氯丁烷蛋白质

项目编号：JSHC-2022121190C2项目名称：东南大学医学与生命科学平台蛋白纯化仪采购预算金额：96.0000000 万元（人民币）采购需求：东南大学医学与生命科学平台采购蛋白纯化仪一套，主要功能要求如下：可以进行生物大分子的范例纯化，已知和未知蛋白质的纯化，蛋白质的结构动力学药物作用靶点研究，药物蛋白的分离，蛋白质工程药物的合成，蛋白质的定性，基因表达产物的分离。主要技术要求如下：蛋白纯化系统主机部分系统泵：精确的全自动微量柱塞泵，双泵四泵头，每个泵头都有独立除气阀。流速：0.001-25ml/min；装柱可以双泵模式运行，达到0.1–50ml/min。压力范围：0–20 MPa (200bar，2900 psi)；梯度流速范围：0.5-25ml/min。具备恒压调速功能，自动根据压力调节流速输出，使压力保持稳定。项目编号：JSHC-2022121193C7项目名称：东南大学医学与生命科学平台蛋白质稳定分析仪采购预算金额：43.0000000 万元（人民币）采购需求：东南大学医学与生命科学平台采购蛋白质稳定分析仪一套，主要技术要求如下：（1）适用范围：可分析任意类型的蛋白样品：病毒颗粒、膜蛋白、标签蛋白、酶、抗体、激酶、多聚复合物等。（2）样品数量：≥6 个（3）测量时间：≤3 分钟（4）样品消耗量：≤10 µL合同履行期限：详见采购文件本项目( 不接受 )联合体投标。

谷物含有8-15%的不同种类的蛋白质，如白蛋白、球蛋白、脯氨酸、麦胶蛋白、谷蛋白和谷蛋白。它们的化学成分不仅具有营养价值，而且对面团及其烘焙过程也很重要。麦胶蛋白和谷蛋白与水接触形成谷蛋白，谷蛋白是一种脂蛋白物质，它赋予面团粘度、弹性和凝聚力，帮助面团发酵并保持形状 它存在于小麦和其他谷物中，包括大麦和黑麦。目前，人们对谷蛋白的兴趣主要集中在它的技术应用上，但也包括它的健康问题(腹腔疾病)。麸质并非天然存在于玉米、大米或燕麦中，但可能会被加工小麦、大麦或黑麦产品的设施交叉污染。从法律的角度来说，了解谷物面粉中蛋白质的含量是很重要的，因为一般来说，它们的商业质量取决于这一点。 采用意大利VELP使用DKL 20和udk159的凯氏定氮法测得结果与期望值一致，重复性好，相对标准偏差低(RSD 1%)，重复性好。

俗话说：文无第一，如果非要整出个蛋白质质谱与蛋白质组学领域世界第一牛人，显然并不是一件容易的事，也注定是一件有争议的事。作为一个半路出家的准业内人，我就本着无知者无畏的革命精神，说一下我自己心目中的第一牛人：Ruedi Aebersold。 　　考虑到科学网的大多数网友对蛋白质组学并不了解，先简单科普一下，根据百度百科的定义：“蛋白质组学(Proteomics)一词，源于蛋白质(protein)与 基因组学(genomics)两个词的组合，意指“一种基因组所表达的全套蛋白质”，即包括一种细胞乃至一种生物所表达的全部蛋白质。” 1995年(也有1994，1996年之说)Marc Wikins首次提出蛋白质组(Proteome)的概念1，1997年, Peter James(就职于有欧洲MIT之称的瑞士联邦工学院(ETH))又在此基础上率先提出蛋白质组学的概念2。基因组学和蛋白质组学的概念又进一步催生了N多的各种各样的组学(omics)，两者的诞生的发展，也使系统生物学成为可能，本文的主人公Ruedi Aebersold与Leroy Hood一起于2000年在美国西雅图创办了系统生物学研究所(ISB),该所的建立不但标志着系统生物学作为一门独立的学科的诞生(此句话貌似不靠谱，参见文后14楼的评论)，也带动了包括蛋白质组学在内的多种组学的发展，当然各种组学的发展也同时促进了系统生物学的发展。尽管日本也于2000年在东京建立了系统生物学研究所，但是同为第一个吃螃蟹的，东京的这个所，无论是学术水平还是世界影响都无法和西雅图的那个系统生物学领域的麦加相提并论。闲话少叙，我之所以认为Ruedi Aebersold是蛋白质质谱与蛋白质组学领域世界第一牛人，是基于如下原因： 　　Ruedi Aebersold对蛋白质组学的最大贡献可谓是同位素代码标记技术(ICAT)，现在这一蛋白组定量技术自从1999年在Nature上发表以来，该技术已世界广泛应用，该论文迄今(截至2013年1月11日)已被引用了近3000次。Web of Science的检索结果显示，蛋白组学领域迄今已经至少有超过10万篇论文发表，按照被引用次数排名，该论文位居第三位。有意思的是，被引用次数排第四位的是Ruedi Aebersold和另外一位牛人Mathias Mann(下面会介绍)于2003年发表在Nature上的有关蛋白质质谱与蛋白质组学的综述论文，迄今也已被引用近2800次。