2025-01-07
随着 2024 年的落幕，回首这一年，可谓是蛋白组快速发展的一年。从医学领域对疾病发病机制的深度探寻，到农业范畴助力作物优良性状的挖掘，蛋白组学的身影无处不在，其广泛应用推动了科学研究的发展。
如今，2025年已悄然而至，新征程开启之际，蛋白组的研究依然火热。小派这里整理了十个高频问题，帮大家一起排排雷。
Q1.蛋白质组的研究技术有哪些？
目前蛋白组研究技术“百花齐放”，按照通俗易懂的研究目的主要可划分为以下几种：
研究样本当中所有蛋白的表达量：TMT标记定量蛋白组、label-free非标记定量蛋白组、4D-DIA蛋白组、Astral-DIA蛋白组等。
就想知道样本中有哪些蛋白：shotgun蛋白鉴定
更加关注蛋白翻译后修饰（PTM）：修饰蛋白组（磷酸化、乳酸化、泛素化、乙酰化等）
非常有目的性的只关注某几种蛋白：Olink蛋白组、PRM靶向蛋白组
Q2.定量蛋白组产品这么多，我该如何快速选择？
随着科学技术的不断发展，技术的可选择性只会越来越多。有的新技术在逐步取代旧技术，有的新技术依然无法遮住旧技术的光芒。小编在这里主推两款技术给大家，如果非常在乎定量的准确性，可以选择TMT标记定量蛋白组，否则则选择Astral-DIA蛋白组。
具体的技术区别介绍可参考TMT、LFQ与DIA技术深度解析
Q3.蛋白质组实验是否需要重复？
为了确保实验结果的可靠性和代表性，减少个体差异带来的偶然误差，揭示样本间的生物学差异，所以对于生物学实验一般都建议至少做3个重复，对于实验室外培养的材料建议6-10重复，如果是临床样本由于个体差异较大建议至少20个以上。如果不设重复，并且后期验证实验也较少时，在发表文章时容易被质疑，从而影响文章的发表。
Q4.不同批次的蛋白组可以一起分析吗？
不可以。因为质谱的批次效应比较大，两个检测时间点仪器的响应会发生变化，这样可能导致的一些含量低的物质可能只在一个批次里被检出。并且由于仪器的波动会导致物质的峰面积整体发生变化，从而影响结果的一致性和准确性。
Q5.蛋白组如何选择数据库？
结论：UniProt＞NCBI＞其他
UniProt是目前世界上最大最完整的蛋白数据库。其中除了人和小鼠可以用Swiss-Prot更好以外，其他物种都推荐UniProt Proteomes。UniProt的信息大多数都是经过验证或人工校验的，冗余度非常低。
NCBI是由美国国立生物技术信息中心（NCBI）维护的一个包含各种物种蛋白质序列的大型数据库，蛋白库的信息是任何一个研究者都可随意提交的，因此NCBI中收录的蛋白质信息非常丰富。但是很多蛋白的信息是没有经过验证或人工校验就直接提交的，所以会有很多冗余的蛋白信息。
注：如果有转录组数据和蛋白组数据一起分析，为了联合分析保持对应关系的一致性，建议和转录组使用相同的基因组。
Q6.什么时候需要去除高丰度蛋白？不去除有什么影响？
一般来说体液样本如尿液，血液，乳汁等都会存在高丰度蛋白。
高丰度蛋白在样本中占据了大部分的蛋白质总量，它们的存在会一定程度上干扰低丰度蛋白的检测信号，增加数据的复杂性，降低样本的分辨率从而影响检测效果。
Q7.去除高丰度蛋白的方法有哪些？
目前常用的去除高丰度蛋白的方法有三种：
物理化学法：通过高速离心、色谱分离等方式去除高丰度蛋白；
高丰度蛋白去除试剂盒：通过特异性结合去除高丰度蛋白，使样品复杂性显著降低，从而检测到更多低丰度蛋白。
中低丰度蛋白富集试剂盒：这个方法的思路和第二种正好相反，通过特异性富集中低丰度蛋白，达到更好的检测中低丰度蛋白的目的。
Q8.蛋白组学样本寄送前是否需要精确计数或是称量？
可以不精确称量。项目开展前会进行蛋白提取和质检，后续也是取等蛋白量的样本上机检测，保证每个样本提取的蛋白量能达到上机要求即可。
Q9.为什么通过ELISA/WB能检测到的蛋白在蛋白组实验中没有检测到？
在复杂的样本中，蛋白质的种类是非常繁多的，而质谱检测并不能保证鉴定到所有的蛋白质，有些低丰度的蛋白质可能不会在质谱结果中完全体现。而ELISA/WB与质谱检测的灵敏度是不一样的，前者具有放大信号的效应，通过实验可以进一步放大目的蛋白的检测效果。
Q10.为什么蛋白鉴定结果偏少？
1）如果 SDS-PAGE 结果显示条带较少且颜色较淡，这可能是由于样本本身的蛋白量较少导致的。
2）数据库不完整可能会导致蛋白质鉴定结果偏少。对于不常见的物种，数据库中的信息可能非常有限，当物种本身蛋白库信息较少时，可以选择搜索近缘物种的蛋白库。
3）如果样品中含有高丰度蛋白未去除，也可能会影响质谱鉴定结果。
随着蛋白组学技术的不断革新和应用领域的不断拓展，我们有理由相信，2025年的蛋白组将会有更多的突破性成果涌现，让我们一起期待！
派森诺蛋白组产品总览
