蛋白質(zhì)組學(xué)是當前生物制藥發(fā)展非常迅速的熱門(mén)領(lǐng)域之一，研究蛋白質(zhì)組學(xué)不但能夠加深對支持跨細胞、組織和整個(gè)生物體的生物狀態(tài)分子過(guò)程的理解，還能夠幫助包括人類(lèi)、動(dòng)物和植物生物學(xué)、個(gè)性化醫學(xué)和法醫學(xué)在內的各個(gè)科學(xué)研究領(lǐng)域快速發(fā)展。這些研發(fā)收益在很大程度上都要歸功于蛋白質(zhì)組學(xué)技術(shù)、數據處理能力和數據共享的進(jìn)步。在本文中，我們將與世界各地的蛋白質(zhì)組學(xué)權威專(zhuān)家一起，共同探討蛋白質(zhì)組學(xué)的最新進(jìn)展及其更廣泛的潛在影響。

       一、蛋白質(zhì)組學(xué)關(guān)鍵技術(shù)發(fā)展

       1、質(zhì)譜蛋白質(zhì)組學(xué)

       蛋白質(zhì)組學(xué)研究采用的分析技術(shù)大致分為低通量和高通量?jì)深?lèi)。幾十年來(lái)，質(zhì)譜（MS）一直是在高通量分析中最廣泛使用的“金標準”。從歷史上看，基于質(zhì)譜的蛋白質(zhì)組學(xué)面臨的一項關(guān)鍵問(wèn)題就是敏感性和特異性，不過(guò)近年來(lái)，質(zhì)譜技術(shù)的格局發(fā)生了翻天覆地的變化。供應商推出了具有高速度、靈敏度和特異性功能的質(zhì)譜儀器，科學(xué)家們現在也可以憑借這些新型儀器更加深入研究蛋白質(zhì)組學(xué)。

       諾和諾德基金會(huì )蛋白質(zhì)研究中心蛋白質(zhì)組學(xué)項目的研究主任和組長(cháng)Matthias Mann教授在被問(wèn)及質(zhì)譜蛋白質(zhì)組學(xué)的突破時(shí)，特別強調了Aebersold實(shí)驗室率在數據獨立采集（DIA）方面的進(jìn)展。與其姊妹技術(shù)數據相關(guān)分析（DDA）不同的是，DIA在第二個(gè)循環(huán)（MS2）中將串聯(lián)MS（MS1）第一個(gè)循環(huán)中產(chǎn)生的所有前體離子分解，這也為研究人員提供了更好的無(wú)偏分析能力、更大的蛋白質(zhì)組覆蓋率和更高的再現性。近年來(lái)，在蛋白質(zhì)組學(xué)研究，特別是在腫瘤學(xué)領(lǐng)域，使用基于DIA質(zhì)譜的頻率也一直在持續增長(cháng)。此外，DIA技術(shù)還在神經(jīng)科學(xué)蛋白質(zhì)組學(xué)領(lǐng)域取得了積極進(jìn)展，包括發(fā)現了阿爾茨海默病的相關(guān)信息。

       2、基于適體的蛋白質(zhì)組學(xué)

       雖然質(zhì)譜技術(shù)多年來(lái)一直在蛋白質(zhì)組學(xué)研究領(lǐng)域占據主導地位，但最近出現的“第二代”蛋白質(zhì)組學(xué)平臺則是利用基于適體開(kāi)發(fā)的新型技術(shù)。約翰霍普金斯大學(xué)醫學(xué)院研究員Benjamin Orsburn博士也表示，盡管LC-MS在蛋白質(zhì)組學(xué)領(lǐng)域已經(jīng)壟斷了幾十年，但現在的情況顯然已不再如此。

       適體是一種短的單鏈（ss）DNA分子，能夠進(jìn)行獨特的匹配確認，選擇性地與生物靶標結合。在生物標志物發(fā)現等領(lǐng)域，該技術(shù)具有特異性和選擇性等優(yōu)勢，因此要優(yōu)于受到動(dòng)態(tài)范圍限制的MS蛋白質(zhì)組學(xué)。此前，研究人員基于適體的蛋白質(zhì)組學(xué)對來(lái)自Framingham心臟研究中的1895名女性進(jìn)行了研究，以便確定心臟重塑和心力衰竭事件的生物標志物。試驗結果顯示，17種蛋白質(zhì)被發(fā)現與超聲心動(dòng)圖特征相關(guān)，6種蛋白質(zhì)與心力衰竭事件相關(guān)，利用遺傳變異數據的進(jìn)一步分析也進(jìn)一步支持了這些發(fā)現。

