基因以多种可变剪切形式转录成mRNA,mRNA翻译成蛋白质过程中受到多种转录后调控、加工、修饰、降解等,因此转录mRNA水平有差异,蛋白水平不一定有差异。蛋白质作为生命活动的执行者,是更接近表型的生物大分子。
一、蛋白组介绍
蛋白质组学(Proteomics)是研究细胞、组织或生物体蛋白质组成及其变化规律的科学。目前蛋白质组学的研究主要是基于质谱进行检测,根据是否加标记可以分为两大类:非标定量技术,包括Label-free和DIA,标记定量技术,包括TMT和iTRAQ。根据数据采集模式分为数据依赖性的扫描模式(Data-dependent acquisition, DDA)和数据非依赖性的扫描模式(Data-independent acquisition, DIA)。Label-free,TMT/iTRAQ 采用的都是DDA模式。
(1)Label-free定量蛋白组技术
Label-free非标记定量技术是一种不依赖于同位素标记的蛋白质定量技术,通过液质联用对蛋白质酶解肽段进行分析,对相应的蛋白质进行相对定量。利用非标记定量分析多个样品之间同种蛋白质的差异,成本低廉,操作简单,并且不受样品数目的限制,但对质谱仪的状态稳定性与操作要求较高。
(2)TMT/iTRAQ定量蛋白组技术
TMT技术和iTRAQ分别是由Thermo Scientific公司和AB Sciex公司研发的多肽体外标记定量技术。TMT/iTRAQ 标记定量一次上机可以对多达 16(8)个不同样本进行蛋白定量比较,不同标签混合后上机,具有较好的平行性,避免技术误差,提高检测效率,但不能分析特异表达蛋白,不适用不同物种、不同组织等差异较大样本。
(3)DIA定量蛋白组技术
以上两种蛋白组技术Label-free和TMT/iTRAQ 采用的都是DDA(Data Dependent Acquisition)数据依赖性扫描模式,二级质谱只对一级谱图中信号强度排序为top |10/20/40的峰进行碎裂并采集对应的子离子信息,丰度相对较低的母离子信息可能会丢失,因此带有一定的随机性。
DIA数据非依赖性扫描模式(Data Independent Acquisition)是近几年来发展的一种新的质谱数据采集方式,被《Nature Methods》杂志评为最值得关注的技术之一,可以依据质荷比(m/z)将质谱整个扫描范围分为若干个窗口,然后对每个窗口中的所有母离子进行碎裂、检测,采集所有母离子的碎片离子信息进行蛋白定性和定量。
与传统DDA模式相比,DIA技术具有全景式扫描、数据利用度高、重复性高、定量准确性高、数据可回溯等优势。因此,DIA技术能够得到更准确更丰富的结果,适合于大样本量、复杂体系的蛋白检测。
蛋白技术比较
说了这么多,那如何选择呢?
(1)TMT标记技术16标可以实现一次上机检测16个样本,具有较好的平行性和准确性,因此样本数目少于16个时,可以选择TMT标记技术;
(2)样本数目多于16个时,DIA表现更稳定,重现性更好,建议选择DIA技术;
(3)TMT标记技术只能检测样本共有蛋白,不适用于差异较大的样本(如不同物种或不同组织),DIA和Label free属于非标记定量,可以检测样本中特有蛋白,如果是差异较大的样本或关注特有蛋白建议选择DIA或Label free技术。
二、蛋白组应用
蛋白质组的研究不仅为生命活动规律提供物质基础,也为多种疾病机制的阐明提供理论基础。近几年,蛋白组学前沿技术和应用的研究成果陆续发表于Nature、Cell、Nature Communications等顶|级学术期刊。以“proteomics”为关键词通过pubmed检索近10年蛋白组相关文章,可以看到蛋白组相关文章呈递增趋势,说明蛋白组相关研究越来越受到科研者关注。
下面以几篇2020~2021年Cell文章(影响因子38.637)为例了解一下蛋白组相关文章研究思路
1.Multi-organ Proteomic Landscape of COVID-19 Autopsies新冠逝者多组织蛋白质分子病理全景图
摘要:COVID-19多组织损伤的分子病理学仍不清楚,阻止了有效治疗方法的发展。该研究对COVID-19逝者尸检样品进行多组织蛋白质组学研究,通过对7个组织(即肺,脾,肝,心脏,肾脏,甲状腺和睾丸)的蛋白质组进行综合分析,鉴定了11,394种蛋白质,其中5336种在COVID-19与对照组相比有显著差异。COVID-19肺部CTSL显著上调(而非ACE2),在多个组织中检测到蛋白质翻译,葡萄糖代谢,脂肪酸代谢失调。表明在SARS-CoV-2感染后,可能引发过度炎症,进而引起肺中气体交换屏障的破坏,从而导致肺,肾脏,脾脏,肝脏,心脏和甲状腺的缺氧,血管生成,凝血和纤维化。Leydig细胞减少,胆固醇生物合成抑制和精子活性降低表明睾丸损伤。总之,这项研究描述了COVID-19逝者多组织蛋白质组学概况,以及未发现的失调的蛋白质和生物学过程,提供新的治疗线索。
2.Extracellular Vesicle and Particle Biomarkers Define Multiple Human Cancers蛋白质组学鉴定人类多种癌症的外囊泡标志物
