用工程纳米颗粒探测蛋白质组

这篇文章包括了一些有待同行评议的研究发现。因此，结果被认为是初步的，应这样解释。了解同行评议过程在研究中的作用在这里．如需进一步信息，请联系所引用的来源。

分析血浆蛋白质组可以提供对个人健康状况的详细了解，并使早期发现一系列疾病成为可能。然而，到目前为止，大规模的深度、无偏倚血浆蛋白质组学已被证明具有挑战性。

在一个纸最近发表于PNAS，先见科学家们展示了基于工程纳米颗粒(NPs)的新工作流程如何促进大规模的深度蛋白质组学研究。为了更多地了解NPs、它们的发展以及它们与传统等离子体分析技术的比较，我们采访了这篇论文的作者之一，博士。丹尼尔Hornburg．在这次采访中，Daniel还讨论了NPs如何帮助弥合蛋白质组学和基因组学之间的差距，并改变癌症诊断。

安娜·麦克唐纳(AM):为什么对血浆蛋白的深入研究如此具有挑战性?

丹尼尔·霍恩伯格(DH):血浆蛋白质组有很大的动态范围，在最丰富的蛋白质(如白蛋白)和那些可能与疾病有关的蛋白质(如细胞因子)之间有超过10个数量级的差异。大多数蛋白质组学技术都不能很好地以可扩展的方式访问完整的范围。有些解决方案是可扩展的，但只针对预先确定的蛋白质来确认它们的存在，因此偏向于你已经知道的疾病，其他解决方案只捕捉到更高丰度蛋白质的明亮信号。

深度无偏蛋白质组学的其他解决方案基本上是不可扩展的，因为它们既耗时又麻烦(例如，质谱与蛋白质色谱、损耗和分馏方法相结合)。尽管这些方法是无偏倚的，但它们无法扩展到更大的样本量，迄今为止使用这些方法的最大研究仅覆盖了大约40个样本。

但Seer现在正在用Proteograph产品套件改变这一现状，允许研究人员以公正的方式快速检查数千个样本。例如，从141个非小细胞肺癌(NSCLC)样本中，再从200个阿尔茨海默氏症研究样本中添加一个额外的样本集，我们从2500个蛋白质组识别到3400个蛋白质组。

采用无偏倚的方法来研究氨基酸和肽水平分辨率的蛋白质组意味着我们不局限于针对已经与疾病类型或表型相关的特定蛋白质来验证已知生物学。利用Seer的技术，研究人员可以发现新的蛋白质特征、蛋白质变体和翻译后修饰在健康和疾病中被定量改变。

AM:是什么促使你开发了一种基于纳米颗粒的方法来应对这一挑战?

DH:我们的创始人Omid Farokhzad博士花了20年时间从事纳米颗粒研究，他的工作(以及该领域许多其他科学家的工作)导致我们开发了专有的NPs。我们的专利工程NPs具有难以置信的可复制的结合亲和力。通过利用这些NPs的特定物理化学性质，人们可以精确地和可重复地针对不同类别的生物分子。由此产生的想法是，利用这种能力大规模地实现无偏见的深层蛋白质组学。

AM:你能告诉我们更多关于Seer 's的事情吗工程NPs吗?它们与传统等离子体分析工作流相比如何?

DH:在我们的专有工程NPs的设计中，wE公司利用蛋白质在自然界中通过物理化学性质相互作用的固有的、可重复的方式，对蛋白质组进行深度采样，使其在运行、操作和天数之间保持一致。

蛋白质的采样和蛋白质与NP表面的结合主要由三个因素驱动:

我。 特定蛋白质与特定NP表面的相对亲和力

2样品中特定蛋白质的浓度

3NP表面蛋白质与其他蛋白质的亲和性(蛋白质-蛋白质相互作用)

我们可以使用各种专有的方法和材料来设计和创建不同的NPs。我们已经证明，与其他深度无偏方法相比，我们的解决方案能够通过较低的CV%结合更深的蛋白质组采样实现非常精确的量化。这解决了在血浆蛋白质组的大动态范围内访问蛋白质组信息的技术瓶颈，与访问基因组或转录组相同的易用性、可重复性和规模。

AM:在最近PNAS研究，之间的关系的物理化学性质先见对NPs和蛋白质采样模式进行了检查。你能给我们介绍一下这项研究的主要发现及其意义吗?