       Orsburn表示，與LC-MS技術(shù)相比，適體技術(shù)的使用將更少受到細胞中絕 對蛋白質(zhì)拷貝數的影響。然而，在能夠識別更高百分比的蛋白質(zhì)組之前，質(zhì)譜蛋白質(zhì)組學(xué)目前可能仍然將會(huì )是首選方法，而基于適體的技術(shù)通常會(huì )做為補充和輔助方法。最近，有研究人員提出的理想蛋白質(zhì)測序平臺，采用了條形碼DNA適體來(lái)識別肽的末端氨基酸，連接到下一代測序芯片可能會(huì )成為折衷方案。Orsburn對此稱(chēng)該領(lǐng)域的全部研發(fā)潛力仍需要一定的時(shí)間才能實(shí)現。

       二、人工智能和蛋白質(zhì)組學(xué)

       1、人工智能和藥物發(fā)現蛋白質(zhì)組學(xué)

       人工智能（AI）在蛋白質(zhì)組學(xué)中的應用已經(jīng)深刻改變了藥物發(fā)現領(lǐng)域的研發(fā)工作。對研發(fā)人員來(lái)說(shuō)，深入了解特定蛋白質(zhì)如何以及為何能夠相互作用，對于推進(jìn)細胞生物學(xué)、開(kāi)發(fā)新藥和確定藥物引發(fā)治療和副作用的機制至關(guān)重要，然而這絕非易事。美國麻省理工學(xué)院計算機科學(xué)與人工智能實(shí)驗室（CSAIL）博士后研究員Octavian-Eugen Ganea表示，為了掌握互相作用的蛋白質(zhì)如何相互連接，必須通過(guò)人工或計算機手段嘗試所有可能的連接組合，以便找到最合理的連接組合，而如果不借助人工智能單純使用人工進(jìn)行，將會(huì )是一個(gè)非常耗時(shí)的過(guò)程。

       目前已有多種商業(yè)化的蛋白質(zhì)對接方法可供選擇，但它們都依賴(lài)于候選采樣、模板和預計算網(wǎng)格的特定任務(wù)特征，而這些因素都會(huì )增加額外的計算時(shí)間。麻省理工學(xué)院Ganea團隊最近發(fā)表了一種新的深度學(xué)習模型EquiDock，采用了兩種蛋白質(zhì)的3D結構，并能直接識別哪些區域可能會(huì )發(fā)生相互作用。EquiDock模型能夠從約41000個(gè)蛋白質(zhì)結構中捕獲復雜的對接模式，使用了具有數千個(gè)參數的幾何約束模型，這些參數能夠動(dòng)態(tài)地在計算過(guò)程中自動(dòng)調整。

       訓練完成后，EquiDock模型將與其他四個(gè)現有的對接軟件進(jìn)行交叉比較，并且能夠在一到五秒內預測最終的蛋白質(zhì)復合物，速度比現有軟件快80至500倍。Ganea表示，藥物副作用的快速計算掃描是非常必要的，能夠顯著(zhù)減少搜索范圍，否則即便整合了全球的人工試驗資源，也無(wú)法取得滿(mǎn)意的結果。他強調稱(chēng)，將EquiDock模型與其他蛋白質(zhì)結構預測模型相結合，將有望進(jìn)一步幫助其在藥物設計、蛋白質(zhì)工程、抗體生成和作用機制研究等方面的應用。

       2、人工智能和質(zhì)譜蛋白質(zhì)組學(xué)

