♦ 肠道微生物与肥胖
长期以来，肠道中大量分泌的黏蛋白被认为是保护肠道细胞的屏障，同时也可以为肠道微生物的生存提供碳源和氮源。因此，有假设认为依赖黏蛋白生长的细菌将优先与人体细胞相互作用，且可能参与免疫信号转导。
Akkermansia muciniphila被发现是一种可以降解黏蛋白的肠道细菌，来自比利时Louvain药物研究所的Patrice D Cani团队先前发现给小鼠喂食A. muciniphila可以防止肥胖和相关并发症，然而其中的机制仍不清楚。
该团队的本篇文章通过A. muciniphila在合成培养基上共培养以及小鼠实验证明了 Amuc_1100，一种从A. muciniphila的外膜分离的特定蛋白质，与 Toll 样受体 2 相互作用，在巴氏杀菌的温度下稳定，并可以改善肠道屏障。
通过比较活细菌与AMUC_1100喂养HFD小鼠的结果，发现AMUC_1100蛋白也可以显著降低血浆HDL胆固醇浓度。这些发现支持使用不同的A. muciniphila制剂作为针对人类肥胖相关疾病的治疗选择。
这篇文章的一大亮点是作者利用先验知识TLR调节细菌识别和肠道稳态，以及A. muciniphila脂多糖结构的特殊性，提出了A. muciniphila与宿主相互作用的假设，并结合实验进行验证。
https://www.nature.com/articles/nm.4236
♦ AlphaLink
来自柏林工业大学的Juri Rappsilber团队于2023年3月20日在NBT上发表了利用细胞内光交联质谱法和深度学习来预测蛋白质结构的方法，文章提出了一种新的算法：AlphaLink，它是AlphaFold2算法的改进版。
AlphaLink算法将实验距离约束信息融入到其网络结构中，从而提高了在预测具有挑战性的蛋白质结构方面的性能。
文章所用的实验方法为in-cell photo-crosslinking mass spectrometry。这种方法可以在细胞内部使用非天然氨基酸来标记蛋白质，从而提供蛋白质内部残基之间的距离信息。
这篇文章的创新点在于在AlphaFold2中融合了质谱信息，从而进一步提升了蛋白质结构的预测准确度。
https://www.nature.com/articles/s41587-023-01704-z?s=09
♦ 蛋白质组生物标志物
德国柏林夏瑞蒂医学院Markus Ralser组2023年3月20日发表在EMBO Molecualr Medicine (14.15) 一篇评论文章（非研究文章）评论了定量蛋白质生物标志物来改善临床实践的途径，总结了蛋白质组标记物作为临床实际应用的挑战和机遇，提出了靶向绝对定量质谱是最有可能转化应用在临床研究中的方法的观点。
作者探讨了使用多个蛋白作为标记物的数据分析挑战性，包括采集多中心的实验样本去除定量的批次效应，另外提出最好用绝对定量的方法避免质谱产生的误差。
作者也提到了多标记物的机器学习模型可能带来的潜在伦理和隐私风险，虽然FDA已经批准了第一个基于机器学习的诊断试剂组。
另外作者还是认为基于机器学习的多蛋白组标志物是一个可以解决出现紧急疾病时候的解决方案，如其在新冠研究中发挥的作用；也提出了使用如swarm learning、区块链或者联邦学习的方法去分析更大的数据集来发现新的疾病特征。他们目前认为真正可以应用在临床的验证是像目前triple quadropole质谱测量代谢物的应用一样的靶向质谱, 这种质谱一般采用正常流速、灵敏度高、价格较低使用更广泛。
最后他们提出了两点临床蛋白质组标志物研究领域的重点推进的方向：需要更多的临床蛋白质组数据的研究和需要一个更日常使用的软件特别是可以给医生直接做出诊断决策的软件 ，其实也是和guomics的主要研究方向殊途同归了。
♦ 蛋白质变异体
2023年3月23日发表在Nature Biotech的Article文章，来自美国Wisconsin麦迪逊分校的Joshua Coon组和德国马普所生化所Juergen Cox组的工作“全局检测深度蛋白质组测序对人类变异和亚型（Global detection of human variants and isoforms by deep proteome sequencing）”。
