行业动态
1 液相色谱-串联质谱法临床样品前处理专家共识发布
文献目录
2 长新冠中持续的补体失调和血栓炎症
3 癌细胞依赖性图谱和治疗靶点优先排序框架
4 综述：遗传性罕见病不断扩展的 “诊断工具箱”
5 综述：组学基准测试的挑战和最佳实践
6 大规模脑脊液和血清蛋白质组分析揭示AD早期诊断和分期生物标志物
一起来看看本周蛋白组学领域行业动态和精选优质文献吧！
1. 液相色谱-串联质谱法临床样品前处理专家共识发布
2023年12月，由中国医疗保健国际交流促进会基层检验技术标准化分会、中国医院协会临床检验专业委员会组织起草的《液相色谱‐串联质谱法临床样品前处理专家共识》正式发布，该共识旨在为实验室方法建立提供指导，助力临床质谱检测方法的研发规范发展。
液相色谱-串联质谱法（LC-MS/MS）集色谱技术的高分离能力和质谱技术的高选择性、高特异性及高灵敏性的优点于一体，成为临床检验领域最具有生命力的新技术之一，但其分析效果往往受待测样品特性制约。由于质谱仪的抗干扰能力有限，生物样本多需要进行合适的样品前处理才能有效提高检测性能，实现精准检测。前处理的主要作用是将目标分析物从生物基质中有选择性地分离出来，减少其他基质组分的干扰。同时，还可将目标分析物浓缩和富集，提高检测灵敏度。目前，临床样本前处理方法不仅种类多，个别方法耗时繁琐，给实验室人员在方法选择和开发及标准化操作等方面带来了困难。
https://rs.yiigle.com/cmaid/1488297
2.（Science，IF：56.9）长新冠中持续的补体失调和血栓炎症
研究人员对 39 名健康对照者和 113 名 COVID-19 患者进行了长达 1 年的随访，以识别与长新冠相关的生物标志物。在 6 个月的随访中，有40 名患者出现了长新冠症状。反复进行的临床评估与血液采集相配对，共得到268个纵向血样本。研究人员通过蛋白质组学在血清中测量了>6500种蛋白质，通过计算工具确定了前景生物标志物，并进行了进一步的实验评估。
长新冠患者在急性疾病期间表现出增强的补体激活，这种激活在6个月的随访中仍然存在。补体系统是先天免疫系统的一部分，通过针对病原体和受损细胞等功能来促进免疫和稳态。有趣的是，在6个月随访之前康复的长新冠患者血液中的补体水平恢复正常。补体系统可以被各种触发因素激活，从而形成由补体成分 C5b-9 组成的末端补体复合物 (TCC)。这些复合物可以整合到细胞膜中并诱导细胞活化或裂解。长新冠患者显示出不平衡的TCC形成，表现为溶解性C5bC6复合物增加和含C7的TCC形成水平降低，后者可以融入细胞膜。这表明TCC在长新冠患者中膜插入的增加，从而导致组织损伤。因此，长新冠患者在血液中显示出升高的组织损伤标志物和血栓性炎症特征，其特征是内皮激活标志物，如von Willebrand因子（vWF）和红细胞溶解标志物。长新冠患者抗凝血酶III水平降低，并伴随着凝血酶裂解增加的迹象，凝血酶是TCC形成的驱动因素。
此外，长新冠患者在6个月随访中具有升高的血小板激活标志物和单核细胞-血小板聚集物，尤其是在长新冠持续12个月或更长时间的情况下。这些患者还显示出抗体介导的经典补体途径的激活迹象，与抗 CMV（巨细胞病毒）和抗EBV（Epstein-Barr病毒）免疫球蛋白G（IgG）抗体水平升高相关。
这篇文章的数据表明，活跃的长新冠伴随着血液蛋白质特征，其特征是补体激活和血栓炎症的增加，包括活化的血小板和红细胞裂解标志物。组织损伤也可能是由补体介导的，并且反过来激活补体系统。此外，补体激活可能是由抗原-抗体复合物驱动的，涉及自身抗体和抗疱疹病毒的抗体，以及与失调的凝血系统的相互作用。除了为新的诊断解决方案提供基础外，该研究为对长新冠患者进行补体调节剂的临床研究提供了支持。
https://www.science.org/doi/10.1126/science.adg7942
3.（Cancer Cell，IF：50.3）癌细胞依赖性图谱和治疗靶点优先排序框架
研究人员通过为930个癌细胞系注释多组学数据，分析基于CRISPR-Cas9筛选的分子标志物与癌症易感性之间的关系，构建了癌症依赖性的第二代图谱。研究确定了除了驱动基因之外的依赖性相关的基因表达标志物，并观察到许多基因成瘾关系是由于增加功能而不是合成致死效应。通过将临床信息引入依赖性标志物关联，再结合蛋白质相互作用网络，研究人员鉴定了27种癌症类型的370个抗癌优先靶点，其中许多在网络上与某个癌症类型中的标志物存在功能联系的证据。将这些靶点映射到已测序的肿瘤队列中，可以识别不同癌症类型的可操作靶点。这个靶点优先级地图增进了对基因依赖性的理解，并为药物开发提供了候选的抗癌靶点。
https://www.sciencedirect.com/science/article/pii/S1535610823004440?via%3Dihub=
4.（Nat Rev Genet，IF: 42.7）综述：遗传性罕见病不断扩展的 “诊断工具箱”