摘要:临床上对于改进的组织和液体活检工具进行癌症检测存在需求。对来自组织,血浆和其他体液的426例人类样品中胞外囊泡和颗粒(EVP)进行蛋白质组学检测。为了确认EVP是理想的诊断工具,分析了组织(n = 151)和血浆来源(n = 120)EVP的蛋白质组。组织 EVP鉴定出的差异蛋白质(例如VCAN,TNC和THBS2),可将肿瘤与正常组织区分开,具有90%的敏感性/ 94%的特异性。血浆来源的EVP(包括免疫球蛋白)的机器学习分类显示,检测肿瘤灵敏度为95%/特异性为90%。在组织和血浆中定义了一组肿瘤类型特异性EVP蛋白,可以对原发性未知肿瘤进行分类,因此EVP蛋白可以作为癌症检测和确定癌症类型的可靠生物标记物。
七月初肺腺癌蛋白质组学文章接连发表,通过基因组学、蛋白质组学、磷酸化蛋白质组学、全外显子组学等多组学方式对肺腺癌的特征进行总结和描述,建立更精细的肺腺癌分型,为肺腺癌在临床方面的治疗、药物开发以及精准医学的发展提供强大的生物信息学资源助力。
3-1 Proteogenomic Landscape of Early Stage Non-smoking Lung Adenocarcinoma in East Asia东亚早期非吸烟肺腺癌的蛋白质组学
摘要:东亚地区的肺癌的特点是不吸烟者,早期发作和EGFR突变占很高的比例。为了阐明这种人口统计学上不同的疾病的分子表型,对台湾的一个前瞻性队列研究进行了深入的综合蛋白质组学研究,该队列代表早期,以女性为主,不吸烟的肺腺癌。综合的基因组,蛋白质组学和磷酸化蛋白质组学分析描绘了人口统计学上不同的分子属性和肿瘤进展的标志。突变特征分析揭示了与年龄和性别相关的诱变机制,其特征是年轻女性中APOBEC突变特征较普遍,而老年女性中环境致癌物样突变特征过量。蛋白质组学分类有助于区分EGFR突变早期患者的临床特征。此外,整合的蛋白质网络分析揭示了细胞重塑的临床轨迹和候选生物标记物,用于患者分层和治疗干预。这种多组学的分子结构可能有助于制定治疗不吸烟者的早期肺腺癌的策略。
3-2 Proteogenomic Characterization Reveals Therapeutic Vulnerabilities in Lung Adenocarcinoma蛋白质组学揭示肺腺癌的治疗潜力
摘要:为了探究肺腺癌(LUAD)的生物学特性并发现新的治疗机会,对110个肿瘤和101个匹配的正常相邻组织(NAT)进行综合蛋白质组学,包括基因组学,表观基因组学,深度蛋白质组学,磷酸化蛋白质组学和乙酰蛋白质组学。多组学聚类揭示了由关键驱动突变,国籍和性别定义的四个亚组。蛋白质组学和磷酸化蛋白质组学数据阐明了拷贝数变异,体细胞突变和基因融合的下游信号,并确定了与涉及KRAS,EGFR和ALK的驱动事件相关的治疗脆弱性。免疫亚型揭示了一个复杂的情况,加强了STK11与免疫冷行为的联系,并强调了嗜中性粒细胞脱粒的潜在免疫抑制作用。吸烟相关的肺腺癌显示出与其他环境暴露特征和NAT场效应相关。匹配的NAT鉴定的差异表达蛋白质,具有潜在的诊断和治疗作用。蛋白质组学数据集为寻求更好地了解和治疗肺腺癌的研究人员和临床医生提供了独特的公共资源。
三、迈维代谢领| 先蛋白质谱平台
目前,迈维代谢蛋白质谱平台拥有Bruker TimsTof Pro、Orbitrap Exploris 480、Orbitrap Eclipse Tribrid、Q ExactiveHF-X、Q Exactive Plus、Triple TOF 5600+等涵盖轨道阱、飞行时间、离子淌度以及各类离子源和碎裂模式的质谱仪系统,配套高效样本制备和分子分离平台,能实现工业规模和科研层次的定量蛋白质组学、修饰蛋白质组学、多肽组学及目标蛋白检测。
迈维代谢实验室总览
Bruker TimsTof Pro
Thermo Scientific Orbitrap Exploris 480
Thermo Scientific Orbitrap Eclipse Tribrid
Thermo Scientific Q Exactive HF-X
活动促销:
为了回馈广大客户支持,迈维代谢特推出优惠活动:
1. 活动内容:DIA,TMT,Label Free,单价最高直降千元!我们不玩虚的!
2. 垂询直通车:电话135 4515 2550,邮箱support@metware.cn
3. 活动时间:即日起至4月30日前签订合同,5月30日前下单有效
参考文献
1. Xiu Nie, et al. Multi-organ Proteomic Landscape of COVID-19 Autopsies. Cell. 2021, DOI:10.1016/j.cell.2021.01.004.
2. Ayuko Hoshino, et al. Extracellular Vesicle and Particle Biomarkers Define Multiple Human Cancers. Cell. 2020, DOI:10.1016/j.cell.2020.07.009.
3. Yi-Jun Chen, et al. Proteogenomic Landscape of Early Stage Non-smoking Lung Adenocarcinoma in East Asia. Cell. 2020, DOI: 10.1016/j.cell.2020.06.012.
4. Michael A. Gillette, et al. Proteogenomic Characterization Reveals Therapeutic Vulnerabilities in Lung Adenocarcinoma. Cell. 2020, DOI: 10.1016/j.cell.2020.06.0134.