蛋白质组学：从基因组到功能的桥梁

打破一个常见误解#

"测序了基因组就理解了生命"——这是一个深刻的误解。基因组是静态的蓝图，蛋白质组才是动态的执行者。人类基因组编码约20000个蛋白质编码基因，但通过选择性剪接、翻译后修饰和蛋白质相互作用，一个细胞的蛋白质组可以包含数十万种不同的蛋白质形式（proteoforms）。基因组告诉你有什么可能性，蛋白质组告诉你正在发生什么。

蛋白质组与基因组的根本区别#

基因组在所有细胞中基本相同（除免疫细胞V(D)J重组等少数例外），但蛋白质组在不同细胞类型、不同发育阶段、不同环境条件下差异巨大。肝细胞和神经元拥有相同的基因组，但它们的蛋白质组截然不同。

蛋白质组的复杂性远超基因组：

• 动态范围：血浆蛋白质组中，最丰富的蛋白质（白蛋白）浓度比最稀有的蛋白质高约10¹⁰倍。
• 时间维度：蛋白质组在分钟级别发生变化——信号转导可以在几秒内改变数百种蛋白质的磷酸化状态。
• 空间维度：同一蛋白质在不同亚细胞定位可能具有完全不同的功能。

1994年，马克·威尔金斯（Marc Wilkins）首次提出"蛋白质组"（proteome）一词（1995年见诸出版物），定义为一个基因组在特定时间和条件下表达的全部蛋白质。

质谱分析：蛋白质组学的核心技术#

质谱（mass spectrometry, MS）是现代蛋白质组学的核心平台。基本流程包括：

样品制备：蛋白质被酶解（通常用胰蛋白酶）成肽段。对于复杂样品，肽段会通过液相色谱（LC）进行分离。

离子化与质量分析：肽段被电离（常用电喷雾电离ESI或基质辅助激光解吸电离MALDI），进入质量分析器测量质荷比（m/z）。现代高分辨率质谱仪（如Orbitrap、TOF）可以达到亚ppm级别的质量精度。

碎裂与序列鉴定：选定的肽段离子被碎裂（常用碰撞诱导解离CID或高能碰撞解离HCD），产生的碎片离子谱图用于推断肽段序列。数据库搜索算法（如MaxQuant、Mascot）将实验谱图与理论谱图匹配，实现肽段和蛋白质的鉴定。

近年来，数据非依赖性采集（DIA，如SWATH-MS）技术的兴起显著提高了蛋白质组学的定量覆盖深度和重现性。与传统的数据依赖性采集（DDA）不同，DIA对所有肽段离子进行碎裂和记录，避免了DDA中高丰度蛋白质"遮蔽"低丰度蛋白质的问题。

2020年，Meier等人在Nature Methods上发表的diaPASEF技术，将离子淌度分离与DIA结合于timsTOF平台，使单次短梯度运行即可深度、可重复地定量数千种蛋白质——这一通量使得大规模临床蛋白质组学研究成为可能。

翻译后修饰：蛋白质组复杂性的倍增器#

翻译后修饰（post-translational modifications, PTMs）是蛋白质组复杂性的主要来源。已知的PTM类型超过400种，每种都可能改变蛋白质的活性、定位、稳定性或相互作用。

磷酸化：最广泛研究的可逆PTM。激酶将磷酸基团添加到丝氨酸、苏氨酸或酪氨酸残基上，磷酸酶移除它们。人类基因组编码约500种激酶和约200种磷酸酶，构成复杂的信号转导网络。磷酸化蛋白质组学（phosphoproteomics）利用亲和富集（如TiO₂或IMAC）结合质谱来全局分析磷酸化事件。一个典型的哺乳动物细胞在稳态下约有10000-20000个磷酸化位点被占据。

泛素化：泛素（76个氨基酸的小蛋白）通过其C端甘氨酸与靶蛋白的赖氨酸残基形成异肽键。K48连接的多聚泛素链标记蛋白质进入蛋白酶体降解，K63连接的链参与DNA损伤修复和信号转导，单泛素化则调控蛋白质定位和组蛋白功能。

糖基化：最复杂的PTM之一。N-连接和O-连接的糖链结构几乎无法仅从基因组预测——糖基化模式取决于糖基转移酶、糖苷酶和代谢物前体的动态组合。异常糖基化是癌症和先天性糖基化障碍（CDG）的标志。

乙酰化：除组蛋白乙酰化外，超过1700种非组蛋白被发现存在赖氨酸乙酰化。这一PTM参与代谢调控（如线粒体蛋白的乙酰化）、自噬和炎症反应。

单细胞蛋白质组学#

传统蛋白质组学分析的是数百万细胞的"平均值"，掩盖了细胞间的异质性。单细胞蛋白质组学正在突破这一限制。

2023年，斯拉维科夫（Slavov）实验室开发的SCoPE-MS（Single Cell ProtEomics by Mass Spectrometry）技术利用TMT多重标记策略，可以在单个哺乳动物细胞中定量约2000-4000种蛋白质。这一通量虽然不及单细胞RNA测序（scRNA-seq），但直接测量蛋白质水平，弥补了mRNA与蛋白质丰度之间相关性有限（通常r≈0.4-0.6）的鸿沟。