罕见病通常被定义为每 2,000 人中少于 1 人患病的病症，估计全球有超过 4 亿人患有罕见病，其中约 80% 的罕见病病因估计是遗传因素。基因组技术，例如靶向、外显子组和短读长基因组测序（short-read genome sequencing）方法，彻底改变了罕见遗传病患者的护理。然而，超过一半的患者仍未得到诊断。
基于研究的新兴方法，例如长读长基因组测序（ long-read genome sequencing）和光学基因组图谱（optical genome mapping），有望提高对疾病致病基因变异的识别能力。此外，测量转录组、表观基因组、蛋白质组或代谢组的新组学技术在变异解释方面显示出巨大的潜力。随着基因检测选择的迅速扩大，临床界需要注意它们各自的优势和局限性，以及仍然存在的挑战，以选择适当的诊断测试，正确解释结果并推动创新以解决不足。如果真正综合的多组学方法和数据共享得到有效利用，这些现有技术和新兴技术所产生的大量数据将大大提高罕见疾病遗传和基因组诊断的解释能力。
文章中提到，蛋白质组学现已被用于组织样本和生物液体研究。蛋白质组学可用于研究蛋白质产生的时间和地点，蛋白质产生、降解和稳态丰度的速率，翻译后修饰，以及蛋白质的活性和相互作用。大多数疾病都表现在蛋白质活性水平上，因此，蛋白质组学不仅在提供诊断方面大有可为，而且在从机理上理解数千种罕见疾病的分子病因学方面也大有可为。蛋白质组学已被用于研究溶酶体贮积疾病、过氧化物酶体紊乱、嘌呤代谢紊乱、脂肪酸氧化紊乱及其他疾病。蛋白质组分析虽然功能强大，但还没有像本文讨论的其他方法那样普及，因为用于非靶向分析的庞大数据量带来了挑战。
https://www.nature.com/articles/s41576-023-00683-w
5.（Nat Rev Genet，IF: 42.7）综述：组学基准的挑战和最佳实践
微阵列、高通量测序和质谱等技术的进步，使大规模并行测量生物特征成为可能，从而开创了现在已进入第三个十年的组学时代。由此产生的复杂的分析方法自然促进了组学基准行业的发展。
Benchmarking 是指在处理和分析大规模生物数据集（如转录组学、蛋白质组学和代谢组学）时，对不同计算或分析技术的性能进行客观比较和评估的过程。在过去的 25 年中，研究人员们发表了数以千计的组学基准研究，该领域已经发展成熟，基准研究的基础已经建立并得到了很好的描述。
然而，在这个复杂的领域中生成有意义的基准数据并正确评估性能仍然具有挑战性。在这篇综述中，作者强调了组学基准测试中一些常见的疏忽和误区。他们还制定了一种方法，以聚焦可以解决的问题，并透明化那些无法解决的问题：该方法采用电子表格模板的形式，为全面报告提供指导，旨在与出版物配套发布。此外，作者还提供了基准制定方面的最新进展调查，以及针对常见困难的具体指导。
https://www.nature.com/articles/s41576-023-00679-6
6. （The Innovation，IF: 32.1）大规模脑脊液和血清蛋白质组分析揭示AD早期诊断和分期生物标志物
β 淀粉样蛋白、tau 蛋白病理学和神经变性生物标志物构成了阿尔茨海默病（AD）的核心诊断生物标志物。然而，这些蛋白质仅代表 AD 背后复杂生物过程的一小部分，患有 AD 病理学共病的其他脑部疾病的个体也对这些诊断生物标志物检测呈阳性，因此我们需要更多针对 AD 的早期诊断和疾病分期生物标志物。
研究人员对由 98 名参与者组成的发现队列中的配对脑脊液（CSF）和血清样本进行了串联质量标签蛋白质组分析。在一个由 288 名参与者组成的独立多中心队列中，通过基于平行反应监测的靶向蛋白质组测定对候选生物标志物进行了验证。他们对发现队列中的 3,238 种脑脊液蛋白和 1,702 种血清蛋白进行了定量分析，分别鉴定出 171 种和 860 种脑脊液蛋白以及 37 种和 323 种血清蛋白作为潜在的早期诊断和分期生物标志物。
在验证队列中，分别有 58 和 21 种 CSF 蛋白以及 12 和 18 种血清蛋白被确认为早期诊断和分期生物标记物。通过机器学习分别建立了19种脑脊液蛋白和8种血清蛋白生物标记物panel，可以准确地将AD源性轻度认知障碍（MCI）与正常认知障碍进行分类，曲线下面积分别为0.984和0.881。19蛋白脑脊液生物标志物组还可以有效区分MCI 患者与其他神经退行性疾病患者。此外，研究人员还鉴定了 21 种脑脊液和 18种反映 AD 阶段的血清阶段相关蛋白。该研究结果为临床实践中开发基于血液的 AD 筛查和分期测试奠定了基础。
https://www.cell.com/the-innovation/fulltext/S2666-6758(23)00172-8?_returnURL=https%3A%2F%2Flinkinghub.elsevier.com%2Fretrieve%2Fpii%2FS2666675823001728%3Fshowall%3Dtrue