       基于人工智能的方法還將幫助研究人員從獲得的數據中獲得更多的研發(fā)見(jiàn)解。質(zhì)譜實(shí)驗需要數據庫搜索或光譜庫匹配來(lái)識別特定的蛋白質(zhì)。整個(gè)過(guò)程不但特別耗費時(shí)間，而且某些蛋白質(zhì)還可能會(huì )被錯誤識別或遺漏，對于依賴(lài)于通過(guò)DDA分析生成光譜庫的DIA質(zhì)譜技術(shù)來(lái)說(shuō)，這些弊端似乎更加難以避免。為此，研發(fā)人員現在已經(jīng)建立了多種能夠預測光譜和肽特性的深度學(xué)習方法，包括但不限于Prosit、DeepMass和DeepDIA，預計此舉能夠優(yōu)化DIA方法的預測光譜庫，使蛋白質(zhì)組學(xué)領(lǐng)域朝著(zhù)更好的方向發(fā)展。

       3、人工智能和非質(zhì)譜蛋白質(zhì)組學(xué)

       人工智能還能夠輔助非質(zhì)譜蛋白質(zhì)組學(xué)的發(fā)展，這一領(lǐng)域對于理解以纏結、聚集的蛋白質(zhì)為特征的病理學(xué)（如阿爾茨海默?。┦遣豢苫蛉钡?。該領(lǐng)域采用的關(guān)鍵方法包括顯微鏡和F?rster共振能量轉移（FRET），研發(fā)過(guò)程需要大量時(shí)間和足夠的專(zhuān)業(yè)知識對大型數據集進(jìn)行分析解釋。為了克服這一數據難題，由Nikos Hatzakis教授領(lǐng)導的諾和諾德基金會(huì )蛋白質(zhì)研究中心的研究人員最近創(chuàng )建了DeepFRET模型。

       DeepFRET是一種人工智能的機器學(xué)習算法，可以自動(dòng)識別蛋白質(zhì)運動(dòng)模式，在幾秒鐘內對數據集進(jìn)行分類(lèi)（如果完全人工進(jìn)行則通常需要幾天的時(shí)間）。蛋白質(zhì)組學(xué)中人工智能的未來(lái)發(fā)展還要求人工智能平臺必須遵守相關(guān)的標準、數據報告和共享方面實(shí)現跨組的同步。最近發(fā)布的關(guān)于在蛋白質(zhì)組學(xué)和代謝組學(xué)中進(jìn)行和報告機器學(xué)習的數據、優(yōu)化、模型、評估（DOME）建議，可能將有助于重塑該領(lǐng)域未來(lái)的發(fā)展方向。

       三、法醫學(xué)和蛋白質(zhì)組學(xué)

       蛋白質(zhì)組學(xué)更廣泛的應用也受益于前面討論的技術(shù)進(jìn)步，例如在20世紀后期的“DNA革命”極大地促進(jìn)了法醫學(xué)的發(fā)展，而現在的蛋白質(zhì)組學(xué)似乎有望產(chǎn)生類(lèi)似的影響。對此，基于蛋白質(zhì)的人類(lèi)鑒定技術(shù)發(fā)明者、加州大學(xué)博士Glendon Parker表示，總的來(lái)說(shuō)，蛋白質(zhì)組學(xué)目前對法醫學(xué)的影響是有限的，這歸因于技術(shù)、法律、財務(wù)和文化因素，然而在刑事調查和起訴中采用和納入新方法將會(huì )成為根本性的驅動(dòng)力。

       Parker補充說(shuō)，蛋白質(zhì)組學(xué)具有其獨特的內在優(yōu)勢，比如蛋白質(zhì)比DNA更穩定，并且能夠像DNA一樣可以包含特定的身份識別信息。在DNA核酸被降解的情況下，可以使用蛋白質(zhì)組學(xué)用于識別體液、性別、種族，并使用肌肉、骨骼和分解液樣本估計大致的死亡時(shí)間。Parker強調稱(chēng)，雖然在法醫學(xué)中真正實(shí)施蛋白質(zhì)組學(xué)一直以來(lái)都存在一定的挑戰，但在未來(lái)蛋白質(zhì)組學(xué)有可能顯著(zhù)改變法醫證據的處理和分析方式。在短期內，該領(lǐng)域能夠輔助DNA技術(shù)用于DNA難以提供明確證據的法醫領(lǐng)域。

