金马迎春

   


蛋白质组学已经成为理解生物学实际运作机制的最强大视角之一



    基因组学和转录组学揭示了“可能发生什么”，而蛋白质组学则展现了“正在发生什么”——驱动生理、疾病机制和治疗反应的正是这些蛋白质。

    在2025年，质谱界广泛信赖并使用 Spectronaut和 SpectroDive也已在生物学、医学领域广泛应用，帮助我们获取具有极致深度、准确定量且高度可重复的蛋白质组学信息。去年的文献最引人瞩目的，是产品在多元化场景中展现出的惊人分析能力：从蛋白质周转（Turnover）、机制通路分析、临床生物标志物发现，到多组学数据整合以及化学蛋白质组学的靶点鉴定。

    无论处理的是多通道 SILAC 样本、FFPE 组织、复杂的翻译后修饰（PTM）图谱，还是共价片段化合物库，科学家们都依赖我们的 DIA 与靶向PRM工作流，获得了深层、跨批次稳定且能直接指导下一步研究的可靠数据。


从母离子丰度定量，到 plex-DIA 蛋白质周转图谱



    利用多通道 DIA（plex-DIA）定量蛋白质的周转（合成与降解动态）面临诸多挑战：同位素峰重叠、低丰度重标通道、干扰导致的比例失真以及对大光谱库的依赖。最新研究证明了 Spectronaut 如何克服这些痛点，提供极高精度的周转测量：

1. 耶鲁大学 Yansheng Liu 团队：在 bulk pSILAC 实验中，团队应用了 Spectronaut 的 directDIA 分析与先进的同位素标记（LBL）工作流。借助通道感知打分（channel-aware scoring）和通道特异性 FDR 控制，成功定量了 2-3 个 SILAC 通道，并揭示了与顺铂耐药性和非整倍体相关的蛋白质协同降解通路。

image.png
2.哥本哈根大学 Jesper Olsen 团队：该课题组使用 Spectronaut 定量单细胞层面的 SILAC 比例，在蛋白质周转维度上解析了细胞周期调控、干细胞分化及药物反应，这些动态是单纯转录组学无法捕捉的。


从单纯的蛋白质组学，迈向深层多组学融合



现代研究越来越多地以“蛋白质测量”为核心，并整合转录、基因及代谢信息。四项近期研究展示了 Spectronaut 驱动的 DIA 数据如何成为多组学框架的坚实基础：

1. 精准临床分层：在针对局限性透明细胞肾细胞癌 (ccRCC) 的 Bio-miR 研究中，Gámez-Pozo 及其同事利用 Spectronaut 对 FFPE 肿瘤样本进行分析，将蛋白质通路特征与 microRNA 及 RNA-seq 深度整合，阐明了蛋白质重塑机制的临床意义。

2. 大脑衰老图谱：Alessandro Ori 团队将基于 DIA 的超深层全局蛋白质组学与泛素化、乙酰化、磷酸化修饰组学相结合，成功揭示了在转录水平上几乎不可见的“小鼠大脑蛋白质稳态恶化模式”。

image.png
3.基因组修复机制：Jacob E. Corn 联盟将“泛素化残基 DIA 蛋白质组”与全基因组 CRISPRi、ChIP-seq 图谱配对，在泛素信号动态与合成致死相互作用之间建立了直接联系。
4.前列腺癌异质性：Zong-Ren Wang 团队基于 DIA 蛋白质组与磷酸化组学，结合测序与空间免疫荧光，确定了由 NANS 驱动的唾液酸代谢是该亚型特异性的治疗弱点。


从化学蛋白质组学，到下一代药物靶点发现



化学蛋白质组学已成为发现可成药靶点（Ligandable hotspots）的基石技术。

1. 高通量无标化合物筛选：Jacob T. Bush 团队建立了一个高通量无标记（HT-LFQ）竞争性分析平台，整合 SP4 前处理与快速 timsTOF diaPASEF，利用 Spectronaut 分析了约 30,000 条含半胱氨酸的肽段，筛选了 80 个共价片段，揭示了 400 多种全新的高选择性配体-蛋白相互作用。

image.png

2. 中国学者：中国膜生物学国家重点实验室将活性蛋白质分析与 DIA-MS（DIA-ABPP）结合，绘制了线粒体氧化还原敏感半胱氨酸图谱，证实 ROMO1 过表达能保护线粒体免受衰老氧化损伤，发现全新治疗靶点。



靶向闭环：从 Biomarker “发现”到“临床验证”的无缝转化



现代蛋白质组学高度依赖“两步走”闭环：DIA 负责非靶向广泛发现，靶向蛋白质组学负责高精度验证。Spectronaut 与 SpectroDive 的黄金组合在以下研究中大放异彩：

1. 衰老机制的精准验证：莱布尼茨衰老研究所 (FLI) 利用 Spectronaut 的 Pulsar 搜索引擎、FDR 控制及灵活归一化处理鳉鱼大脑衰老数据，发现翻译延伸停滞机制。随后，他们在 SpectroDive 中构建靶向检测分析方法，以极高特异性验证了这些 DIA 机制特征。

2. 中国临床转化代表作：首都医科大学附属北京友谊医院肝病研究中心应用 diaPASEF 和 Spectronaut 分析慢性乙肝患者血清，通过机器学习导出预测 Panel。这些标志物随后通过 SpectroDive 使用 PRM-PASEF 进行了全面队列验证。其稳健的峰拾取（Peak picking）和精确的保留时间对齐，确保了临床转化级的高度一致性。