而引用次数排第一和第二的两篇论文的通讯作者并算不上是蛋白质质谱与蛋白质组学领域的，蛋白质组学仅仅是他们使用的工具，他们的影响也在这个领域之外。蛋白质组学领域，最重要的专业协会应该算是HUPO (国际人类蛋白质组组织), 最重要的专业会议也当属HUPO世界大会，Ruedi Aebersold曾获HUPO含金量最高的成就奖，他本人也经常是HUPO世界大会的分会主席或大会特邀报告人。当然Aebersold还获得了包括美国质谱协会(ASMS)大奖在内的许多专业大奖。可能有人会列出另外的自己心中的第一牛人(如上述的Mathias Mann)，但Ruedi Aebersold无疑至少是领域内公认的前几位的世界级牛人。另外，顺便说一下德国马普所的Mathias Mann(其在丹麦首都也有实验室)，Mann和Aebersold可谓是蛋白质组学领域的双子星座，都是该领域的顶级牛人，Mann发表的论文有多篇都在蛋白质组学领域被引用次数前10位，不少被引用次数都上千次。上述的Mann和Aebersold两人能在Nature发表综述论文也说明了他们的江湖地位。Aebersold和Mann所发表的论文总被引次数分别超过了5万和3万次，这个数字在世界所有领域都是惊人的。另外，Mathias Mann在蛋白质组学最大的贡献可以说是发明了蛋白质组体内标记技术SILAC3,这种技术与Ruedi Aebersold发明的ICAT已及另外一种标记iTRAQ是公认的应用最为广泛的蛋白质组学定量标记技术。 　　今年年近花甲的Ruedi Aebersold是世界蛋白质组学的开拓者之一，现在在上述的ETH的工作，和最早提出蛋白质组学Peter James在同一个大学。作为土生土长的瑞士人，Ruedi Aebersold是在2004年底、2005年初才开始在ETH全职工作的，可谓是瑞士的大海龟。Ruedi Aebersold此前在西雅图的ISB和华盛顿大学工作，作为ISB的元老和共同创办人，Ruedi Aebersold现在还是ISB的兼职教授，发表论文时也还署ISB地址。Mann和Aebersold都是欧洲人，现在又都致力于将蛋白质质谱与蛋白质组学应用到临床，尽管蛋白质组学已有十多年发展历史，现在最大的一个瓶颈可以说在基本无法应用到临床，现有的技术，对于临床应用而言，时间和经济成本都太高(无法高通量、检测成本太贵)。这一块硬骨头显然不是一般人能够啃得动的，需要从临床样品制备、质谱技术到数据分析都要有突破甚至革命性的创新，我很期待，也相信Mann和Aebersold有能力最终使蛋白质组学(尤其是基于此的生物标志物鉴定技术)应用到临床。 　　我国在蛋白质质谱与蛋白质组学领域在世界上最出名的无疑非贺福初莫属，贺福初的名字在国内搞蛋白质组学应该都知道他的名字，他的头衔很多(如将军、院士)，我就不一一列举了，新年伊始他又多了一个牛头衔：万人计划中的科技领军人才。贺的工作和学术水平，我不熟悉，不敢评头论足。他的文章被引用次数最高的是发表在Cancer Research一篇论文，迄今已有126次，但并非是蛋白质组学领域。在蛋白质组学领域，他的被引次数(含自引)最高的论文是2007年发表在蛋白质组学顶级期刊MCP的文章4，迄今已有105次引用。蛋白质质谱领域，我国在世界上最出名的学者估计要数复旦大学的杨芃原了，他的被引用次数最高的一篇论文，是2005年发表在化学顶级期刊德国应用化学的文章5，迄今已被引用70次，杨芃原为该论文的共同通讯作者。我国在蛋白质组学目前被引用次数最高的是南开大学王磊(澳大利亚海归、长江学者)2007年发表在美国科学院院刊(PNAS)的论文6，迄今被引次数已经超过500次。 　　蛋白质质谱仪主要生产商Thermo Fisher(即原来的Finnegan), 最近新出了本挂历，这本特别的挂历上列了13位在蛋白质质谱与蛋白质组学领域的牛人，上述的Ruedi Aebersold和Mathias Mann都在之列，其余11位简单介绍、列表如下。 姓 名 工作单位 主要贡献 Richard D. Smith 美国太平洋西北国家实验室 1990年首次用三重四级杆质谱Top-down（自上而下）分析完整蛋白 John Yates III 美国Scripps研究所 SEQUEST MS/MS数据库搜索程序 Joshua Coon 美国威斯康星大学麦迪逊分校 发明了电子转移解离技术(ETD) Neil Kelleher 美国西北大学 Top-down蛋白质组学 Kathryn Lilley 英国剑桥大学 蛋白质组学定量技术 Pierre Thibault 加拿大蒙特利尔大学 应用生物质谱和蛋白质组学到细胞生物学 Michael MacCoss 美国华盛顿大学（西雅图） 稳定同位素标记技术 Albert Heck 荷兰Utrecht大学 基于质谱的结构生物学 Catherine Costello 美国波士顿大学 HUPO前任主席，质谱技术发展及应用 Alexander Makarov 德国Thermo Fisher Scientific 生物质谱全球研发总监 领导研发Orbitrap质谱仪 Donald Hunt 美国弗吉尼亚大学 FT-MS and ETD 　　简单的说，上述13位世界级牛人都来自欧美，没有一位来自亚洲，也没有一位华人。