       四、蛋白質(zhì)組學(xué)的挑戰和未來(lái)展望

       1、亟待開(kāi)放共享、加強全球合作

       目前，蛋白質(zhì)組學(xué)領(lǐng)域面臨的最 大限制是技術(shù)的復雜性，需要研發(fā)人員在蛋白質(zhì)組學(xué)冗長(cháng)的工作流程中熟練地操作復雜技術(shù)和專(zhuān)業(yè)軟件。雖然蛋白質(zhì)組學(xué)在靈敏度和速度方面已經(jīng)取得了飛速進(jìn)步，研究成果也取得了相應的進(jìn)展，但在背后都付出了巨大的代價(jià)。

       Johnston表示，嚴格執行、深度覆蓋的質(zhì)譜實(shí)驗，特別是那些針對復雜的生物樣品上的試驗研究，需要大量的質(zhì)譜分析時(shí)間，因此研發(fā)人員必須要在研發(fā)成本、覆蓋范圍和樣本數量之間不斷進(jìn)行利弊權衡。這也是當前限制蛋白質(zhì)組學(xué)更廣泛應用的難題之一，Parker也強調稱(chēng)這些困境限制了技術(shù)創(chuàng )新，導致大量具有發(fā)展前途的新興技術(shù)（包括蛋白質(zhì)組學(xué)），最終沒(méi)有得到充分利用。

       在過(guò)去的十年里，蛋白質(zhì)組學(xué)領(lǐng)域中倡導開(kāi)放、共享、合作的呼聲越來(lái)越高。目前已經(jīng)出現了增加可訪(fǎng)問(wèn)性和可持續性的具體舉措，比如歐洲蛋白質(zhì)組學(xué)基礎設施聯(lián)盟（EPIC-XS）就聯(lián)合了一些歐洲領(lǐng) 先的實(shí)驗室和科學(xué)家，倡議將各種技術(shù)、專(zhuān)業(yè)知識和試驗數據進(jìn)行匯集共享。共享的資源也不僅限于基于質(zhì)譜的蛋白質(zhì)組學(xué)，KTH訪(fǎng)問(wèn)站點(diǎn)的細胞分析設施還開(kāi)放了基于抗體的成像方面的專(zhuān)業(yè)知識。

       2、推進(jìn)臨床應用困難重重

       在蛋白質(zhì)組學(xué)正式被確定為臨床支柱之前仍有多項關(guān)鍵性挑戰需要克服，而這些挑戰具體取決于臨床蛋白質(zhì)組學(xué)中的特定應用。Mann表示，如果要在臨床中大規模使用，基于質(zhì)譜的蛋白質(zhì)組學(xué)需要變得更加強大和易于使用，盡管許多研發(fā)團隊已經(jīng)試圖通過(guò)轉向高流量色譜系統來(lái)實(shí)現這一目標，但目前的成果并不理想，因為此舉會(huì )導致靈敏度受到影響。

       目前，雖然分析技術(shù)一定程度上提高了深入挖掘蛋白質(zhì)組的能力，但產(chǎn)生的數據量也在同步增長(cháng)，這也為蛋白質(zhì)組學(xué)的臨床應用帶來(lái)了額外的瓶頸，包括如何對大量數據進(jìn)行處理，以及如何在大規模數據集的基礎上制定生物學(xué)和臨床假設。此外，為了全面了解人類(lèi)健康和疾病，蛋白質(zhì)組學(xué)數據通常必須與其他組學(xué)對應物相結合使用，如代謝組學(xué)、基因組學(xué)和轉錄組學(xué)。

       除此之外，倫理方面的問(wèn)題也被視為蛋白質(zhì)組學(xué)進(jìn)軍臨床的挑戰之一。蛋白質(zhì)組學(xué)分析可以提供原始診斷之外的信息，臨床醫生將如何處理這些數據仍存在監管空白。雖然可以從此前的臨床基因組學(xué)的臨床實(shí)施中吸取一定教訓，但蛋白質(zhì)組學(xué)領(lǐng)域是一個(gè)完全不同的情況，因此在制定監管框架和指南時(shí)很難直接套用此前的標準。

       不過(guò)，盡管目前存在多種局限性，但權威專(zhuān)家對該領(lǐng)域的未來(lái)充滿(mǎn)信心，Mann指出，質(zhì)譜檢測技術(shù)將憑借其固有的特異性在臨床應用中持續發(fā)展。