蛋白质组学的更深入理解景观
蛋白质组学的深入了解景观的健康和病变细胞,组织和器官的发展需要强大的临床蛋白质生物标记物。在最近的一次伦敦蛋白质组学讨论小组会议,罗马费舍尔教授开始处理明显的“失败”事件的蛋白质组学提供新的临床生物标志物迄今为止:“每年大约两个新的蛋白质被添加到那些可以利用临床生物标志物。”He continued, "Modern proteomics has not significantly impacted this number."
为什么?引用约书亚腊八,费舍尔提出了以下因素:
- 它是硬发现预测的差异
- 它是非常困难的找到预测标记访问液体
- 它是可笑的努力找到可以预测标记不受相关疾病的影响
费舍尔的演讲接着概述他的团队的工作优化laser-capture显微解剖空间(LCM)的方法,cell-type-resolved神经元蛋白质组学分析与事后人类大脑和高通量蛋白质组学。他们的策略可以作为一个开放访问读取蛋白质组研究期刊》的研究。
费舍尔强调空间蛋白质组学将成为重要的研究和了解,肿瘤生物学探索蛋白质组的肿瘤环境。他的实验室应用其方法在这种情况下,以令人难以置信的薄片从大脑组织样本,包括肿瘤和肿瘤组织,探索蛋白质表达的景观。
这个实验产生的96个样本几乎等同于4000蛋白质空间映射和数据采集八天的时间。菲舍尔伴随口头报告,提供了一个有趣的讲义打印出来的3 d塑料的工作。某些蛋白质的表达,包括peripherin,血红蛋白,组蛋白和糖原磷酸化酶是由分层的塑料可以增加身体接触。感觉治疗!
在事件,188金宝搏备用坐下来与费舍尔讨论空间蛋白质组学,扩大的一些关键方面的研究。
莫莉·坎贝尔(MC):为我们的读者可能不熟悉,你能告诉我们短暂空间蛋白质组学什么,本研究的目标和区域吗?
罗马菲舍尔(RF):的主要问题之一,当人们想要进行临床蛋白质组学研究组织是他们最终分析蛋白质断章取义。他们通常使用打孔切片,mush和分析。使用这种方法,我们失去的空间上下文蛋白质,即他们在哪里与血管为例。这变得非常重要,当你想看看,说,肿瘤生物学、肿瘤的血液供应带来营养。为了更好地理解底层机制在起作用,空间上下文是必需的。这不是局限于肿瘤生物学研究,也适用于器官;例如,肾脏有大量各种不同的细胞类型,所以它是确定在特定的蛋白质的关键,探究他们的表情与空间环境和功能。下一步是扩展这种方法从2 d,并创建一个3 d蛋白质组。
主持人:你的工作主要集中在探索大脑细胞的蛋白质组。为什么?
射频:除了大脑组织和细胞类型仍不是很清楚,我没有幻想生物推理。然而,目前这些低挂水果——不是因为组织可用,脑组织真的很难获得,但神经元是相当大的。从实用的角度来看,我们看看运动神经元有大直径相比其他细胞。他们更容易处理。这种方法是一种前兆,真的,我们想去的地方的空间解决,深蛋白质组分析,我们不要看特定的脑细胞,但区域和3 d结构。
主持人:你今天提出了一些有趣的数据。你能告诉我们更多关于这个,特别是LCM-method吗?
射频:去年发表的一些数据:我们比较巨大锥体细胞和浦肯野细胞。他们有不同的功能在运动协调和巨大锥体细胞是罕见的,很难得到,所以没有人看着他们的蛋白质组。为研究有足够的金额,你需要很多的大脑组织分析。与我们的优化方法我们可以得到一个深(ish)蛋白质组4000从200年这些细胞中的蛋白质。但是,这些都不是总细胞;如果你认为,细胞直径200μm,我们只看10μm厚片,所以基本上我们甚至没有一个细胞的10%。200片需要看看4000蛋白质。4000蛋白质能充分了解类型的细胞的功能你比较。例如,贝茨细胞被发现有更多丰富的能量代谢相关的蛋白,它可以直接与他们的生物功能需要火神经冲动比浦肯野细胞相比更加频繁。我喜欢称之为蛋白质组的一部分,可以直接与表型的细胞“Pheno-Proteome”。
司仪:你的实验室参与广泛的合作,你能告诉我们关于任何特别令人兴奋的研究领域?
射频:我的工作重点是空间蛋白质组学高通量蛋白质组学和空间,因为这两个几乎是如影随形的。我们还致力于解决这一事实,越来越多的研究小组感兴趣运行大型临床军团以公正的方式。以前会有很多“摘樱桃”样本研究某种疾病时,作为蛋白质组学不会允许您分析吞吐量超过100 - 200年样本。本预选介绍偏见。为了避免这种偏见,我试图说服我的合作者,真的,他们应该分析所有样本可用。不久以前,这是不可能的由于缺乏强劲的高通量质检测能力。
最近已经改变了,所以我们可以很容易地分析样品的几百到1000年代在单一质平台在几天内。我们最近测试运行的可行性大军团的样本集2500多未用尽的血浆样品。包括质量控制和样品光谱库代我们跑4500注射质平台组成的力量TimsTOF Pro连接到一个Evosep LC。在该平台上我们没有经历任何的问题经常与临床样本,如降解性能和鲁棒性。每天有100样品这种类型的项目是可行的,不久前突然需要一年的仪器。
目前我们考虑如何使用这些工作流提供标准化的蛋白质组学分析大样本集合如英国生物库,这是一个巨大的挑战,但我认为这是一个很好的方式来解决的一些方法问题。
主持人:你能扩展这些方法问题,最大的挑战是什么?
射频:这很有趣,因为我们遇到了瓶颈,我们没有预料到,尤其当你来自小样本数据如20年甚至200样本,在那里你可以手工做的大部分事情。但是当你有2000个样本你遇到问题,如螺旋盖子的样品提供管。现在您需要有人手动拧开2000螺钉帽管和吸管液体的体积小的将它转换成一个格式,然后您可以使用进行进一步处理。这是一个问题,我没有预料到的。然而,这不是一个新问题,特别是在蛋白质组学领域的解决方案并不多。目前我们困在一个半自动处理空间。
一个问题与此相关的是,我们必须使用条码技术,这是我们还没有真正解决在学术实验室。当你突然有这么多的样品,你需要跟踪样本时,已经做了什么。这些问题都不是新的,已经在代谢组学等研究领域。然而,对于一个小学术蛋白质组学实验室,这些挑战提供一个陡峭的学习曲线。下一个大的一个是数据分析和与其他组学和临床数据的集成,我们没有一个解决方案。
这可能听起来像一个问题,过去因为很多软件可以分析蛋白质组学数据——商业和自由——但他们真的不允许大量的样品,,,我的意思是即使500个样本。
用这个软件你几乎可以分析数据的速度我们获得它,这是伟大的,但这只适用于一个特定的阈值,这似乎是大约500个样本。如果你有一个样本集的2000 - 4000年,软件只是不应对,这包括软件,做了调整。与软件不调速度,整个事情变得不可行,因为我们要慢10倍比我们在获取分析数据。这可以推迟几个月时间,这是一个更大的问题当你想扩展分析大样本人群,比如生物银行。虽然有快速进展的主要数据分析,我们才刚刚开始解决数据集成在这个规模。
罗马费舍尔莫莉坎贝尔,科普作家、技术网络。188金宝搏备用
