Nature：西湖大学郭天南综述基于质谱的蛋白组学——从单细胞到临床应用

西湖大学郭天南研究员及哈佛医学院的 Judith A. Steen 和 马克斯·普朗克生物化学研究所的 Matthias Mann 在 Nature 期刊发表了题为：Mass-spectrometry-based proteomics: from single cells to clinical applications 的综述论文。

该综述全面概述了蛋白组学的现状及其彻底改变生物学认知和变革医学实践的潜力。该综述提供了当前基于质谱的蛋白组学工作流程的概述，突出了作者 2016 年在 Nature 发表的该领域的综述以来的关键技术改进和新兴功能。该综述探索了结构蛋白组学、蛋白翻译后修饰、单细胞和空间分析以及体液分析的应用。还讨论了蛋白组学从基础研究到临床实践的转变，包括实施基于蛋白组学的诊断的挑战。该综述还强调了人工智能（AI）对数据分析和解释的变革作用，并总结和展望了蛋白组学研究令人兴奋的未来方向。

蛋白组学（Proteomics）研究生物系统中的所有蛋白质，是生物医学研究的基础，与基因组学、转录组学和代谢组学一起，为了解细胞功能和疾病机制提供了独特见解。作为生物学功能和表型的直接效应物，蛋白质组反映了遗传易感性、环境因素和生活方式影响之间的复杂相互作用。基因组学和转录组学研究细胞潜能，代谢组学关注下游小分子，而蛋白组学则直接研究细胞内外的功能机制。

基因组学在过去20年一直是研究的中心，但蛋白组学的重要性正变得越来越明显。蛋白质水平的复杂性增加是由于选择性剪接、不同的翻译速率、翻译后修饰（PTM）和蛋白水解切割。由此产生的蛋白质组反映了遗传、生活方式和环境之间的相互作用，并提供与其直接条件相协调的结构、信号传导、运输和催化功能。这种复杂性需要专门的方法来进行全面的蛋白组学分析。

在研究蛋白质组的方法中，基于质谱（MS）的蛋白组学已经成为一种强大和通用的工具。与基于亲和的方法不同，基于质谱的蛋白组学直接识别和定量氨基酸序列，提供无偏倚的、系统性的蛋白质表达、修饰和不同条件下的相互作用分析。它的优势包括无与伦比的定量准确性，特异性和在所有生物中的普遍适用性，不需要特定的结合试剂，除了已测序的基因组外，不需要其他之前的系统知识。

最近的技术进步克服了许多以前的限制，包括蛋白质组特征的完整性，工作流程的稳健性，通量和样本量的要求。这些改进将蛋白质组学的范围从批量分析扩展到单细胞研究和空间分析，为细胞异质性和组织组织提供了显著见解。

该综述系统介绍了蛋白质组学技术的最新发展，包括新型样品制备方法、先进仪器和创新数据采集策略。探讨了这些进展如何推动蛋白质-蛋白质相互作用、蛋白质翻译后修饰和结构蛋白质组学等关键领域的进步。将人工智能整合至蛋白质组学工作流程，加速了数据分析和生物学解释。该综述还讨论了蛋白质组学在单细胞分析和空间图谱分析中的应用，这些应用能为细胞异质性和组织结构提供前所未有的见解。

单细胞和空间蛋白组学

从发现蛋白组学到临床检测

AI赋能基于质谱的蛋白组学

最后，作者审视了蛋白质组学从基础研究向临床实践的过渡，包括体液生物标志物发现，以及实施基于蛋白质组学的诊断方法的前景与挑战。总的来说，该综述全面概述了蛋白质组学的现状及其彻底改变生物学认知和变革医学实践的潜力。