“似乎在一夜之间就从一个基因、一个蛋白质、一个分子、一次研究一个，转变为所有基因、所有蛋白质、所有分子、一次研究所有。一切都按组学的规模进行。”
——21世纪生物医学的三个主要发展趋势，Nature()
DECODINGTHEMICROWORLD
组学是一个整体性的概念，在这其中，蛋白组学的表现在近几年尤为抢眼。早年间因样本微量、通量不高、数据分析难等因素，蛋白组学的发展一直弱于基因组、转录组和代谢组。而在近几年，随着该领域硬件和软件上各项技术的革新，蛋白质组学成为“后起之秀”。目前，微量样本的蛋白质组检测已从挑战难度极高到现在的走向常规检测。在通量方面，蛋白质组学已经能够实现在一天内测量数百个样本的高通量实验流程。蛋白质的鉴定数，相较于年水平，已经实现了质的飞跃，且检测价格已经在逐年走低[1]，成为一项各大科研工作者都能用得上的技术。持续的技术改进和发展使蛋白质组学在精准医学中有极大的“用武之地”。
蛋白质组的鉴定量逐年有突破，价格逐年降低
临床样本，包含了丰富的病人信息。不论是储藏于样本库多年的石蜡包埋FFPE样本，还是刚从病人手术中切下的新鲜组织，其蛋白信息，不会随着年限的久远而变得不可追溯。不论是常规检测的血液样本，还是极为难得的脑脊液、房水等特殊样本，蛋白质组学希望能够在各类的样本中，发现其中隐藏的蛋白与疾病的关联信息。在这其中，是否能用“微量”的样本进行蛋白质组学检测是第一道“门槛”。临床样本极为珍贵，如何用有限的样本获取更多的蛋白质信息，同时保证方法的高通量、高重复性、稳健性和可靠性，是西湖欧米一直在追寻的主题。
西湖欧米自年成立以来，致力于推出“微量蛋白组”服务概念，我们通过压力循环处理技术（PCT，pressurecyclingtechnology），在今年完成了技术进一步优化升级，目前最低低至0.1mg即可实现样本的蛋白质组检测。
年8月5日，西湖欧米创始人西湖大学郭天南及其团队和西湖欧米在NatureProtocols上发表了一篇名为High-throughputproteomicsamplepreparationusingpressurecyclingtechnology的文章[2]，文章详细描述了如何利用PCT技术实现低至0.1mg极微量组织以及针对细胞、粪便、泪液试纸等样本的高通量前处理过程。
方法解读回顾
NatureProtocols
西湖大学郭天南团队详细报道低至0.1毫克微量临床样本的高通量蛋白质组学制备方法
基于PCT的蛋白样品制备的高效实验流程
新升级的方法特点：
（1）将16个样品的蛋白质组学前处理时间缩短至2.5小时
（2）处理低至0.1mg的微量组织样本
（3）适用于多种样本类型，如新鲜组织、FFPE、细胞、泪液、粪便等
在年里，西湖欧米也有多篇微量蛋白组客户合作文章发表。
1
Celldiscovery
从甲状腺穿刺样本中
衍生的良恶性判断人工智能模型
小小一针的穿刺样本，足以挖掘相当多的蛋白质信息。年9月6日，西湖大学生命科学学院郭天南团队、西湖大学工学院李子青团队，联合多个国内外临床单位，共同在CellDiscovery上发表了名为Artificialintelligencedefinesprotein-basedclassificationofthyroidnodules文章[3]，这是一篇汇集了“众人力量”的文章，从收样，检测，到后续人工智能模型的搭建历经了2年多时间。
文章对甲状腺结节FFPEPunch样本（直径1mm，厚度0.5-1mm，重量约0.6-1.2mg）和甲状腺结节新鲜穿刺FNA样本进行了PCT-DIA蛋白质组检测，构建了涵盖5种组织类型的甲状腺与甲状腺结节蛋白质组表达图谱。研究进一步通过遗传算法从中筛选出19个蛋白质特征，并构建了人工智能模型用以区分甲状腺结节的良恶性。本研究展示了高通量蛋白质组与AI技术的深度碰撞，AI技术在海量的蛋白质表达数据中能够挖掘出至关重要的信息，助力疾病研究向前发展。
过往解读
CellDiscovery
AI人工智能结合蛋白质组学辅助甲状腺结节良恶性判别
超大队列实验设计流程
2
CancerImmunologyResearch
肝内胆管癌FFPE样本的分子分型研究