我不知道以Ruedi Aebersold代表的上述牛人是如何炼成的，但可以肯定的是：他们不是欧美版的“百人”计划，也不是“千人”计划，更不是“万人”计划而“计划”出来的。网上的公开信息表明：Ruedi Aebersold除了在国际专业协会和期刊有学术兼职外，没有任何行政职务，就是一普通教授，但是这不妨碍他成为蛋白质质谱与蛋白质组学领域世界第一牛人。

蛋白质是生命的物质基础，每个蛋白质的氨基酸链扭曲、折叠、缠绕成复杂的结构，想要破解这种结构通常需要花很长的时间，甚至难以完成。截至目前，约有10万个蛋白质的结构已经用实验方法得到了解析，但这在已经测序的数10亿计的蛋白质中只占了很小一部分。　　但“看清”蛋白的结构和人类的很多疾病机理、药物研发等等息息相关。在蛋白质结构解析的几十年历史中，X射线晶体学、核磁共振波谱学(NMR)、冷冻电镜(Cryo-SEM)技术纷纷发挥了巨大的贡献，但这些技术在科学界看来，都有着劳心劳力又价格高昂的缺点。　　如何简单地通过蛋白质的氨基酸序列来预测其形状?如何能解答这一问题，了解生命运作方式的将打开截然不同的一扇窗。这种设想提出的50多年后，谷歌旗下人工智能公司DeepMind在去年12月的国际蛋白质结构预测竞赛CASP上投下重磅，他们开发的基于神经网络的新模型AlphaFold2击败了其他选手，在预测准确性方面达到接近人类实验结果，让整个结构生物学界震惊。北京时间7月15日，DeepMind团队在顶级学术期刊《自然》(Nature)以“加快评审文章”(Accelerated Article Preview)形式在线发表了一篇题为“Highly accurate protein structure prediction with AlphaFold”的论文，全面详述了半年前造成轰动的这一模型，并首次对外分享开源代码。该论文于今年5月11日提交，7月12日被接收。　　DeepMind团队提供了一份声明，公司创始人兼首席执行官Demis Hassabis在声明中表示，去年在CASP14大会上我们揭晓了一个可以将蛋白质3D结构预测精确到原子水平的全新AlphaFold系统，此后我们承诺会分享我们的方法，并为科学共同体提供广泛、免费的获取途径。　　“今天我们迈出了承诺的第一步，在《自然》期刊上分享AlphaFold的开源代码，并发表了系统的完整方法论，详尽细致说明AlphaFold是如何做到精确预测蛋白质3D结构的。作为一家致力于推动科学进步的公司，我们期待看到我们的方法将为科学界启发出什么其他新的研究方法，也期待很快能和大家分享更多我们的新进展。”Hassabis表示。值得一提的是，就在同一天，另一顶级期刊《科学》(Science)也在线发表了另一预测蛋白质结构的研究文章，题为“Accurate prediction of protein structures and interactions using a three-track neural network”。　　来自华盛顿大学、哈佛大学、德克萨斯大学西南医学中心等团队的研究人员开发了新的深度学习工具RoseTTAFold，其拥有媲美AlphaFold2的蛋白质结构预测超高准确度，而且更快、所需计算机处理能力更低。同样，研究团队也对外分享了开源代码。该论文提交于6月7日，7月7日被接收。　　清华大学生命科学学院院长、高精尖中心执行主任王宏伟表示，“高质量结构预测的源代码开放对整个科学界尤其是结构生物学领域的促进作用必然是巨大的。”他评价道，对于DeepMind这样一家商业公司来说，“团队愿意向公众分享代码，是一个新型科研范式的突破，将整体上有利于人类更好地探索未知。”　　预测蛋白质结构，接近实验室测量　　50多年前，科学家们就设想用计算机预测蛋白质结构。近年来，共同演化、接触图预测、深度机器学习等技术的引入，一些实验室的算法精度有了很大程度的提高。　　曾经开发出Alphago、战胜人类顶尖棋手的DeepMind团队是其中的佼佼者，其团队的强大和资源雄厚是一般实验室无法企及的。2020年12月1日，他们在生物领域展现出实力，在两年一度的权威蛋白质结构预测评估竞赛(CASP)中用AlphaFold2击败其他参赛团队。　　