本博客是博主个人学习记录，除个人观点外知识内容非原创，但默认转载型blog是直接转发，引用处已标注出处。先放点搜集的文章：
蛋白质组学驱动的精准医学高质量综述
The coming era of proteomics-driven precision medicinehttps://academic.oup.com/nsr/advance-article/doi/10.1093/nsr/nwaf278/8199906?login=false
分析流程综述
Bioinformatics Methods for Mass Spectrometry-Based Proteomics Data Analysis
High-throughput proteomics: a methodological mini-review
放点前人的笔记和教程参考：
蛋白质组学第1期-认识基础概念 生信技能树系列教程，比较早，但是很易懂，易上手
概念
蛋白质组学是研究生物系统中所有蛋白质的学科，它是与基因组学、转录组学和代谢组学一起构成生物医学研究的基础。(Tiannan Guo | Matthias Mann, 2025)
A study of proteome using the technologies of large-scale protein separation, identification and quantitation. The study of proteins, how they're modified, when and where they're expressed, how they're involved in metabolic pathways and how they interact with one another.(Marc Wilkins, 1994)
不可替代性和复杂性
- 蛋白质组学的研究拥有基因组学和转录组学不可替代的特征，基因表达量和蛋白质表达量之前没有严格的线性关系，翻译后修饰也难以在基因组水平表现。
- 作为生物功能和表型的直接效应器，蛋白质组反映了遗传倾向、环境因素和生活方式影响之间的复杂相互作用。虽然基因组学和转录组学告诉我们细胞的潜力，而代谢组学关注下游的小分子，蛋白质组学直接调查细胞内外的功能机制。(Tiannan Guo | Matthias Mann, 2025)
- 蛋白质水平复杂性的增加是由于选择性剪接、不同的翻译速率、翻译后修饰（PTMs）和蛋白酶解切割。
- 蛋白质的功能与其所处时空特征相适应。
基于质谱的蛋白质组学
（部分摘自生信技能树教程）
一般工作流程：
质谱分析（raw data 质荷比+强度）----搜库获得肽段蛋白等信息-----质控-----定性定量分析---功能分析等下游数据挖掘
Shotgun/Bottom-up：（不分离先切后测，左图）将蛋白从样本中提取出---蛋白被胰酶酶切，形成酶切肽---质谱鉴定酶切肽---由鉴定所得的酶切肽得到蛋白ID
Top-down：（分离测完整蛋白，右图）直接对完整的蛋白——包括翻译后修饰蛋白以及其它一些大片段蛋白测序。提取蛋白---分离蛋白，排除样本复杂性---质谱分析蛋白片段---得到蛋白ID
对于基于数据库的蛋白组分析中，有的观点认为 仪器--数据库--搜库是三大元素，按照该流程进行：
质谱仪原理学习：
一级谱图：测相对分子质量
质荷比，字面就是质量比电荷量。有机物分子进入质谱仪后会被里面的高速电子撞击，容易被打掉一个电子而形成带一个正电荷的分子离子。很明显，分子离子和原来的有机物分子质量相同，除以1（一个正电荷），所以质荷比实质就是相对分子质量。质谱图中最大值的峰是分子离子峰，所以最大值就是有机物分子的相对分子质量了。（摘自知乎）
此外，相对分子质量并不是整数，质谱仪精度能达到小数点后4位及以上。
在数据库中，收录了不同蛋白酶切后肽段的相对分子质量，在这一阶段可以通过缩小检索范围来鉴定蛋白质。（质谱如何鉴定蛋白质_哔哩哔哩_bilibili）
二级谱图：多肽的特征谱，进行准确鉴定
挑出丰度高的肽段离子，分别进行碎裂。肽段在质谱仪中碎裂是有规律的，不同的质谱碎裂模式，会使肽段从不同的位置断裂，一般从肽键断裂。
by离子的组合，形成了这条肽段的身份认证。（这里我理解的就是左右两列MW向量）
在实际生物实验中，鉴定蛋白往往是采用western blot和质谱结合的方式，western blot能检测的更精细，但具有特异性，质谱则主要检测含量最高的蛋白，没有特异性，质谱没有检测到当然也不代表不存在，可能只是丰度不够，需要进一步富集。
仪器分类：
数据库：uniport PIR 等
搜库软件： maxquant等
蛋白质组定量技术
后续分析：利用Perseus等软件做聚类分析、差异蛋白筛选、时序数据分析和网络分析等。