Nikolai Slavov推特评论到这是一项预期就会发表的人类蛋白质组文章，它为许多非同义变体的翻译提供了证据。该工作使用了6种细胞系（hES1，一种胚胎干细胞系；HeLa S3，来自宫颈癌；HepG2，来自肝癌；GM12878，血液淋巴母细胞系；K562，来自慢性粒细胞白血病；和 HUVEC，来自脐静脉上皮细胞），6种蛋白水解酶（Tyrpsin, LysC, LysN, GluC, AspN, ChyM）和深度分流以及三种肽段碎裂方式（HCD/ETD/CAD）, 使用基于Lumos三级MS的bottom-up DDA方法, 产生了约 2500 个质谱文件约 1.64 亿张谱图，最终鉴定了17,717个protein gorups的包含上百万个肽段，达到了中值80%覆盖率。
同时他们也使用蛋白质组数据和RNA表达数据结合分析，检测到了80%的SAP(single amino acid polymorphism) 和20%的外显子-外显子junctions, 约 25000 个肽段，为约 5000 个可变剪接剪切事件。这个文章的生成的数据 https://deep-sequencing.app/，可以作为de novo蛋白搜索的资源，这个数据库通过查询基因名称来查询并检查检测到的相应肽、SAP 和剪接点的谱图。
文章未提及DIA的建库应用，但是应该是可以将其DDA文件搜索结果适当合并后作为DIA搜索的库
https://massive.ucsd.edu/ProteoSAFe/dataset.jsp?task=312cffca82a145db84febd6e1fab875e，也可以以作为de novo蛋白搜索后交叉验证的参照资源。
https://www.nature.com/articles/s41587-023-01714-x
♦ 膳食蛋白质与睡眠
哈佛大学医学院Dragana Rogulja在 Cell 上发表了题为：A gut-secreted peptide suppresses arousability from sleep 的研究论文。
睡眠中的动物由于抑制了感官警觉在很大程度上会忽视周围环境，但是这一现象的机制尚未得到较为清晰的阐释。该项工作，通过筛选调节睡眠觉醒的基因，发现了一个信号通路，通过这个信号通路，饮食蛋白质的信息从肠道传递到大脑，以帮助抑制感觉反应。
摄入蛋白质类食物会激活果蝇肠道释放神经肽CCHa1，CCHa1向大脑中一组多巴胺神经元发出信号，这些神经元的活动调节对机械振动的反应。
肠道中蛋白质浓度的增加导致更高的CCHa1水平，这使果蝇能够在更强的振动中安睡，而肠道中CCHa1的减少导致它们在即使振动很弱的情况下也容易醒来。小鼠在食用富含蛋白质食物后，睡眠过程中对振动的反应也会更弱，睡得更好。
CCHa1 通路和膳食蛋白质不会影响对所有感官输入的反应，这表明在睡眠期间，不同的信息流可以通过独立的机制进行控制。该文的研究结果提示调节饮食中的蛋白质比例可能会使不良的睡眠状况得到改善。
https://doi.org/10.1016/j.cell.2023.02.022
♦ 单细胞蛋白质组学
2023年4月3日Nature Methods出版了的由东北大学Nikolia Slavov课题组的发表的Prioritized Single-Cell ProtEomics (pSCoPE)- 优先质谱法 - 提升单细胞蛋白质组学的深度、灵敏度和完整度是普通DDA方法的两倍, ‘优先’其实是结合了MaxQuant.Live进行实时矫正来获取数据的质谱采集方法，一个多级前体离子的选择方法而不仅仅是选择TopN，使用nPOP进行样本之后实现了HEK293细胞和melanoma细胞单个细胞1500个蛋白的鉴定量。定量准确性通过了Spike-In的肽段进行了评估。
应用体系为使用脂多糖（LPS）在24h内对小鼠骨髓来源巨噬细胞（BMDM）的炎症刺激。结合SCoPE2的方法在373个细胞中鉴定到了1123个蛋白，发现了LPS诱导组的蛋白变异性可能导致功能变异性，同时他们还用了DIA的方法去测量了亚细胞群的差异蛋白进行比较。