CASP是由马里兰大学John Moult教授等人于1994年组织。竞赛使用的是最新解决且尚未在蛋白质数据库(PDB)中存放或公开披露的结构，结构生物学家们利用X射线晶体学、核磁共振波谱学、冷冻电镜的方法，把这些蛋白质的结构解析出来。做蛋白质结构预测的团队则利用计算机程序来预测它们的结构。最后由独立的科学家团队则把计算机预测的模型和实验室的结构对照，分析不同计算机算法的预测结果。这是一种“双盲”测试，长期以来一直是评价结构预测准确性的金标准。　　去年的CASP14共有84个常规题目，其中有14题因为生物实验没给出确定结构等原因被取消或延缓，其他70个题目的单体和复合物蛋白质所含有的氨基酸个数从73到2180不等。　　19个国家的215个小组参加了CASP14。DeepMind公司的AlphaFold2预测的大部分结构达到了空前的准确度，不仅与实验方法不相上下，还远超解析新蛋白质结构的其他方法。将实验方法得到的蛋白质结构叠加在AlphaFold2的结构上，组成蛋白质主链骨架的叠加原子之间的距离中位数(95%的覆盖率)为0.96埃(0.096纳米)。成绩排第二的方法只能达到2.8埃的准确度。　　AlphaFold2的神经网络能在几分钟内预测出一个典型蛋白质的结构，还能预测较大蛋白质(比如一个含有2180个氨基酸、无同源结构的蛋白质)的结构。该模型能根据每个氨基酸对其预测可靠性进行精确预估，方便研究人员使用其预测结果。　　AlphaFold2最终被Moult评价道，“在某种意义上，问题已经解决了”。　　值得一提的是，在最新发布的论文中，DeepMind还简化了AlphaFold2。AlphaFold的首席研究员John Jumper说，“这个网络需要几天的计算时间来生成CASP的一些蛋白质的结构，而开源版本的速度要快16倍。根据蛋白质的大小，它可以在几分钟到几小时内生成结构。”　　受AlphaFold2的启发，华盛顿大学医学院生物化学家、蛋白质设计研究所所长David Baker等人开发了RoseTTaFold。华盛顿大学医学院官网对该研究的介绍称，在高精度的蛋白质结构预测方面，Baker等人“在很大程度上重现了DeepMind团队的表现。”　　相较于AlphaFold2只解决了单个蛋白质的结构，RoseTTaFold不仅适用于简单的蛋白质，也适用于蛋白质复合物。据介绍，RoseTTaFold利用深度学习技术，根据有限信息准确、快速地预测蛋白质结构。从结构上来看，RoseTTAFold 是一个三轨(three-track)神经网络，它可以兼顾蛋白质序列的模式、氨基酸如何相互作用以及蛋白质可能的三维结构。在这种结构中，一维、二维、三维信息来回流动，使得网络能够集中推理蛋白质的化学部分与它的折叠结构。巴塞尔大学的计算结构生物学家Torsten Schwede对《科学》杂志说，许多生物功能依赖于蛋白质之间的相互作用。“直接从序列信息中处理蛋白质-蛋白质复合物的能力使其对生物医学研究中的许多问题极具吸引力。”　　Baker同时坦言，AlphaFold2的结构更加准确。但是根特大学的结构生物学家Savvas Savvides说，Bake实验室的方法更好地捕捉到了“蛋白质结构的本质和特性”，比如识别从蛋白质侧面伸出的原子串，这些特征是蛋白质之间相互作用的关键。　　纽约大学医学院的细胞和结构生物学家Gira Bhabha说，两种方法都很有效。她表示，“DeepMind和Baker实验室的进展都是惊人的，将改变我们利用蛋白质结构预测推进生物学的方式。”　　开源代码，如何促进整个科学界?　　相比于去年年底带来的震撼，这次外界更感兴趣的是上述两支团队开源代码这一动作。　　此前的6月中旬，在Baker实验室发布RoseTTAFold预印本三天之后，DeepMind的Hassabis在推特上表示，AlphaFold2的细节正在接受一份出版物的审查，公司将“为科学界提供广泛的免费访问”。　　而从6月1日开始，Baker等人已经开始挑战他们的方法，让研究人员发送来他们最令人困惑的蛋白质序列。加州大学旧金山分校的结构生物物理学家David Agard的研究小组发送了一组没有已知类似蛋白质的氨基酸序列，几个小时内，他的团队就得到了一个蛋白质模型，“这可能为我们节省了一年的工作。”Agard说。　　除了免费提供RoseTTaFold的代码外，Baker团队还建立了一个服务器，研究人员可以插入蛋白质序列并得到预测的结构。贝克说，自从上个月推出以来，该服务器已经预测了大约500人提交的5000多种蛋白质的结构。　　不过，上述两支团队的源代码都是免费的，但也有观点认为，对于没有技术专长的研究人员来说，它可能还不是特别有用。