---
title: "血浆标志物发现，这波可以到大气层"
author: "omicsolution"
account: "omicsolution"
published_at: "2021-11-11T15:35:51+08:00"
captured_at: "2026-08-24T11:50:15.900778+08:00"
source_url: "https://mp.weixin.qq.com/s?__biz=MzI2MTI5NDAzNg==&mid=100003449&idx=1&sn=77ec30389036c9c69432c2381d5cf3ed&chksm=6a5ddcc25d2a55d4985e1d617b9b6ddbd43740ea711132cd3f6a3568b7a0858d6eed98774cfa#rd"
---

# 血浆标志物发现，这波可以到大气层
传统血浆标志物蛋白质检测费事费力，通量极低，很难找到有意义和有价值的结果。近年来一系列新技术的发展让血浆检测进入了全新阶段，通量、深度都提升了数倍，但有的技术虽然深度理想，却成本高昂让人望而却步，有的技术可靠性差，结果往往通过专家才能看出来的缩水方法来偷工减料增加结果数量。

不过蛋白质组学近年来的新技术和新算法证明了我们的确可以往血浆标志物的深度覆盖上大大向前一步。

参考资料：

-

蛋白质组样品制备，从单细胞到常规量，我们都能满足你

-

感受技术的进步，CNHUPO，B12展台易算和您共同前进

本文案例通过对蛋白质组进行全方位的检测，质谱分析为血浆发现式蛋白质组创造了更多的可能性。在下图的案例中，我们使用下一代血浆生物标志物发现流程展示了180份血浆样本的临床研究结果，分别是取自肺癌，乳腺癌，结直肠癌，胰腺癌和前列腺癌。

![图片 1](images/001.png)

强大的分析流程

本案例定量了2732种蛋白质，和纯血浆相比，鉴定的蛋白质数量增加了257%，并且显著差异的蛋白质数量增加了263%。此外，我们发现新的候选生物标志物，并且开发了模型来对疾病状态进行分类。候选生物标志物主要来源于低丰度区域，这就表明为了鉴定这些新的候选生物标志物，我们需要进行深入的，无偏的分析。在这个研究中，去高丰度步骤提升了362%的蛋白实际鉴定量。

![图片 2](images/002.png)

前所未有的深度：

我们的分析检测到了大量的低丰度蛋白质，其中包含了：

• tissue leakage proteome

• interleukins

• signaling proteins

• tissue-specific proteins coming from the diseased organs

• cytokines and nucleoplasm

检测目标包含了190种FDA批准的药物靶标，其中66%是在低信号强度范围内检测到的。我们分析的最终数据集在概括了患者内部异质性的生物学特征的同时，还对血浆蛋白质提供了深刻的，无偏的见解。

![图片 3](images/003.png)

后处理步骤

后处理步骤包含为了过滤进行的单变量检验，对80%的数据进行的机器学习以及保持20%验证数据的分类性能精度。

![图片 4](images/004.png)

结直肠癌中的蛋白质特征

在研究过程中，我们发现在结直肠癌的健康，早期和晚期阶段之间，有307种蛋白质发生了显著变化。其中，已知有三种蛋白质在结直肠癌的发展过程中发挥了作用，分别是：STAT3，TAGL，和CD47。此外，在癌症患者中，GO富集显示出对瘦素和蛋白水解调节的应答增加，同时展现出细胞-细胞粘附、白细胞稳态和对过氧化氢的应答下调。

![图片 5](images/005.png)

胰腺癌的蛋白质特征

我们定量了胰腺癌的健康，早期和晚期阶段之间发生显著变化的436种蛋白质。在这些蛋白质中，有七种曾经被建议为可能的胰腺癌生物标志物。此外，我们采用三种癌症相关的蛋白CD9，TENX和DIAC和最近提出诊断靶标CNN261以及预后靶标 GTR162有效的区分了健康，早期和晚期阶段的人群。最后，我们检测到了锌离子螯合过程在癌症样本中显著下调。

![图片 6](images/006.png)

优点和特征

优点

特征

史无前例深度的无偏分析

血浆蛋白质组可量化多达3000种相关的蛋白质，其中可以包括各类蛋白质proteoform，以及PTMs。

空前的特异性和定量精度

数以万计的肽水平数据点保证了高定量精度和空前的特异性。

血浆和血清分析

在不依赖侵入性组织活检的情况下，动态观察受试者在任何给定时间点的健康状况。

适应症不可知的方法

深入了解了不同条件表型的复杂性，并揭示了基因型和表型之间的真正联系。

您是不是也想把自己的血浆蛋白质组研究推进到下个层次？

了解更多我们相关产品，欢迎邮件或来电咨询：

marketing@omicsolution.com
support@omicsolution.com
+86-18221381405
