蛋白质组学即将迎来黄金时代

在过去的20年里，医学一直在朝着数据驱动的诊断和基于分子信息的个性化治疗方向发展。¹肿瘤学就是一个典型的例子，针对癌细胞中特定的驱动突变而设计的精准药物的范围不断扩大。然而，虽然这些药物提供了一些好处，但它们未能改变大多数肿瘤类型的生存率。

令人沮丧的是，识别特定的基因改变并不足以保证治疗有效。例如，针对信号蛋白BRAF的过度活跃的V600E形式的药物对黑色素瘤有效，但对具有完全相同突变的结直肠肿瘤没有活性。

因此，试图根据基因突变目录来治疗疾病很可能是一种过于简单的方法。

基因并不能说明全部，蛋白质组学可以填补空白

DNA测序现在是快速、可靠、低成本和广泛可用的，能够快速获取大量的遗传和基因组信息。下一代测序技术已用于一系列临床试验，最近已被美国食品和药物管理局(FDA)批准常规使用。²

然而，在实践中，基因并不总是在分子水平(表型)上告诉细胞或组织中发生了什么。基因活性和表达的表观遗传调控可能改变细胞内的分子通路，导致功能障碍和疾病，即使没有潜在的遗传改变。因此，基因分析充其量只能代表细胞的潜在分子运作，在选择最佳疗法时可能会产生误导。

转录组学——对组织或细胞内产生的RNA进行测序——是估计基因如何表达的一种方法，可以更详细地了解哪些细胞过程在疾病中功能失调，并有助于治疗方法的选择。

虽然转录组学比基因组或遗传分析提供了更现实的表型描述，特别是在稳定状态下。然而，在过渡和动荡时期，它的准确性要低得多——转录和翻译之间的相关性要弱得多，在许多情况下，仅靠RNA含量不足以预测蛋白质丰度。例如，RNA可能不会被翻译成蛋白质，而蛋白质在转录后可能会以不可预测的方式被修改。^3.

因此，基于RNA测序预测的细胞分子特征与其实际表型之间经常存在不匹配。分析细胞的蛋白质含量(蛋白质组学)将与患者表型和精准医疗更相关。然而，蛋白质分析在技术上一直被认为比DNA或RNA测序更具挑战性，需要大量的起始材料。

蛋白质组学揭示了内部发生了什么

错误或失调的蛋白质是大多数疾病途径的核心，也是精确治疗的通常目标。此外，越来越多的人认识到，像癌症这样的疾病中的分子混乱是复杂的失调通路的结果，不能归咎于少数特定的基因缺陷。因此，研究一个细胞产生的全部蛋白质可以对细胞功能和疾病表型进行广泛的概述，而基因组分析则无法做到这一点。

蛋白质组学对分析科学家来说是一个重大的挑战:蛋白质组非常复杂，包含数千种蛋白质，很容易忽略细胞中低水平存在的分子。然而，研究人员预测，解码蛋白质组对生命科学和临床实践的影响甚至比基因组革命更大，因此挑战是值得的。

近年来，质谱分析因其高灵敏度和特异性，能够可靠、高通量地鉴定和定量生物样品中的蛋白质，已成为蛋白质组学的首选分析方法。

最终，蛋白质组学可以被常规用于补充基因组学和转录组学数据，用于研发、诊断和治疗选择。但是，一些重大的挑战直到现在才被克服。^{4、5、6所示}

鸟枪蛋白质组学可能是瞎猜的

最广泛使用的质谱技术是鸟枪蛋白质组学。这通常基于一种称为数据依赖采集(DDA)的方法，该方法在复杂组织(如肿瘤)中对数十万个单独肽片段的子集进行采样。⁷

DDA随机选择这些子集，因此需要多轮分析来确保样本中存在的所有蛋白质都被检测和分析。每次实验都产生不完整的结果，而且不可重复。这使得精确量化任何特定蛋白质的丰度变得困难。

这些挑战给质谱技术带来了非定量、低通量技术的声誉，阻碍了蛋白质组学在基础研究之外的临床应用

用于临床应用的下一代蛋白质组学

另一种方法——数据独立采集(DIA)——可以解决这些问题。DIA遵循与传统鸟枪蛋白质组学类似的方法，但样本中的每个肽都是碎片化的，并以并行的方式在单个实验中进行分析。

从临床应用的角度来看，这种“一次性”方法更具吸引力，因为它可以生成全面、可重复和定量的蛋白质组图谱，具有高通量。然而，通过DIA产生的数据集非常复杂，需要分离出来(反卷积)，以了解原始组织中存在的所有蛋白质的身份和丰度。