不过，DeepMind的科学人工智能负责人Pushmeet Kohli表示，DeepMind已经与一些选定的研究人员和组织合作，以预测特定的目标，其中包括总部位于瑞士日内瓦的非营利组织“Drugs for ignored Diseases”。“在这个领域，我们还有很多想做的事情。”　　Hassabis提到，去年在CASP14大会上我们揭晓了一个可以将蛋白质3D结构预测精确到原子水平的全新AlphaFold系统，此后我们承诺会分享我们的方法，并为科学共同体提供广泛、免费的获取途径。“今天我们迈出了承诺的第一步，在《自然》期刊上分享AlphaFold的开源代码，并发表了系统的完整方法论，详尽细致说明AlphaFold是如何做到精确预测蛋白质3D结构的。作为一家致力于推动科学进步的公司，我们期待看到我们的方法将为科学界启发出什么其他新的研究方法，也期待很快能和大家分享更多我们的新进展。”　　DeepMind团队认为，这一精准的预测算法可以让蛋白质结构解析技术跟上基因组革命的发展步伐。　　Baker团队也提到，“我们希望这个新工具将继续造福整个研究界。”　　中国科学院合肥物质科学研究院强磁场科学中心研究员谢灿对澎湃新闻(www.thepaper.cn)记者表示，“总的来说，对学术界来肯定是好事，肯定会促进结构生物学和相关领域的发展。在承认学术贡献的基础上的开放和共享，本来就应该是学术研究最基本的要求。”　　结构生物学是谢灿的“老本行”，“我当年花了8年的时间去解析一个蛋白的晶体结构，我能切身体会如果有一个精准预测蛋白结构的算法出现，对结构生物学家意味着什么。”　　但他认为，不必要担忧这些算法的出现会让结构生物学家失业，在技术迭代之下，结构生物学这些年受到的冲击太多了，“而事实上，只不过是某一个领域某一个技术在某一个历史阶段更容易出工作出成绩。”谢灿认为，无论再精准的预测，终究也只是预测，“AlphaFold2不是实验，同样也需要实验去证实。”　　王宏伟在AlphaFold2刚出现之时也曾评价道，对于复杂的结构生物学问题，预测手段本身还不能号称完全解决了问题。实验结构生物学领域接下来需要做的一个事情是要拥抱变化，更好地与预测方法结合以及共同发展。

相关新闻：四川质监局2178万检测仪器大单揭晓 　　　　　　　新疆质监局3400万仪器大标公布结果 　　　　　　　泉州质监局2000万元采购仪器设备 　　2012年10-11月，东方国际招标有限责任公司就中国科学院上海生命科学研究院蛋白质科学研究(上海)设施采购项目所需的货物和服务，以公开招标的方式进行采购。目前，该项目各批次的中标结果都已公布，据不完全统计，采购金额已高达946万美元，折合人民币为5891万元。此外，上海中招招标有限公司也就中国科学院上海生命科学研究院蛋白质科学研究(上海)设施采购项目进行过一次招标采购，采购金额为500余万元。 　　以下为2012年上海生科院蛋白质研究项目采购仪器概况： 招标编号 包号 货物名称 数量 （台/套） 中标厂商及金额 定标日期 OITC-G12030348 1 高通量自动化蛋白质真核表达系统 1 有效投标商不足3家，废标 2012年11月06日 2 高通量自动化克隆构建系统 1 3 光镊系统 1 OITC-G12030411 1-1 自动化结晶溶液配置机器人 1 北京华康枫泰科技发展有限责任公司 美元1,584,221.00 2012年11月27日 1-2自动化晶体观察机器人 2 2-1 蛋白纯化仪 5 上海达迈生物科技有限公司 美元395,000.00 2-2 蛋白纯化仪 5 3 高通量自动化蛋白质真核表达系统 1 上海达迈生物科技有限公司 美元930,000.00 4 原子力显微镜 1 布鲁克（北京）科技有限公司 美元340,000.00 OITC-G12030424 1-1 单光子激光共聚焦显微镜 2台 北京脑泰科技发展有限公司 美元2,969,000.00 2012年11月28日 1-2 双光子显微镜 1台 1-3 转盘式激光共聚焦显微镜 1台 1-4 超高分辨率显微镜 1台 1-5 单分子荧光超高分辨率显微镜 1台 OITC-G12030425 1 高通量自动化蛋白质真核表达系统 1 贝克曼库尔特商贸（中国）有限公司 美元470,000.00 2012年11月28日 2 高通量自动化克隆构建系统 1 贝克曼库尔特商贸（中国）有限公司 美元440,000.00 OITC-G12030426 1 高通量自动化蛋白质纯化系统 1 贝克曼库尔特商贸（中国）有限公司 美元990,000.00 2012年12月05日 2 自动化蛋白质结晶机器人 2 北京博瑞微晶科技有限公司 美元210,000.00 