蛋白质组应用
（基于前两篇综述文章，因此包含了大量精准医学领域的）
核心属性：表达量、相互作用、翻译后修饰、结构信息
技术精度：批量——单细胞、时间、空间——单细胞时间空间
-
表达蛋白质组学
- 大规模分析蛋白质丰度变化，补充转录组信息（人类细胞系可量化 10,000 + 蛋白组，结合分级分离达 13,000+）
- 蛋白质组与转录组的差异：动态调控（发育、疾病）中调控机制不同；分泌蛋白相关性低；蛋白质拷贝数为转录本的 100 倍以上，动态范围更广
- 技术突破：样本制备（PCT、SP3）、多维分离、质谱（MS）技术（自下而上 / 自上而下方法）、标记定量（iTRAQ、TMT）、无标记定量及数据非依赖采集（DIA）等，实现单 HeLa 细胞中约 5000 种蛋白质的高通量定量。
-
相互作用蛋白质组学
- 技术手段：酵母双杂交、亲和纯化结合 MS（如酵母互作组解析）；邻近标记（生物素标记，捕获动态 / 条件特异性相互作用）
- 应用：CRISPR-Cas9 系统敲除研究病毒复制网络（如 HIV）；结合 AlphaFold-Multimer 预测相互作用界面。识别疾病相关异常相互作用（如癌症中的致癌 PPI）、指导药物重定位（如 COVID-19 中宿主 - 病毒相互作用的药物筛选）、发现预后生物标志物。
-
翻译后修饰（PTMs）
- 主要 PTMs 分析：磷酸化、泛素化、乙酰化（自动化富集、离子淌度分离提升深度）；量化修饰 stoichiometry（如细胞周期中泛素化 / 磷酸化的过程性）
- 核心 PTMs 及应用：
- 磷酸化：可逆调控机制，推动激酶抑制剂研发（FDA 已批准 72 种）；
- 乙酰化：影响肿瘤生长与代谢，去乙酰化酶抑制剂为潜在疗法；
- 泛素化：参与蛋白质降解，PROTACs 等技术推动靶向治疗；
- 糖基化：影响药物疗效（如 PD-L1），GalNAc-siRNA 偶联物实现肝靶向治疗；
- 乳酸化：新型 PTM，与癌症和代谢疾病相关，为治疗提供新靶点。
- 挑战与进展：鉴定修饰相关酶（“写入 - 读取 - 擦除”）；AI 预测功能性 PTMs（如磷酸化位点）
-
结构蛋白质组学
- 氢氘交换 MS（HDX-MS）：测量酰胺氢同位素交换，研究结构动态（如抗体 - 抗原相互作用）
- 交联质谱（XL-MS）：化学交联近端氨基酸，结合 AI（AlphaFold-Multimer）解析蛋白质结构与相互作用
- 有限蛋白酶解：利用暴露切割位点研究蛋白质复合物结构变化（如脑脊液中衰老相关蛋白构象）
-
化学蛋白质组学
- 活性基于蛋白质 profiling（ABPP）：化学探针富集特定酶家族（激酶、蛋白酶），研究活性
- 热蛋白质组学（TPP）：通过热变性鉴定小分子直接靶标，助力药物机制解析
- 降解剂筛选：靶向 E3 泛素连接酶，鉴定选择性降解底物的分子
-
单细胞蛋白质组学
- 技术突破：纳米液滴处理、SCoPE2（同位素标记结合载体通道，量化 100 + 单细胞中 1,000 + 蛋白）；微流控技术（循环肿瘤细胞鉴定 1,500 + 蛋白）；DIA 结合 Astral 分析仪（单卵母细胞量化 5,000 + 蛋白）
- 优势：蛋白质拷贝数高，无泊松噪声，所需细胞数少于转录组学
-
空间蛋白质组学
- 技术：DISCO-MS（3D 成像）、激光捕获显微切割（LCM）、深度视觉蛋白质组学（DVP，整合成像、AI 细胞分类与 MS）；组织扩张技术（研究亚细胞结构）；3D 打印微支架（高分辨率组织切片蛋白质组图谱）
- 应用：揭示组织微环境与细胞互作（如 TEN 疾病中 JAK-STAT 通路过度激活，指导药物重定位），如发现动脉粥样硬化生物标志物（MYH10、MYH11）、解析肿瘤微环境异质性、指导靶向治疗（如卵巢癌中 NNMT 的作用）。
蛋白质数据资源
- 数据 - 信息 - 知识 - 智慧 pipeline：
- 数据存储库：PRIDE、iProX、MassIVE-KB 等；
- 分析工具：pFind、MaxQuant、DIA-NN 等；
- 知识数据库：dbPTM（PTMs）、BioGRID（PPI）、Human Protein Atlas（蛋白质表达）等；
- 应用：支撑个性化医疗的临床决策。
LLM的应用：
ProtChat: An AI Multi-Agent for Automated Protein Analysis Leveraging GPT-4 and Protein Language Model.融合大语言模型与蛋白质语言模型的自动化蛋白质分析工具
——————————————————欢迎交流，一起学习进步————————————————
扫一扫
2958
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