DH:通过一组专有的工程NPs，与传统的深度工作流相比，我们证明了覆盖深度的中位数增加了一个数量级，精度提高了2倍，蛋白质鉴定率提高了2.5倍，吞吐量显著提高。这种卓越的性能是由可重复和定量的动态范围压缩实现的，使下游检测器更容易获得肽和蛋白质变体信息，而不依赖LC-MS/MS采集模式 

使用机器学习，我们剖析了专有NPs的可工程物理化学性质的组成部分，这些性质有助于蛋白质冠的形成和组成。我们确定了专有纳米颗粒的物理化学性质和与它们相互作用的特定蛋白质的丰度和功能之间的相关性。这种结构结合关系将逐步提高我们精确合理地设计专有NPs的能力，以正交询问不同蛋白质家族中的蛋白质变体。进一步提高专利NPs在大规模组学研究和生物标志物发现中的效用。 

AM:使用NPs的结果的可重复性如何?

DH:因为我们的财产是私有的NPs是在精确控制的工程过程中定义的基于数十年雇佣NPs的经验在医学应用中，如人体药物传递，高度可复制的结合亲和力是我们小说的主要表现特征吗蛋白质组学分析。

AM:这项技术将如何改变诊断，特别是早期癌症检测?

DH:血浆和其他基于血液的样本对癌症诊断很有希望，因为与其他侵入性活检方法相比，它们可以通过微创方法定期获得，但分析血浆蛋白质组一直很困难。

我们最近开发了一个基于血浆的非小细胞肺癌生物标志物发现平台，使用无偏倚蛋白质基因组方法，并分析了早期癌症样本和健康对照，以分析单个基因引起的蛋白质变异之间的差异。通过Proteograph技术，我们能够识别肺癌相关的蛋白质变异。

在我们最近预印，我们表明，以肽为中心的分析确定了与疾病相关的蛋白质形式，使用蛋白质水平的信息不会被发现。这项研究进一步表明，肽水平的分辨率使我们能够在数据中推断出数百种蛋白质形态，其中一些与NSCLC显著相关，特别是包括BMP-1。

AM:这项技术还会对其他哪些应用产生影响?

DH:通过实现对深层蛋白质组的无偏见和可扩展的访问，我们期待Seer技术能够帮助早期识别疾病，更有效地治疗疾病，并比以往更快地开发靶向治疗方法。

俄勒冈健康科学大学等研究机构已经建成有前景的试点研究前列腺癌，t布罗德研究了心血管疾病的模型心脏病发作模型以及在这个过程中对蛋白质的早期检测。

今天，深层血浆蛋白质组学和基因组学在很大程度上是不同的领域，很少在规模上重叠。 真正实现蛋白质基因组学的缺失环节是在氨基酸和肽分辨率水平上大规模获取蛋白质组内容，以与目前在核苷酸分辨率上大规模获取基因组内容相匹配。  

Proteograph能够很好地弥合蛋白质组学和基因组学之间的差距，加速蛋白质基因组学的影响，并更好地连接基因型和表型。在早期阶段使用我们的技术进行了多项大规模研究，包括:

·一项针对多种癌症的多组学研究正在进行中，以观察2000多个样本队列中的疾病生物标志物

·一项关于衰老的研究，有超过1500个样本

问:就下一步而言，你们有什么进一步的研究计划?

DH:一条我们最近研究是通过专门调整竞争格局来建模和优化基于纳米颗粒的蛋白质组学的性能，因此，弗罗曼效应。

蛋白质-蛋白质相互作用可能作为初级蛋白质- np相互作用的函数影响蛋白质丰度。这些依赖关系可以在更大的数据集中进一步探索，扩展NPs的数量和它们的描述细节，以进一步深入蛋白质组学。

最近在蛋白质结构和表面性质预测方面的工作，如分子表面相互作用指纹识别和AlphaFold，也为识别和理解驱动特定纳米生物相互作用的物理化学蛋白质性质提供了一个有趣的机会。

丹尼尔·霍恩伯格接受了科技网络科学作家安娜·麦克唐纳的采访。188金宝搏备用

Daniel Hornburg博士，Seer研究与技术开发高级总监，在那里他领导一个跨职能团队，为生物信息学、质谱和纳米技术的交叉领域的多组学研究开发和采用变变性解决方案。丹尼尔在马克斯·普朗克生物化学研究所与马蒂亚斯·曼一起攻读博士学位，在那里他研究了与神经退行性疾病相关的蛋白质组扰动。他继续作为博士后在Mann的实验室与Felix Meissner合作，研究计算免疫蛋白组学，研究免疫细胞的通信网络以及病原体如何出现在宿主面前。他后来加入了斯坦福大学迈克·斯奈德实验室，从事基于质谱的多组学(蛋白质、脂质和代谢物)开发和集成分析和计算策略，以研究健康和疾病中的动态多组学景观。