OITC-G12030457 1-1 液相色谱/高分辨质谱仪 1 北京华康枫泰科技发展有限责任公司 美元1,127,078.00 2012年12月13日 1-2 液相电喷雾三级四极杆-高分辨混合型质谱仪 1 　　项目名称：中国科学院上海生命科学研究院蛋白质科学研究(上海)设施采购项目 　　采购人名称：中国科学院上海生命科学研究院 　　采购人地址：上海市岳阳路320号 　　采购人联系方式：021-54920155 　　采购代理机构名称：上海中招招标有限公司 　　采购代理机构地址：上海市中山南路268号新源广场1号楼502室 　　招标公告日期：2012年11月13日 　　定标日期：2012年12月4日 　　招标编号：STC12A191 　　第01包：小动物化学发光荧光成像系统 　　中标人名称: 台湾冷泉港生物科技股份有限公司上海代表处 　　中标金额: USD20.5万元 　　第02包：小鼠独立通气笼盒 　　中标人名称: 深圳市泓腾生物科技有限公司 　　中标金额: RMB282万元 　　第03包：洗笼机 　　中标人名称: 深圳市依科曼医疗设备有限公司 　　中标金额: USD14.9800万元 　　采购用途： 科研 　　评委委员会成员名单：韩思道，姚黎明，李立声，詹玉龙，陈浩杰。 　　招标代理机构联系人和联系方式：胡玮 　　联系电话：021—51156622*5021 　　上海中招招标有限公司 　　2012年12月4日

几种不同折叠模式的蛋白质模型(图片来源Protein Data Bank Japan ) 　　上个世纪初，科学家们认为蛋白质是生命体的遗传物质，而具有独特的作用。随着这个理论被证伪，真正的遗传物质DNA的结构被给予了很大关注。然而，蛋白质作为生命体的重要大分子，其重要性也从未被忽视，而且在1950年代开始，科学家一直在探寻DNA序列和蛋白质序列的相关性。与此同时，蛋白质测序和结构解析蛋白质结构的努力开始慢慢获得回报。更多的生化研究揭示了蛋白质的功能重要性，因此蛋白质的三维结构的解析对于深入理解蛋白质功能和生理现象起着决定性作用。 　　本文简要回顾了蛋白质结构解析的重大历史事件，并总结了蛋白质结构解析的常用方法和结构分析方向。通过了解蛋白质结构，能够让我们更好地理解生物体的蛋白的理化特性，以及其相关联的化学反应途径及其机制，对于我们认识生物世界和研发治疗方法和药物都起着关键作用。在即将召开的2015高分辨率成像与生物医学应用研讨会上，各位专家学者将会进一步讨论相关议题。 　　蛋白质结构解析六十年来大事件 　　在1958年，英国科学家John Kendrew和Max Perutz首先发表了用X射线衍射得到的高分辨率的肌红蛋白Myoglobin的三维结构，然后是更加复杂的血红蛋白Hemoglobin。因此，这两个科学家分享了1962年的诺贝尔化学奖。事实上，这项工作在早在1937年就开始了。 　　然后在1960年代，蛋白质结构解析方法不断进步，获得了更高的解析精度。这个时期，蛋白质序列和DNA序列间关系也被发现，中心法则被Francis Crick提出，然后科学界见证了分子生物学的崛起。分子生物学(Molecular Biology)的名称在1962年开始被广泛接受和使用，并逐渐演变出一些支派，如结构生物学。然后在1964年，Aaron Klug提出了一种基于X射线衍射原理发展而来的全新的方法电子晶体学显微镜(crystallographic electron microscopy )，可以解析更大蛋白质或者蛋白质核酸复合体结构。因为这项研究，他获得了1982诺贝尔化学奖。1969年，Benno P. Schoenborn 提出可以用中子散射和原子核散射来确定大分子中固定位置的氢原子坐标。 　　进入1970年代，很多新的方法开始发展。存储蛋白质三维结构的Protein Data Bank(1971年) 开始出现，这对于规范化和积累蛋白质数据有着重要意义。1975年新的一种仪器叫做多丝区域检测器，让X-ray的检测和数据收集更加快速高效。次年，Robert Langride将X-ray衍射数据可视化，并在加州大学圣地亚哥分校成立了一个计算机图形实验室。同年，KeithHodgson和同事首次证明了可以使用同步加速器获得的X射线并对单个晶体进行照射，并取得了很好的实验效果。然后在1978年，核磁共振NMR首次被用于蛋白质结构的解析 同年首个高精度病毒(西红柿丛矮病毒)衣壳蛋白结构被解析。 　　在1980年代，更多蛋白质结构被解析，蛋白质三维结构的描述越来越成熟，而且蛋白质结构解析也被公认成为药物研发的关键步骤。在1983年，冷冻蚀刻的烟草花叶病毒结构在电子显微镜结构下得到描述。