---
title: "从组织到血浆：空间蛋白组联合血浆DIA如何实现蛋白标志物的临床转化"
author: "omicsolution.com"
account: "omicsolution.com"
published_at: "2025-07-01T11:40:49+08:00"
captured_at: "2026-08-26T17:59:22.072214+08:00"
source_url: "https://mp.weixin.qq.com/s/aJQPXzuyud4zdOK1bpUpPQ"
---

# 从组织到血浆：空间蛋白组联合血浆DIA如何实现蛋白标志物的临床转化
![图片 1](images/001.png)

![图片 2](images/002.png)

![图片 3](images/003.png)

质谱蛋白组

前沿方案

易算生物

![图片 4](images/004.png)

0 1

背景介绍

“为什么临床真正能用的蛋白质组标志物这么少？”

医学界每年都有大量基于蛋白质组学的研究成果问世，但最终真正走到临床床边，帮助医生精准诊断疾病、指导治疗方案的标志物却凤毛麟角。

我们过去习惯孤立地研究血浆或组织的蛋白变化，而临床医生却始终追问：“这个标志物，到底来自组织哪个具体区域？血浆检测到的蛋白，真的能代表组织内的病变吗？”当我们无法回答这些最基本的问题，所有研究成果就像“无头苍蝇”，最终只能止步于实验室，无法真正服务患者。

整体组织（Bulk）实验简单但像“一锅粥”：

比如一块肿瘤组织中同时包含了肿瘤细胞、基质细胞、免疫细胞和血管细胞，整体组织蛋白质组分析无法区分这些蛋白来自哪种细胞类型，也无法明确病变区域的蛋白差异。

激光捕获显微切割（LCM）空间蛋白组技术提供了突破这个难题的机会，它能够精准切割特定的病理区域（例如肿瘤侵袭前缘、炎症浸润区域或纤维化区域）。

以肿瘤样本为例，可每个患者取3-4个区域，每区域切割3-5个组织微块。使用Bruker timsTOF HT或Thermo Orbitrap Astral质谱仪进行DIA采集，通过Spectronaut定量，识别病变区域特有的蛋白表达变化。

![图片 5](images/005.png)

很多人会认为空间蛋白组分析的样本规模和操作复杂度使其难以用于大规模临床初筛。血浆蛋白质组分析恰好能弥补这一点：血浆检测快捷、非侵入，适合大量样本高通量分析。但血浆蛋白组数据存在一个核心挑战是无法直接明确蛋白的组织来源。易算自主研发的易肽试剂盒可高效低丰度富集，让整体蛋白检测深度增加30%甚至数倍以上，进一步提升了血浆分析的临床价值。

![图片 6](images/006.png)

将空间LCM-DIA和血浆DIA联合应用，能同时实现高通量筛选和空间精准验证：

0 2

易算的联合方案

先在血清/血浆蛋白组中高通量筛选出候选标志物，再通过空间蛋白组精准验证这些标志物的组织来源与临床相关性。这种方法大大提高了蛋白标志物的可靠性和临床转化效率。易算生物联合分析方案的具体实施流程为：

![图片 7](images/007.png)

0 1

实验设计与样本分组

（以肿瘤研究为例）

纳入患者15-30例及匹配健康对照。每位患者术前采集血浆样本（约100μL），术中采集肿瘤组织及相邻非肿瘤组织；肿瘤组织HE染色后由病理专家明确病变区域位置，在邻近未染色连续切片上进行LCM精准切割。

0 2

血浆DIA初步高通量筛选

使用易肽试剂盒显著提高低丰度蛋白鉴定深度；

利用高通量质谱平台（如Orbitrap Astral、timsTOF HT）质谱实验；采用Spectronaut定量

0 3

空间LCM-DIA精准组织验证

对病理标记区域（如肿瘤区域， 或者感兴趣的细胞类型的区域）进行激光显微切割，每区域切割3-5个组织微块，使用Orbitrap Astral或timsTOF HT质谱仪和Spectronaut定量