他们也测量了蛋白水解的程度，但是为了防止使样本制备中的胰蛋白酶造成的水解，他们测量的是那些胰蛋白酶水解之前的产物，也发现了需要在单细胞层面测量后的变异性。
pSCoPE可以应用在Orbitrap的QE, Exploris Eclispe系列上，更多该方法相关的信息在https://scp.slavovlab.net/pSCoPE
在去年的单细胞大会其实已经展示了初步结果，本文也是花费了一年审稿，是一种新型质谱结合软件实时采集的方法，单针细胞系体系的单细胞只有1500个蛋白其实并不多，但是很聪明地设计了应用。
虽然作者并没有讨论它工作的局限性，而其通量其实受限和更广泛的应用在临床组织样本和还在初级阶段，值得我们进一步开发新的方法优化和替代。
https://www.nature.com/articles/s41592-023-01830-1
♦ 血液微生物组
一项由Nature Portofolio转载的工作，来自新加坡基因研究所Genome Institute of Singapore (GIS)的Minghao Chia, Niranjan Nagarajan课题组3月30日发表在Nature Microbiology的一项工作‘基于对 9,770 名健康人的人口研究，没有证据表明存在共同的血液微生物组’。
人类血液通常被认为是无菌的，但最近的研究表明健康个体中存在血液微生物组。他们在9770 名来自多中心队列的健康血液中采集了DNA样本，过滤了污染物后鉴定出 117 种微生物，有和肠道 (n = 40)、口腔 (n = 32) 和泌尿生殖道 (n = 18) 相关的共生菌，并且与医院血培养中检测到的病原体不同。
然而在 84% 的人中没有检测到任何微生物，剩下的人也只有一种物种。不到 5% 的个体属于同一物种，没有观察到不同物种之间的共现模式，也没有发现宿主表型和微生物之间的关联。
总的来说，这项研究的结果不支持人类血液内源性一致的核心微生物组的假设，血液中只含有从身体其他部位短暂和零星地转移到血液中的共生微生物。
https://www.nature.com/articles/s41564-023-01350-w
♦ 肠道微生物与肥胖
长期以来，肠道中大量分泌的黏蛋白被认为是保护肠道细胞的屏障，同时也可以为肠道微生物的生存提供碳源和氮源。因此，有假设认为依赖黏蛋白生长的细菌将优先与人体细胞相互作用，且可能参与免疫信号转导。
Akkermansia muciniphila被发现是一种可以降解黏蛋白的肠道细菌，来自比利时Louvain药物研究所的Patrice D Cani团队先前发现给小鼠喂食A. muciniphila可以防止肥胖和相关并发症，然而其中的机制仍不清楚。
该团队的本篇文章通过A. muciniphila在合成培养基上共培养以及小鼠实验证明了 Amuc_1100，一种从A. muciniphila的外膜分离的特定蛋白质，与 Toll 样受体 2 相互作用，在巴氏杀菌的温度下稳定，并可以改善肠道屏障。
通过比较活细菌与AMUC_1100喂养HFD小鼠的结果，发现AMUC_1100蛋白也可以显著降低血浆HDL胆固醇浓度。这些发现支持使用不同的A. muciniphila制剂作为针对人类肥胖相关疾病的治疗选择。
这篇文章的一大亮点是作者利用先验知识TLR调节细菌识别和肠道稳态，以及A. muciniphila脂多糖结构的特殊性，提出了A. muciniphila与宿主相互作用的假设，并结合实验进行验证。
https://www.nature.com/articles/nm.4236
♦ AlphaLink
来自柏林工业大学的Juri Rappsilber团队于2023年3月20日在NBT上发表了利用细胞内光交联质谱法和深度学习来预测蛋白质结构的方法，文章提出了一种新的算法：AlphaLink，它是AlphaFold2算法的改进版。
AlphaLink算法将实验距离约束信息融入到其网络结构中，从而提高了在预测具有挑战性的蛋白质结构方面的性能。
文章所用的实验方法为in-cell photo-crosslinking mass spectrometry。这种方法可以在细胞内部使用非天然氨基酸来标记蛋白质，从而提供蛋白质内部残基之间的距离信息。