两年后德国科学家John Deisenhofer等解析出了细菌光合反应中心，因此他们共享了1988年的诺贝尔化学奖。次年，两个课题组解析了HIV与复制相关的蛋白酶结构，对针对HIV的药物研发提供了理论基础。 　　下一个十年，因为大量同步加速器辅助的X射线衍射的使用，数千个蛋白质结构得到解析，迎来了蛋白质结构组的曙光。1990年多波长反常散射方法(MAD)方法用于X射线衍射晶体成像，与同步辐射加速器一起，成为了近二十多年来的最常用的的方法。Rod MacKinnon在199年发表了第一个高精度的钾离子通道蛋白结构，对加深神经科学的理解起了重要作用，因此他分享了2003年的诺贝尔化学奖。Ada Yonath等领导的课题组在1999年首次解析了核糖体结构(一种巨大的RNA蛋白质复合体)。　　进入新千年，更多的技术细节被加入到蛋白质解析研究领域。2001年，Roger Kornberg和同事们描述了第一个高精度的RNA聚合酶三维结构，正因此五年后他们共享了诺贝尔化学奖。2007年，首个G蛋白偶联受体结构的解析更是对药物研究带了新的希望。近些年来，越来越多的大的蛋白质结构得到解析。Cryo-EM超低温电子显微镜成像用于超大蛋白质结构成像的研究日益成熟，并开始广泛用于蛋白质结构的解析。 　　蛋白质结构解析的常用实验方法 　　1.X-ray衍射晶体学成像 　　X射线衍射晶体学是最早用于结构解析的实验方法之一。X射线是一种高能短波长的电磁波(本质上属于光子束)，被德国科学家伦琴发现，故又被称为伦琴射线。理论和实验都证明了，当X射线打击在分子晶体颗粒上的时候，X射线会发生衍射效应，通过探测器收集这些衍射信号，可以了解晶体中电子密度的分布，再据此析获得粒子的位置信息。利用这种特点，布拉格父子研制出了X射线分光计并测定了一些盐晶体的结构和金刚石结构。首个DNA结构的解析便是利用X射线衍射晶体学获得的。 　　后来，获得X射线来源的技术得到了改进，如今更多地使用同步辐射的X射线源。来自同步辐射的X射线源可以调节射线的波长和很高的亮度，结合多波长反常散射技术，可以获得更高精度的晶体结构数据，也成为了当今主流的X射线晶体成像学方法。由X射线衍射晶体学解析的结构在RCSB Protein Data Bank中占到了88%。 　　X射线衍射成像虽然得到了长足的发展，仍然有着一定的缺点。X射线对晶体样本有着很大的损伤，因此常用低温液氮环境来保护生物大分子晶体，但是这种情况下的晶体周围环境非常恶劣，可能会对晶体产生不良影响。而且，X射线衍射方法不能用来解析较大的蛋白质。 　　上海同步辐射加速器外景(图片来源 上海同步辐射光源网站) 　　2.NMR核磁共振成像 　　核磁共振成像NMR全称Nuclear magnetic resonance，最早在1938被Isidor Rabi (1946年诺贝尔奖)描述，在上世纪的后半叶得到了长足发展。其基本理论是，带有孤对电子的原子核(自选量子数为1)在外界磁场影响下，会导致原子核的能级发生塞曼分裂，吸收并释放电磁辐射，即产生共振频谱。这种共振电磁辐射的频率与所处磁场强度成一定比例。利用这种特性，通过分析特定原子释放的电磁辐射结合外加磁场分别，可以用于生物大分子的成像或者其他领域的成像。有些时候，NMR也可以结合其他的实验方法，比如液相色谱或者质谱等。 　　RCSB Protein Data Bank数据库中存在大约11000个用NMR解析的生物大分子结构，占到总数大约10%的结构。NMR结构解析多是在溶液状态下的蛋白质结构，一般认为比起晶体结构能够描述生物大分子在细胞内真实结构。而且，NMR结构解析能够获得氢原子的结构位置。然而，NMR也并非万能，有时候也会因为蛋白质在溶液中结构不稳定能难得获取稳定的信号，因此，往往借助计算机建模或者其他方法完善结构解析流程。 　　使用NMR解析的血红蛋白结构建模(图片来源RCSB PDB) 　　3.Cryo-EM超低温电子显微镜成像 　　电子显微镜最早出现在1931年，从设计之初就是为了试图获得高分辨率的病毒图像。通过电子束打击样本获得电子的反射而获取样本的图像。而图像的分辨率与电子束的速度和入射角度相关。通过加速的电子束照射特殊处理过的样品表明，电子束反射，并被探测器接收，并成像从而获得图像信息。具体做法是，将样品迅速至于超低温(液氮环境)下并固定在很薄的乙烷(或者水中)，并置于样品池，在电子显微镜下成像。图像获得后，通过分析图像中数量众多的同一种蛋白质在不同角度的形状，进行多次的计算机建模从而可以获得近原子级别的精度(最低可以到2.0埃)。 　　Cyro-EM解析TRPV1离子通道蛋白(图片来源Structure of the TRPV1 ion channel ) 　　将电子显微镜和计算机建模成像结合在一起的大量实践还是在新世纪之后开始流行的。