和预测都是至关重要的。“可理解的智能”一词强调了这种需求。能够解释人工智能生成的见解背后的推理非常重要，尤其是在涉及复杂的生物系统时。从本质上讲，人工智能在蛋白质组学和生物学中具有多个层面的适用性。它已经在数据驱动的任务中证明了自己的价值，并且可能进一步扩展到预测药物敏感性或进行生物学预测等领域。然而，从人工智能模型中获得机械理解和真正的生物学见解是一项更具挑战性的工作。它需要解决与模型透明度和可解释性相关的问题。随着我们的前进，科学界应该将人工智能视为一种强大的工具，并共同努力，利用其潜力获得更深入的生物学见解。尽管还有一些挑战需要克服，但人工智能有能力在未来几十年内推动蛋白质组学和生物学的重大进步。　　您认为全球蛋白质组学研究人员应该如何合作实现“π-HuB”计划的目标?　　“π-HuB”计划无疑是一项具有全球影响力的开创性举措，科学界也渴望共同努力，为该项目做出积极的贡献。目前，该项目还处在讨论制定具体的合作机制和形式阶段。为了推进这种合作，科学家必须与政策制定者和政府联络沟通以获得必要的支持和资源。“π-HuB”计划国际合作将通过持续的讨论和规划继续完善。从本质上讲，虽然具体的合作结构尚未完全确定，但中国和国际科学界的共同承诺，使实现“π-HuB” 计划宏伟目标变得更有希望。　　您对蛋白质组学领域未来5-10年的发展有何预测?　　预测科学的未来总是充满挑战，但我可以对未来 5-10 年蛋白质组学领域的潜在发展提供一些见解。令人感兴趣的领域之一是基于质谱的方法和非质谱方法之间的平衡。我们正在见证基于亲和力的方法、纳米孔测序和单分子方法等技术的进步。关于哪种方法进展更快并有可能主导该领域的争论仍在继续。然而，重要的是不要教条地选择自己喜欢的方法，而是让数据来决定。在未来 5-7 年中，质谱分析可能会继续占据主导地位，但除此之外，其他方法也可能会占据主导地位，每项新技术都应根据其优点和缺点进行评估。另一个有进步空间的领域是研究蛋白质复合物和翻译后修饰的无偏性方法。目前，这方面的大规模检测方法还比较有限，需要进行创新。此外，蛋白质组学还有更广泛应用的潜力，特别是在药物发现和开发方面。在这方面，蛋白质组学可以成为宝贵的资源，并且其应用还有显著增长的空间。制药行业越来越认识到蛋白质组学在决策过程中的效用。在临床应用方面，蛋白质组学在发现工作方面具有巨大的潜力。然而，关于是否在临床环境中使用质谱或选择其他平台的争论仍将继续。这两种方法都应该探索，并根据实用性和有效性选择最合适的一种，常规且简单的技术可能更适合临床检测。值得注意的是，长期以来人们一直希望将高分辨率质谱技术整合到临床环境中。虽然这一目标过去设定为 10 年，但事实证明实现这一目标具有挑战性。供应商和研究人员一直在努力实现这一目标，但在临床实践中广泛采用的时间表仍不确定。总之，蛋白质组学领域是动态且不断发展的。未来 5-10 年，技术、应用领域和方法可能会取得进步, 灵活性、数据驱动的决策和创新对于塑造蛋白质组学研究的未来至关重要。