最近开发了新的算法来解决这个反褶积挑战。这使得产生的DIA结果是无偏的，更完整的(在一次拍摄中几乎有10,000个蛋白质)，可精确量化和可重复的。^{5 - 7}

图1:数据独立采集(DIA)发现蛋白质组工作流程。图片来源:Biognosys

蛋白质组学试验

2019年4月，罗氏公布了一项模拟研究的结果，该研究模拟了发现蛋白质组学在临床试验中的实施。该团队使用HRM分析了30个具有代表性的结直肠癌样本，成功地识别和量化了9000多种蛋白质，并具有很高的可重复性。重要的是，蛋白质组学分析所需的肿瘤材料的数量与转录组学所需的数量相当，为在临床试验环境中使用发现蛋白质组学提供了基础。^{8 - 10}

蛋白质组学将推动向个性化医疗的转变

蛋白质组学比DNA和RNA测序要复杂得多，但能更准确地反映细胞和组织的分子状态。使用DIA方法(如HRM)的蛋白质组学现在是临床和发现科学家可用的最接近蛋白质表达谱的方法。

目前，临床研究人员可以使用这些技术在患者表型和分层、生物标志物研究、药物和靶点发现、途径建模和作用机制研究中发现蛋白质组学。对于无法获得蛋白质组学所需设备或专业知识的研究人员，Biognosys提供可靠的蛋白质分析，满足临床应用的良好临床实践标准。¹¹

在过去的十年中，蛋白质组学领域已经显著成熟，DIA和HRM等进步终于克服了定量精度、可重复性和可扩展性的障碍，并使高通量质谱在临床应用中的常规使用成为可能。

在未来，预计每个临床样本都将常规进行蛋白质分析，作为诊断和治疗选择过程的一部分。^{5 - 7}将蛋白质组学引入临床试验和实践将改善疾病表型、诊断和有效的治疗选择，最终提高药物发现管道的效率，并为患者带来益处。

引用:

1. Doostparast Torshiz, A.， & Wang, K.(2018)药物开发中的下一代测序:靶点识别和基因分层临床试验。药物。今日。23(10)，1776-1783 doi: 10.1016/j.d uddis .2018.05.015
2. Siu, l.l.， Conley, b.a.， Boerner, S.， & LoRusso, M.P.(2015)指导临床试验的下一代测序。临床癌症研究，21(20)，4536-4544 doi: 10.1158/1078-0432.CCR-14-3215
3. Liu, Y.， Beyer, A.，和Aebersold, R.(2016)细胞蛋白水平对mRNA丰度的依赖性。细胞。165 (3)535-550 doi: 10.1016/j.cell.2016.03.014
4. Chen, R.， & Snyder, M.(2013)个性化组学对精准医疗的承诺。中国生物医学杂志，21 (1)，37 - 37 doi: 10.3321 /wsbm.1198
5. Duarte, t.t.， & Spencer, C.T.(2016)个性化蛋白质组学:精准医疗的未来。蛋白质组。4(4)，29 doi: 10.3390/proteomes4040029
6. Rinner, O.(2016)从工业角度看下一代蛋白质组学。中国生物工程学报，30 (12)，366 - 366 doi: 10.2533/ cima .2016.860
7. DIA与传统的鸟枪蛋白质组学和DDA有何不同?(2018年3月15日https://help.biognosys.com/help/how-does-dia-differ-from-classical-shotgun-proteomics
8. Schubert, o.t.， Röst, h.l.， Collins, b.c.， Rosenberger, G.， & Aebersold, R.(2017)定量蛋白质组学:基础和应用研究中的挑战和机遇。Nat协议12(7)，1289-1294 doi: 10.1038/nprot.2017.040
9. 罗氏公布了Biognosys在临床试验中使用发现蛋白组学的数据(2019年4月4日)https://www.biognosys.com/press-release-roche-presents-data-from-biognosys-for-use-of-discovery-proteomics-in-clinical-trials
10. Ducret A.(2019)临床蛋白质组学进入临床试验:通过定量质谱对FFPE组织样本进行常规分析的通用gcp合规工作流程。在临床质谱(美国，加州棕榈泉)年度大会上发表。
11. 罗氏与Biognosys、Caprion合作，证明蛋白质组学已为临床试验做好准备(2019年4月23日https://www.genomeweb.com/proteomics-protein-research/roche-partners-biognosys-caprion-demonstrate-proteomics-readiness#.XOlJRi3Mw_W