这篇文章的创新点在于在AlphaFold2中融合了质谱信息，从而进一步提升了蛋白质结构的预测准确度。
https://www.nature.com/articles/s41587-023-01704-z?s=09
♦ 蛋白质组生物标志物
德国柏林夏瑞蒂医学院Markus Ralser组2023年3月20日发表在EMBO Molecualr Medicine (14.15) 一篇评论文章（非研究文章）评论了定量蛋白质生物标志物来改善临床实践的途径，总结了蛋白质组标记物作为临床实际应用的挑战和机遇，提出了靶向绝对定量质谱是最有可能转化应用在临床研究中的方法的观点。
作者探讨了使用多个蛋白作为标记物的数据分析挑战性，包括采集多中心的实验样本去除定量的批次效应，另外提出最好用绝对定量的方法避免质谱产生的误差。
作者也提到了多标记物的机器学习模型可能带来的潜在伦理和隐私风险，虽然FDA已经批准了第一个基于机器学习的诊断试剂组。
另外作者还是认为基于机器学习的多蛋白组标志物是一个可以解决出现紧急疾病时候的解决方案，如其在新冠研究中发挥的作用；也提出了使用如swarm learning、区块链或者联邦学习的方法去分析更大的数据集来发现新的疾病特征。他们目前认为真正可以应用在临床的验证是像目前triple quadropole质谱测量代谢物的应用一样的靶向质谱, 这种质谱一般采用正常流速、灵敏度高、价格较低使用更广泛。
最后他们提出了两点临床蛋白质组标志物研究领域的重点推进的方向：需要更多的临床蛋白质组数据的研究和需要一个更日常使用的软件特别是可以给医生直接做出诊断决策的软件 ，其实也是和guomics的主要研究方向殊途同归了。
♦ 蛋白质变异体
2023年3月23日发表在Nature Biotech的Article文章，来自美国Wisconsin麦迪逊分校的Joshua Coon组和德国马普所生化所Juergen Cox组的工作“全局检测深度蛋白质组测序对人类变异和亚型（Global detection of human variants and isoforms by deep proteome sequencing）”。
Nikolai Slavov推特评论到这是一项预期就会发表的人类蛋白质组文章，它为许多非同义变体的翻译提供了证据。该工作使用了6种细胞系（hES1，一种胚胎干细胞系；HeLa S3，来自宫颈癌；HepG2，来自肝癌；GM12878，血液淋巴母细胞系；K562，来自慢性粒细胞白血病；和 HUVEC，来自脐静脉上皮细胞），6种蛋白水解酶（Tyrpsin, LysC, LysN, GluC, AspN, ChyM）和深度分流以及三种肽段碎裂方式（HCD/ETD/CAD）, 使用基于Lumos三级MS的bottom-up DDA方法, 产生了约 2500 个质谱文件约 1.64 亿张谱图，最终鉴定了17,717个protein gorups的包含上百万个肽段，达到了中值80%覆盖率。
同时他们也使用蛋白质组数据和RNA表达数据结合分析，检测到了80%的SAP(single amino acid polymorphism) 和20%的外显子-外显子junctions, 约 25000 个肽段，为约 5000 个可变剪接剪切事件。这个文章的生成的数据 https://deep-sequencing.app/，可以作为de novo蛋白搜索的资源，这个数据库通过查询基因名称来查询并检查检测到的相应肽、SAP 和剪接点的谱图。
文章未提及DIA的建库应用，但是应该是可以将其DDA文件搜索结果适当合并后作为DIA搜索的库
https://massive.ucsd.edu/ProteoSAFe/dataset.jsp?task=312cffca82a145db84febd6e1fab875e，也可以以作为de novo蛋白搜索后交叉验证的参照资源。
https://www.nature.com/articles/s41587-023-01714-x
♦ 膳食蛋白质与睡眠
哈佛大学医学院Dragana Rogulja在 Cell 上发表了题为：A gut-secreted peptide suppresses arousability from sleep 的研究论文。
