如何评估基于质谱的蛋白质组学在临床中的现状，并找出阻碍其广泛应用的障碍？
本月，此次会议的总结以 Perspective 的形式发表于 Molecular & Cellular Proteomics。我们对文章进行了编译总结，译文未经参会者确认，仅供参考，详情请见文章原文。
过去十年，蛋白质组学经历了质的飞跃。基于质谱的工作流程从毫克级样本中识别数百种蛋白，发展到从微克甚至纳克级样本中量化几乎整个蛋白质组。这一跨越极大提升了对人类蛋白质组的探索深度和效率。
此次研讨会重点探讨了推动这一革命的关键技术进展。其中，样品制备技术的突破显著提高了蛋白质组学分析的深度、通量和可重复性，为临床相关检测奠定了基础。
研讨会展示了蛋白质组学在解析复杂生物机制和疾病病理中的重要作用。最新的蛋白质标记与定量策略进一步推动了对细胞信号通路和调控机制的理解。
例如，纪念斯隆-凯特琳癌症中心的 Mara Monetti 使用邻近生物素化技术研究骨骼肌葡萄糖摄取的调节，英国格拉斯哥比特森癌症研究所的 Sara Zanivan 团队通过 SICyLIA 技术精准揭示肝病和癌症中的氧化信号机制。
除了实验技术，数据 “挖掘” 也大放异彩。德国波恩大学 Felix Meissner 团队通过计算分析 10,000 多个蛋白质组学数据集，发现了与组织特异性蛋白水解相关的新截短蛋白变体，揭示了蛋白水解如何促进结构与功能多样性。
蛋白质组学方法还为多种疾病的机制研究提供了重要工具，研讨会深入探讨了蛋白质组学在癌症研究和药物开发中的进展。
南丹麦大学的 Ole Nørregaard Jensen 团队利用基于 MALDI 的质谱成像结合机器学习分类肾癌亚型；魏茨曼科学研究所 Tamar Geiger 团队通过分析子宫灌洗液探索卵巢癌的早期检测；海德堡儿童肿瘤中心的 Ashok Kumar Jayavelu 针对骨肉瘤的多组学分析揭示了 RNA 加工途径在治疗抵抗中的作用。
在精准肿瘤学方面，Michael Gillette 介绍了CPTAC（美国临床蛋白质组学肿瘤分析联盟）的工作。CPTAC 旨在通过广泛的蛋白质组肿瘤表征和转化研究来加速对癌症分子基础的理解，这种方法为理解各种癌症类型做出了重大贡献。
空间蛋白质组学正在成为解析组织和细胞内蛋白质复杂结构的关键工具，为理解生物过程和疾病机制提供了全新视角。本次研讨会展示了该领域的几项重要进展。
瑞典皇家理工学院的Mathias Uhlén教授介绍了人类蛋白质图谱（HPA），这一资源整合了多重成像、RNA测序和空间转录组学，用于全面绘制细胞、组织和器官的蛋白质分布，揭示组织复杂性和疾病特异性蛋白特征。
与此同时，Mann团队开发的基于深度可视化蛋白质组学（DVP）的单细胞图谱正在推动质谱空间分辨率的极限，并计划与HPA集成。
技术的创新正持续推动着空间蛋白质组学领域的发展。研讨会上，来自西湖大学的郭天南展示了可膨胀的蛋白质组技术ProteomEx 和滤膜辅助膨胀蛋白组学FAXP的潜力。FAXP首次实现了石蜡切片中单个细胞核形状的深度蛋白质组分析，使得研究者可以在组织水平进行高空间分辨率的蛋白质表达分析，为深入理解组织中蛋白质的表达提供了有力工具。
血浆蛋白质组学正引领临床转化，通过微创采样提供对人类健康的深刻见解。近年来的技术突破使得 “一滴血”（single drop）即可完成分析，为分子层面重新审视血浆分析打开了新视野。
如今，大规模血浆研究正成为焦点。以Mann团队为例，他们在一个项目中分析了50,000个血浆样本，这种模式的转变得益于质谱技术和样本制备技术的创新。
此外，包括西湖大学郭天南团队的OmniProt纳米颗粒富集技术、Michael Wierer提出的Proteograph流程等在内的技术，都在小样本量条件下显著提升了蛋白质组覆盖率和通量。
会议还讨论了生物标志物从基础研究到临床应用的复杂转化过程。尽管目前每年仅有少量标志物获批，技术突破和大规模人群研究为解决再现性问题提供了新机遇。
与会者强调，成功转化需明确临床需求，如通过非侵入性检测改善诊断精度，同时确保研究设计与疾病流行率相匹配。监管合规与质量标准（如ISO和IVDR）是实现蛋白质组学临床应用的关键，跨机构一致性和数据追溯性尤为重要。
此外，推动蛋白质组学在临床实践中的应用还需加强教育和培训，帮助临床医生和相关方解读复杂数据，并开发用户友好的工具。蛋白质组学的经济可行性也备受关注，通过早期诊断和个性化治疗降低整体医疗成本具有巨大潜力。
随着蛋白质组学技术正生成越来越庞大的数据集，AI已成为解析这些复杂数据的重要工具。
会议探讨了AI推动早期疾病检测、生物标志物发现和个性化治疗的潜力，例如AI算法REAL-XType解析蛋白质分型，机器学习预测母婴健康风险，并展示了AI与成像技术结合在疾病研究中的应用。大家还探讨了AI在临床应用中面临数据质量、模型训练数据多样性及可解释性等挑战。
值得一提的是，来自中国国家蛋白质科学中心（北京）的常乘博士在会上介绍了由中国科学家主导和发起的人体蛋白质组导航国际大科学计划（π-HuB），这是一项耗资数十亿美元、历时30年的蛋白质组学计划。π-HuB计划表明，大规模合作和数据共享对于克服上述障碍至关重要。
蛋白质组学技术的进步与人工智能强大的分析能力相结合，正在为我们理解生物系统开辟新的前沿。从解析复杂的细胞过程到绘制组织中的蛋白质图谱，这些工具有望为疾病机制提供前所未有的深入洞察。大规模血浆研究展示了在群体水平上分析蛋白质组的能力，预示着生物标志物发现与验证方法的革命性变化。
文末彩蛋 🎉
1 制定标准化的样本采集、处理和分析协议，以确保不同实验室和医疗环境之间的结果可重复性。
2 建立国际合作，创建代表全球人群的大规模、多样化蛋白质组数据集。
3 投资开发用户友好的软件工具，将复杂的蛋白质组学数据转化为可操作的临床见解。
4 针对医疗专业人员设计目标明确的教育项目，弥合蛋白质组学研究与临床实践之间的知识差距，特别关注小型实验室的需求。
5 与监管机构合作，制定适合蛋白质组学诊断工具验证和审批的框架。
6 促进学术界、工业界和医疗服务提供者之间的合作，加速蛋白质组学发现向临床应用的转化。
西湖欧米是一家专注于AI赋能的微观世界数据公司，致力于多组学精准医学的转化落地，目前专注于基于蛋白质谱技术的疾病生物标记物IVD试剂盒的开发。
联 系 我 们
service@westlakeomics.com
扫描下方二维码
点击阅读原文，获取文章原文。