FFPE样本在肿瘤蛋白组研究中占据重要地位，在记录疾病的发生发展中充当了“储存库”的作用。例如肝内胆管癌ICC是一种相对罕见但高度侵袭性的肿瘤，对化疗和免疫治疗反应不佳。年7月1日，医院肿瘤内科包暄文团队等与西湖大学郭天南团队等团队合作在CancerImmunologyresearch上发表了题为MolecularSubgroupsofIntrahepaticCholangiocarcinomaDiscoveredbySingle-CellRNASequencing-AssistedMultiomicsAnalysis的文章[4]，分析了采集于年至年的原发肿瘤FFPE样本，将其分成ICC患者训练队列（N=）和独立验证队列（N=41）。研究鉴定并量化了种蛋白质，并且基于个蛋白质将ICC分为3个分子亚型（慢性炎症、新陈代谢、染色质重塑），共有85种蛋白质被鉴定为差异表达。随机森林算法显示赖氨酸甲基转移酶2D(KMT2D)突变经常发生在慢性炎症和代谢亚型中，与较低的炎症活动有关。进一步结合全外显子和单细胞RNA测序，发现了APOE+C1QB+TAM（Tumor-associatedmacrophages）作为ICC免疫治疗靶点的潜力。
过往解读
客户文章
多组学分析揭示肝内胆管癌的分子亚群和潜在的治疗靶点
多组学助力ICC分子分型实验设计流程
此外，在国际上，各类微量样本的蛋白质组文章也热度不减。
1
MolecularCancer
细胞外囊泡可
作为结直肠癌肝转移瘤预后标志物
细胞外囊泡（EVs）是指细胞主动分泌的具有膜结构的微小囊泡的统称，几乎所有细胞都会分泌EVs。细胞外囊泡可作为信息的传递者，参与许多疾病发生和发展的过程。
如年4月1日德国研究团队在MolecularCancer上发表了题为Comprehensiveproteomicprofilingofserumextracellularvesiclesinpatientswithcolorectallivermetastasesidentifiesasignaturefornon-invasiveriskstratificationandearly-responseevaluation的文章[5]，阐述了循环细胞外囊泡可作为评估结直肠癌肝转移瘤CRLM患者的术前风险分层和化疗反应预测方面的可能性。
CRLM患者的OS为25.2%，而无转移患者的OS为75.1%,CRLM手术切除术是一种成熟的治疗方法，可将5年OS延长至40-50%。研究人员设计了发现队列（结直肠癌肝转移CRLM56人，收集手术治疗前和治疗后血清，良性肝病BD7人）和验证队列（结直肠癌肝转移CRLM人，收集手术治疗前和治疗后血清，良性肝病BD78人）。首先观测到血清中的EV蛋白（EVP）水平显著高于BD患者。高EVP浓度与发现和验证队列的中位生存期显著降低有关，表明CRLM患者EVP浓度的预后价值。通过基于质谱的蛋白质组学检测术前和术后CRLM及BD患者的血清细胞外囊泡，共检测到个蛋白，其中74个蛋白在CRLM患者术前术后存在显著差异表达。在单个生物标志物模型中，30个EVP在手术前与OS相关。使用LASSO-Cox方法鉴定了六种预测预后的蛋白质。进一步地，在三个独立的队列中开发了前6个蛋白中的4个具有术前预后价值的EVP的特征。除年龄和TNM分期外，EVP特征和EVP浓度被确定为独立的预后因素。EV结合的CXCL7被发现是接受全身化疗的CRLM患者早期反应的生物标志物。
患者术前术后显著差异表达的热图
2
Cellreportsmedicine
脑脊液
蛋白质组分析揭示了帕金森病的
候选生物标志物
帕金森病（PD）是世界范围内日益沉重的负担，迄今为止还没有可靠的生物标志物用于临床常规。脑脊液（CSF）常规采集于有神经系统疾病的患者，密切反映帕金森病患者大脑的改变。年6月21日，德国马普所MatthiasMann课题组等研究团队在Cellreportsmedicine上发表了一篇题为ProteomeprofilingofcerebrospinalfluidrevealsbiomarkercandidatesforParkinsonsdisease的文章[6]，研究设计了例的独立队列（HBS队列与LCC队列），采用“矩阵”生物标志物发现策略（该策略旨在发现和验证队列中使用相当大的样本量来发现区分蛋白质组特征），使用DIA-MS的方法进行蛋白质组分析，研究者采用生成队列特异性混合谱库的方式来提高蛋白鉴定深度和覆盖范围，分别在HBS和LCC队列中鉴定到和个蛋白质。定量的蛋白质强度跨越了4个数量级，仅前10种最丰富的蛋白质就占了脑脊液蛋白质组总信号的38%左右，证明对于脑脊液这一微小样本的分析挑战成功。进一步的机器学习确定了OMD、CD44、VGF、PRL和MAN2B1在PD患者中会改变或与临床评分显著相关。研究还发现了LRRK2GS携带者中神经炎症增强的特征，如CTSS、PLD4和HLA蛋白水平升高所示。与先前获得的尿蛋白质组的比较显示，PD相关变化（包括溶酶体蛋白）存在大量重叠，这为提高我们对PD发病机制的理解开辟了新的途径。