延伸视野：2025 蛋白质组转化趋势与展望

基于 Biognosys 产品的应用越来越深入，中国顶尖科研团队在 2025 年的 Nature, Cell 等子刊上进一步扩展了技术的应用边界，其发力点高度契合以上逻辑：

● 超大队列的临床组织与血浆分析：面对千人级大队列（如中国高发肺

癌、肝癌组织队列），国内头部团队（如西湖大学、复旦大学、中国人类蛋白质组计划核心成员）高度依赖 Spectronaut 优异的跨Run对齐（Cross-Run Alignment）和批次效应控制能力，成功实现了中国人群特异性的大规模肿瘤分子分型。

● 微量样本与单细胞组学前沿：结合国内最前沿的空间质谱技术与 directDIA+ 深度学习算法，本土科学家正致力于深度解析肿瘤免疫抑制微环境，持续领跑全球精准医疗的探索步伐。

结语：不断拓展的组学边界

从蛋白质周转、机制发现、多组学绘制到临床验证与药物筛选，2025 年的文献一致证明了 Spectronaut 和 SpectroDive 能够为您提供深层次、高重复性且切实可用的数据洞见。尽管科研问题千差万别，但 Biognosys 始终为您提供最可靠的底层分析骨架。

准备好解锁您的数据潜能了吗？

 

参考文献

Salovska, B., Li, W., Bernhardt, O.M., Germain, P.-L., Wang, Q., Gandhi, T., Reiter, L., and Liu, Y. (2025). A robust multiplex-DIA workflow profiles protein turnover regulations associated with cisplatin resistance and aneuploidy. Nature Communications 16, 5034. 10.1038/s41467-025-60319-x.
Sabatier, P., Lechner, M., Guzmán, U.H., Beusch, C.M., Zeng, X., Wang, L., Izaguirre, F., Seth, A., Gritsenko, O., Rodin, S., et al. (2025). Global analysis of protein turnover dynamics in single cells. Cell 188, 2433–2450.e2421. 10.1016/j.cell.2025.03.002.
Pinto-Marín, Á., Trilla-Fuertes, L., Miranda Poma, J., Vasudev, N.S., García-Fernández, E., López-Vacas, R., Miranda, N., Wilson, M., López-Camacho, E., Pertejo, A., et al. (2025). A prognostic microRNA-based signature for localized clear cell renal cell carcinoma: the Bio-miR study. British Journal of Cancer 133, 155–167. 10.1038/s41416-025-03008-2.
Marino, A., Di Fraia, D., Panfilova, D., Sahu, A.K., Minetti, A., Omrani, O., Cirri, E., and Ori, A. (2025). Aging and diet alter the protein ubiquitylation landscape in the mouse brain. Nature Communications 16, 5266. 10.1038/s41467-025-60542-6.
Fielden, J., Siegner, S.M., Gallagher, D.N., Schröder, M.S., Dello Stritto, M.R., Lam, S., Kobel, L., Schlapansky, M.F., Jackson, S.P., Cejka, P., et al. (2025). Comprehensive interrogation of synthetic lethality in the DNA damage response. Nature 640, 1093–1102. 10.1038/s41586-025-08815-4.
Ou, W., Zhang, X.-X., Li, B., Tuo, Y., Lin, R.-X., Liu, P.-F., Guo, J.-P., Un, H.-C., Li, M.-H., Lei, J.-H., et al. (2025). Integrated proteogenomic characterization of localized prostate cancer identifies biological insights and subtype-specific therapeutic strategies. Nature Communications 16, 3189. 10.1038/s41467-025-58569-w.
Biggs, G.S., Cawood, E.E., Vuorinen, A., McCarthy, W.J., Wilders, H., Riziotis, I.G., van der Zouwen, A.J., Pettinger, J., Nightingale, L., Chen, P., et al. (2025). Robust proteome profiling of cysteine-reactive fragments using label-free chemoproteomics. Nat Commun 16, 73. 10.1038/s41467-024-55057-5.
Xu, F., Huang, H., Peng, K., Jian, C., Wu, H., Jing, Z., Qiu, S., Chen, Y., Liu, K., Fu, L., et al. (2025). ROMO1 overexpression protects the mitochondrial cysteinome from oxidations in aging. Nat Commun 16, 5133. 10.1038/s41467-025-60503-z.
Di Fraia, D., Marino, A., Lee, J.H., Kelmer Sacramento, E., Baumgart, M., Bagnoli, S., Balla, T., Schalk, F., Kamrad, S., Guan, R., et al. (2025). Altered translation elongation contributes to key hallmarks of aging in the killifish brain. Science 389, eadk3079. 10.1126/science.adk3079.
Zhang, M., Chen, S., Wu, X., Zhou, J., Wang, B., Meng, T., Hua, R., Sun, Y., You, H., and Chen, W. (2025). Serological proteomic characterization for monitoring liver fibrosis regression in chronic hepatitis B patients on treatment. Nat Commun 16, 7714. 10.1038/s41467-025-63006-z.



    采购咨询

    上海易算生物科技有限公司 

    更多蛋白质组学技术信息请参阅我们的官方网站：
    www.omicsolution.com

    邮箱
    sales@omicsolution.com
    企业微信
    产品矩阵