在蛋白質組學研究領域，基于液相色譜-質譜聯(lián)用（LC-MS/MS）技術可在生物樣本中檢測和相對定量上千個蛋白，目前已被廣泛應用。Label-free技術具有不受樣品標記數(shù)量限制，蛋白定量動態(tài)范圍廣，樣品起始量低等優(yōu)點；是目前蛋白組研究領域廣受歡迎的研究方法。
Label-free（DDA，Data Dependent Acquisition）技術對每個樣品分別進行蛋白提取、蛋白酶解、肽段分離和質譜檢測，利用二級圖譜進行蛋白鑒定，利用肽段峰面積信息進行蛋白定量。
華銀康高通量測序中心能提供Label-free DDA 和Label-free DIA兩種檢測技術，助力科研人員對蛋白組定量的研究。
技術參數(shù)
|
樣品量 |
細胞類（>2×106細胞，離心沉淀>20ul） |
|
樣品要求 |
樣品無污染 |
|
重復 |
建議至少設置3個生物重復 |
|
數(shù)據(jù)量 |
1組分*1小時梯度（簡單樣品） |
|
質譜儀 |
QExactive |
技術優(yōu)勢
(1)更符合樣本真實蛋白表達結果：更全面和權威的數(shù)據(jù)庫和軟件，同一樣本能鑒定到更多的蛋白質種類；
(2)更專業(yè)的生信團隊，具有多年的蛋白組學分析經(jīng)驗，能提供各種個性化的高級分析。
信息分析
生信分析總流程
標準信息分析
1）蛋白鑒定
2）蛋白功能注釋：GO、KEGG、COG、EggNOG注釋、亞細胞定位分析、轉錄因子分析、蛋白激酶分析
3）蛋白定量：樣品間蛋白強度分布 、聚類、PCA分析、相關性和重復性分析
4）差異蛋白篩選
5) 差異蛋白功能注釋：GO、KEGG、COG、EggNOG注釋、亞細胞定位分析、轉錄因子分析、蛋白激酶分析
6）多比較組分析
7）其他高級分析
高級分析示例圖
案例分析
蛋白質組學衍生的生物標志物組合提高了子宮內(nèi)膜樣和高度漿液性卵巢癌分類的診斷精度
卵巢癌是一種難治性疾病，在美國女性中的發(fā)病率為1.27％，其5年存活率只有46％。上皮性卵巢癌是一種生物學上異質性疾病，根據(jù)其組織特異性細分為5種亞型，它們按照發(fā)病率遞減排序是：高度漿液（HGSC）、子宮內(nèi)膜狀、透明細胞型（CCC）、低度漿液性和粘液性卵巢癌。這些亞型代表了潛在的分子改變和臨床癥狀的差異，隨著組織特異性治療理念的發(fā)展，準確的分類將成為精確醫(yī)學治療的前提。為了揭示兩種最常見的卵巢癌臨床亞型——HGSC和子宮內(nèi)膜癌之間的差異，研究者通過lable-free方法比較了HGSC（10例）和子宮內(nèi)膜癌（10例）的蛋白組成。結果鑒定出8種在子宮內(nèi)膜癌中特異的蛋白標志物，然后使用免疫組化（IHC），在361例樣本中驗證了這8個蛋白的分類效果。
子宮內(nèi)膜癌和HGSC的蛋白質組之間差異表達的蛋白質有500多種（P<0.05），排名靠前的106種蛋白足以正確區(qū)分90％的樣品。IHC驗證出KIAA1324是一種新的子宮內(nèi)膜癌最有特異性的生物標志物。與僅使用WT1加TP53的診斷標準相比，本研究發(fā)現(xiàn)的8個蛋白標記物區(qū)分子宮內(nèi)膜癌和HGSC的準確性更高，可以將HGSC的診斷率從90.7％提高到99.2％。子宮內(nèi)膜癌特異性診斷標志物，如PLCB1，KIAA1324和SCGB2A1也與子宮內(nèi)膜癌的良好預后顯著相關，表明該臨床亞型具有生物學異質性。蛋白質組學數(shù)據(jù)的通路分析顯示子宮內(nèi)膜癌和HGSC在雌激素和干擾素信號傳導方面的差異。
圖1 子宮內(nèi)膜癌和HGSC的蛋白組數(shù)據(jù)比較
圖2 選擇子宮內(nèi)膜癌蛋白標志物做下游驗證
Dieters-Castator, D. Z., et al. (2019). "Proteomics-Derived Biomarker Panel Improves Diagnostic Precision to Classify Endometrioid and High-grade Serous Ovarian Carcinoma." Clin Cancer Res 25(14): 4309-4319.