蛋白质组学在生物标志物发现中的应用#

蛋白质组学最有前景的应用之一是发现疾病生物标志物：

癌症早期检测：2018年，Cohen等人在Science上报告了名为CancerSEEK的多分析物血液检测，将8种血浆蛋白标志物与循环肿瘤DNA突变联合分析，可同时筛查8种常见癌症——这一概念验证显示血液中的蛋白与核酸标志物组合有望实现多癌种的无创早筛。

液体活检：脑脊液蛋白质组学正在改变阿尔茨海默病的诊断。Aβ42/40比值、p-tau181和神经丝轻链（NfL）的组合可以早在临床症状出现前15-20年预测阿尔茨海默病的进展。

药物靶点验证：化学蛋白质组学（chemoproteomics）利用化学探针直接在细胞裂解液或活细胞中测量药物与蛋白质的结合。热蛋白质组分析（TPP）通过测量药物处理后蛋白质热稳定性变化来识别药物靶点和脱靶效应。

大规模蛋白质组学计划#

多个大型计划正在推动蛋白质蛋白质组学走向临床：

人类蛋白质图谱（Human Protein Atlas）：自2003年启动，系统地用免疫组化、转录组学和蛋白质组学方法绘制人类蛋白质的组织和细胞定位。截至2024年，已覆盖约90%的人类蛋白质编码基因。

临床蛋白质组肿瘤分析联盟（CPTAC）：美国国家癌症研究所主导，系统分析多种癌症类型的蛋白质基因组学（proteogenomics）特征，将基因组变异与蛋白质组表型关联。

UK Biobank蛋白质组学：2023年，UK Biobank制药蛋白质组学计划（Pharma Proteomics Project）利用Olink Explore平台完成了约54000名参与者的近3000种血浆蛋白质测量——这是迄今规模最大的前瞻性蛋白质组学队列研究，为发现疾病预测性蛋白质标志物提供了前所未有的统计功效。

为什么这很重要#

蛋白质组学是将基因组信息转化为生物学理解和临床应用的关键桥梁。基因突变的致病性最终通过蛋白质水平的变化来实现；药物靶点是蛋白质；生物标志物绝大多数是蛋白质或蛋白质衍生物。随着质谱技术和计算方法的快速进步，蛋白质组学正从少数实验室的专用技术转变为可以大规模应用于临床诊断、药物开发和精准医疗的常规工具。

跨域连接#

• 大数据系统：现代质谱一次运行即可深度定量数千种蛋白（见正文），数据生产的瓶颈早已从仪器转向存储、检索与统计。推论：蛋白质组学的进步曲线应与计算管线的进步同步——数据基础设施的规模，直接决定临床队列研究的规模上限。
• 贝叶斯推断：血浆蛋白丰度跨度达十个数量级，稀有标志物信号弱而候选极多，本质是低先验加噪声的推断问题。推论：不做严格的多重检验校正，候选标志物大多会在独立队列中无法复现——统计纪律，而非仪器灵敏度，决定发现的可信度。
• 阿尔茨海默病：脑脊液中的 Aβ42/40、p-tau181 等蛋白组合，可在症状出现前十几年预测疾病进程（见正文）。推论：多蛋白组合应优于任何单一指标——每种蛋白捕获病理的一个侧面，联合测量才同时够灵敏与特异。
• 细胞信号：磷酸化是信号网络的"写入层"，磷酸化蛋白质组学能在一次实验里全局读出整个网络的瞬时状态。推论：刺激后数秒内数百个位点的磷酸化谱变化，应能反推出哪条通路被激活——信号转导由此从个案研究变成系统测量。
• 蛋白质化学：超过 400 种翻译后修饰改变蛋白的活性、定位与寿命，而基因组对此几乎不直接编码（见正文）。推论：同一段序列可对应大量功能不同的分子形态——只看基因或 mRNA 会系统性低估细胞的真实状态，这正是蛋白质组学存在的理由。

参考文献#

1. Aebersold, R. & Mann, M. (2003). Mass spectrometry-based proteomics. Nature, 422(6928), 198–207.
2. Wilkins, M.R. et al. (1996). Progress with proteome projects: why all proteins expressed by a genome should be identified. Electrophoresis, 17(1), 19–27.
3. Slavov, N. (2020). Unpicking the proteome in single cells. Science, 367(6477), 512–513.
4. Demichev, V. et al. (2020). DIA-NN: neural networks and interference correction enable deep proteome coverage in high throughput. Nature Methods, 17(1), 41–44.
5. Cohen, J.D. et al. (2018). Detection and localization of surgically resectable cancers with a multi-analyte blood test. Science, 359(6378), 926–930.
6. Uhlén, M. et al. (2015). Tissue-based map of the human proteome. Science, 347(6220), 1260419.
7. Geyer, P.E. et al. (2017). Plasma proteome profiling to assess human health and disease. Cell Systems, 2(3), 185–195.
8. Aebersold, R. et al. (2018). How many human proteoforms are there? Nature Chemical Biology, 14(3), 206–214.
9. Meier, F. et al. (2020). diaPASEF: parallel accumulation–serial fragmentation combined with data-independent acquisition. Nature Methods, 17(12), 1229–1236.
10. Sun, B.B. et al. (2023). Plasma proteomic associations with genetics and health in the UK Biobank. Nature, 622(7982), 329–338.