基于质谱的脑脊液队列实验设计方案
3
MassSpectrometryReviews
基于
质谱的泪液蛋白质组学用于非侵入性
生物标志物发现
年9月，意大利米兰比可卡大学团队在MassSpectrometryReviews上发表了一篇名为Massspectrometry-basedtearproteomicsfornoninvasivebiomarkerdiscovery的综述文章[7]，对于泪液蛋白质组进行了研究意义上的展望。目前泪液、房水等外周液引起了研究者越来越多的兴趣。尽管样本量存在内在限制，但泪液/房水等蛋白组可以为识别低侵入性、持续可及的生物标志物以及开发个性化的治疗和诊断方法提供独特的贡献。在本篇综述中，研究者提出不同样品收集的方法对泪液成分有影响，特别是在蛋白质上。目前最常见的采样方法是Schirmer的试纸（STS）或微毛细管（MCT）,两种方法相比，STS收集方法更为简单，且不需要任何训练有素的专家进行。从经历过STS和MCT收集方法的受试者获得的反馈显示，STS方法比MCT方法更容易让人接受，这可能是由于STS的灵活性给受试者带来的感受好于MCT的刚性。目前，西湖欧米的PCT蛋白质组学也同样适用于处理这一泪液试纸特殊样本。
结语
summary
总的来说，在年里，关于微量蛋白组研究越来越多，我们相信，每一个团队在该主题上的每一项研究结果，将一步步地推动这些“微光”汇集成对临床疾病更加有价值的耀眼的“光束”，不仅仅突破原来因为样本少而难以检测的桎梏，更能探索到在这小小的样本里隐藏的蛋白质组学与疾病的关联信息。
对于西湖欧米来说，除上述所讲案例所涉及到的样本外，还包括像微量细胞、头发等微量样本，西湖欧米现已拥有一套良好的解决方案，欢迎各位在新的一年里来电咨询。
DECODINGTHEMICROWORLD
编译：江燕
审校：刘晶晶
参考文献：
[1]XiaoQ,ZhangF,XuL,etal.High-throughputproteomicsandAIforcancerbiomarkerdiscovery.AdvDrugDelivRev.;:.
[2]CaiX,XueZ,WuC,etal.High-throughputproteomicsamplepreparationusingpressurecyclingtechnology.NatProtoc.;17(10):-.
[3]SunY,SelvarajanS,ZangZ,etal.Artificialintelligencedefinesprotein-basedclassificationofthyroidnodules.CellDiscov.;8(1)
5.
[4]BaoX,LiQ,ChenJ,etal.MolecularSubgroupsofIntrahepaticCholangiocarcinomaDiscoveredbySingle-CellRNASequencing-AssistedMultiomicsAnalysis.CancerImmunolRes.;10(7):-.
[5]LinK,BaenkeF,LaiX,etal.Comprehensiveproteomicprofilingofserumextracellularvesiclesinpatientswithcolorectallivermetastasesidentifiesasignaturefornon-invasiveriskstratificationandearly-responseevaluation.MolCancer.;21(1):91.
[6]KarayelO,VirreiraWinterS,PadmanabhanS,etal.ProteomeprofilingofcerebrospinalfluidrevealsbiomarkercandidatesforParkinsonsdisease.CellRepMed.;3(6):.
[7]PonziniE,SantambrogioC,DePalmaA,etal.Massspectrometry-basedtearproteomicsfornoninvasivebiomarkerdiscovery.MassSpectromRev.;41(5):-.