睡眠中的动物由于抑制了感官警觉在很大程度上会忽视周围环境，但是这一现象的机制尚未得到较为清晰的阐释。该项工作，通过筛选调节睡眠觉醒的基因，发现了一个信号通路，通过这个信号通路，饮食蛋白质的信息从肠道传递到大脑，以帮助抑制感觉反应。
摄入蛋白质类食物会激活果蝇肠道释放神经肽CCHa1，CCHa1向大脑中一组多巴胺神经元发出信号，这些神经元的活动调节对机械振动的反应。
肠道中蛋白质浓度的增加导致更高的CCHa1水平，这使果蝇能够在更强的振动中安睡，而肠道中CCHa1的减少导致它们在即使振动很弱的情况下也容易醒来。小鼠在食用富含蛋白质食物后，睡眠过程中对振动的反应也会更弱，睡得更好。
CCHa1 通路和膳食蛋白质不会影响对所有感官输入的反应，这表明在睡眠期间，不同的信息流可以通过独立的机制进行控制。该文的研究结果提示调节饮食中的蛋白质比例可能会使不良的睡眠状况得到改善。
https://doi.org/10.1016/j.cell.2023.02.022
♦ 单细胞蛋白质组学
2023年4月3日Nature Methods出版了的由东北大学Nikolia Slavov课题组的发表的Prioritized Single-Cell ProtEomics (pSCoPE)- 优先质谱法 - 提升单细胞蛋白质组学的深度、灵敏度和完整度是普通DDA方法的两倍, ‘优先’其实是结合了MaxQuant.Live进行实时矫正来获取数据的质谱采集方法，一个多级前体离子的选择方法而不仅仅是选择TopN，使用nPOP进行样本之后实现了HEK293细胞和melanoma细胞单个细胞1500个蛋白的鉴定量。定量准确性通过了Spike-In的肽段进行了评估。
应用体系为使用脂多糖（LPS）在24h内对小鼠骨髓来源巨噬细胞（BMDM）的炎症刺激。结合SCoPE2的方法在373个细胞中鉴定到了1123个蛋白，发现了LPS诱导组的蛋白变异性可能导致功能变异性，同时他们还用了DIA的方法去测量了亚细胞群的差异蛋白进行比较。
他们也测量了蛋白水解的程度，但是为了防止使样本制备中的胰蛋白酶造成的水解，他们测量的是那些胰蛋白酶水解之前的产物，也发现了需要在单细胞层面测量后的变异性。
pSCoPE可以应用在Orbitrap的QE, Exploris Eclispe系列上，更多该方法相关的信息在https://scp.slavovlab.net/pSCoPE
在去年的单细胞大会其实已经展示了初步结果，本文也是花费了一年审稿，是一种新型质谱结合软件实时采集的方法，单针细胞系体系的单细胞只有1500个蛋白其实并不多，但是很聪明地设计了应用。
虽然作者并没有讨论它工作的局限性，而其通量其实受限和更广泛的应用在临床组织样本和还在初级阶段，值得我们进一步开发新的方法优化和替代。
https://www.nature.com/articles/s41592-023-01830-1
♦ 血液微生物组
一项由Nature Portofolio转载的工作，来自新加坡基因研究所Genome Institute of Singapore (GIS)的Minghao Chia, Niranjan Nagarajan课题组3月30日发表在Nature Microbiology的一项工作‘基于对 9,770 名健康人的人口研究，没有证据表明存在共同的血液微生物组’。
人类血液通常被认为是无菌的，但最近的研究表明健康个体中存在血液微生物组。他们在9770 名来自多中心队列的健康血液中采集了DNA样本，过滤了污染物后鉴定出 117 种微生物，有和肠道 (n = 40)、口腔 (n = 32) 和泌尿生殖道 (n = 18) 相关的共生菌，并且与医院血培养中检测到的病原体不同。
然而在 84% 的人中没有检测到任何微生物，剩下的人也只有一种物种。不到 5% 的个体属于同一物种，没有观察到不同物种之间的共现模式，也没有发现宿主表型和微生物之间的关联。
总的来说，这项研究的结果不支持人类血液内源性一致的核心微生物组的假设，血液中只含有从身体其他部位短暂和零星地转移到血液中的共生微生物。
https://www.nature.com/articles/s41564-023-01350-w