0 4

数据整合逻辑

实际项目可能有所调整：

1 差异分析

血浆和组织数据分别进行独立的差异分析（例如t检验或limma），筛选出具有统计学显著差异（如P<0.01，Fold change≥1.5）的蛋白。

2 富集分析

对组织差异蛋白通过生物信息学方法（如功能富集分析、蛋白相互作用网络）锁定蛋白簇；

3 特征选择

在血浆数据中单独使用Random Forest或LASSO回归模型，以患者临床诊断（如肿瘤分级）作为预测目标，进行特征选择；

4 共变分子

交集以上组织功能模块蛋白与血浆模型选出的蛋白，以确保同时具备组织生物学机制明确性和血浆临床检测的便利性；

5 锁定分子

最后使用ROC分析评估候选蛋白的诊断能力，通常要求AUC>0.8，确定最终标志物的临床价值。

0 3

空间-血浆分析的临床案例

文章：Liu, X., Abmanhal-Masarweh, H., Iwanowytsch, O. et al. Plasma-to-tumour tissue integrated proteomics using nano-omics for biomarker discovery in glioblastoma.

来源：Nat Commun 16, 3412 (2025).

链接：https://doi.org/10.1038/s41467-025-58252-0

![图片 8](images/008.png)

在小鼠脑瘤模型中，不同肿瘤体积阶段（术后7天、14天和18天）均采集了匹配的血浆和肿瘤组织样本，分别代表小、中、大肿瘤负荷。每个时间点有6只小鼠用于组织蛋白质组学分析，取石蜡包埋的脑组织连续切片进行病理染色后，由激光捕获显微切割(LCM)分别切割肿瘤组织和对侧非肿瘤脑组织用于比较。

![图片 9](images/009.png)

为获得足够蛋白量，研究从多个连续切片中累积相同体积的目标区域组织（肿瘤区及对照区）进行LCM切割。另外设置了假手术对照小鼠脑组织的目标区域作为健康对照。

![图片 10](images/010.png)

在人体样本方面，研究纳入了10例胶质瘤患者，术前采集血浆并以性别年龄匹配的健康者血浆作为对照，同时获取患者术中切除的冰冻肿瘤组织。

患者肿瘤标本经冷冻切片（10µm厚的连续切片）H&E染色，由神经病理学专家标注肿瘤区域后进行LCM以富集纯肿瘤细胞区域。由于伦理和实操限制，无法获得患者配对的正常脑组织，因此肿瘤组织蛋白质组数据主要用于从血浆筛选的候选标志物中进行生物学相关性的筛选和验证。

通过纵向和跨物种的比较来整合数据：

在小鼠和患者的血浆差异蛋白中发现共有61个蛋白，其中有16个蛋白不仅在人和小鼠的血浆中一致变化，也同时存在于两者各自的肿瘤组织蛋白组中。GB研究最终选出了48个候选蛋白，功能富集显示涉及细胞骨架重组、粘附、代谢等通路，与肿瘤发生密切相关。

![图片 11](images/011.png)

0 4

如何落实方案

易算空间LCM-DIA与血浆DIA联合分析方案：

空间蛋白组：徕卡显微切割配合Orbitrap Astral或timsTOF HT精准解析病理区域蛋白变化；

血浆蛋白组：易算自研易肽试剂盒，显著提升低丰度蛋白检测深度；

数据整合分析：结合差异分析、WGCNA、Random Forest、LASSO等方法，从生物学机制与临床诊断价值两个维度交叉验证标志物。

我们诚挚邀请你与易算生物携手合作，一起推动蛋白质组学真正服务于临床，让实验室成果真正走向病床。如果你也苦恼于蛋白标志物难以落地临床，可以详细和我们聊一聊你的样本情况。

关于易算

上海易算生物科技有限公司，专注于利用LC-MS/MS和生物信息学技术，为客户提供高质量的研究方案。我们与国内顶尖的蛋白质组实验室紧密合作，开发最新的蛋白质组相关技术和产品。从DIA、PRM分析产品、单细胞及极微量蛋白质前处理，低丰度蛋白深度挖掘，糖蛋白质组，宏蛋白质组整体方案实验室落地方案等，易算均有国际前沿水平并在高分杂志上发表成果的技术产品。我们还引入了国外先进的软件和产品，包括来自瑞士Biognosys公司、德国Bruker公司、德国PreOmics公司和澳大利亚IonOpticks公司等，为国内科研机构提供先进可靠的实验及软件解决方案。

![图片](images/012.webp)

![图片](images/013.webp)

---

继续阅读

Nature Commun最新，Spectronaut软件针对pSILAC数据分析的具体操作逻辑

《首届单细胞蛋白质组学术会议》易算诚邀您7月1日杭州相聚！

易算携手CNCP-2025《中国计算蛋白质组学研讨会——计算专题》第一轮通知

![图片](images/014.webp)