随着捕捉电子的探测器技术(CCD技术，以及后来的高精度电子捕捉、电子计数electron counting设备)的提升，更多的信息和更低的噪音保证了高分辨率的图像。 　　近些年来，Cryo-EM被用来解析很多结构非常大(无法用X-ray解析)的蛋白质(或者蛋白质复合体)，取得了非常好的结果。同时，单电子捕捉技术取代之前的光电转换成像的CCD摄像设备，减少了图像中的噪音和信号衰减，同时并增强了信号。计算机成像技术的成熟和进步，也赋予了Cryo-EM更多的进步空间。然而，Cyro-EM与X-ray不同，该方法不需要蛋白质成为晶体，相同的是都需要低温环境来减少粒子束对样品的损害。 　　除去介绍的这三种方法以外，计算机建模技术也越来越多地被用在了蛋白质结构解析中。而且新解析的结构也会提高计算机建模的精确度。未来，我们或许能够用计算机构建原子级别的细胞模型，构建在芯片上的细胞。 　　蛋白质结构对了解生命体的生化反应、有针对性的药物研发有着重要意义。从1958到如今已经接近60年，蛋白质结构解析得到了较快的发展。然而，在如今DNA测序如此高效廉价的时代，蛋白质和DNA结构解析并没有进入真正高速发展阶段，这也导致了在如此多的DNA序列数据非常的今天，结构数据却相对少的可怜。大数据时代的基因组、蛋白质组、代谢组、脂类组等飞速发展的时候，蛋白质结构组也得到了更加广泛的重视。发展高精度、高效的结构解析技术也一直都有着重要意义。未来，蛋白质结构解析，对针对蛋白质的药物筛选，和计算机辅助的药物研究研究不应被低估。未来说不定在蛋白质结构领域有着更多惊喜，让我们拭目以待。 第一届电镜网络会议部分视频回放

蛋白质是复杂的含氮有机化合物,分子量很大,大部分高达数万至数百万,分子的长链从数纳米至100nm,它们由20种氨基酸通过酰胺键以一定的方式结合,并具有一定的空间结构,所含的主要化学元素为C、H、O、N,在某些蛋白质中还含有P、Cu、Fe、I等元素,但氮的相对丰度基本稳定,是区别于其它有机化合物的主要标志。不同蛋白质的氨基酸构成比例及方式不同,所以各种蛋白质其含氮量也不同。一般蛋白质含氮量平均为16%,即1份氮素相当于6.25份蛋白质,此即蛋白质系数。 意大利VELP凯氏定氮仪在环保节能方面具有性能， 的蒸汽发生器和钛冷凝器，蒸馏滴定同步进行，分析速度快，冷却水用量仅0.5升/分钟，降低能耗从而节约了成本。因此该仪器被广泛应用于各类蛋白质检测的实验研究。 测定脱脂奶粉中蛋白质的含量，对掌握其营养价值和品质的变化，保障人体健康，合理配料，为乳制品深加工提供数据十分重要，此外，蛋白质分解产物对乳制品的色、香、味都有一定作用，所以测定具有深远意义。

大家好，本周为大家分享一篇发表在Analytical Chemistry上的文章Quantitative Structural Proteomics Unveils the Conformational Changes of Proteins under the Endoplasmic Reticulum Stress1，文章的通讯作者是来自美国佐治亚理工学院的Ronghu Wu助理教授。在真核细胞中，内质网(endoplasmic reticulum，ER)负责蛋白质组中40%蛋白质的合成和成熟。蛋白质合成或折叠过程中的变化都将影响内质网的稳态，进而导致未折叠蛋白的积累和蛋白分泌效率的降低。在过去几十年的研究中，内质网应激反应被广泛研究，但是内质网应激反应后蛋白质折叠状态的变化却没有被深入研究。基于丰度的蛋白质组学方法不能直接用于分析蛋白质状态的变化，在这篇文章中，作者整合了半胱氨酸(cysteine，Cys)共价标记、选择性富集和定量蛋白质组学，称为半胱氨酸靶向共价蛋白绘制(cysteine targeted covalent protein painting，Cys-CPP)，用于研究蛋白质组范围内的蛋白质结构和变化(图1A)。　　使用CPP分析蛋白质结构，需要一种具有高反应活性的探针。作者设计了一种针对半胱氨酸的探针，其中包含半胱氨酸反应基团、用于富集的生物素部分和用于生成半胱氨酸特异性识别位点标签的可裂解连接部分(图1B)。以变性处理后的蛋白样品作为蛋白质展开形式的参考，计算肽段在原始样本和变性样本中的比例从而获得宝贵的蛋白质结构信息。　　图1.利用半胱氨酸反应探针定量分析人细胞蛋白质组中半胱氨酸暴露率的原理。(A)Cys-CPP的一般工作流程。(B)半胱氨酸残基与探针之间的反应。富集后，进行紫外裂解，在修饰的半胱氨酸上留下一个小标记，用质谱进行位点特异性分析。　　半胱氨酸暴露率Rexpo通过每条肽段在原始样本和变性样本中的比值进行计算。结果显示：(1)半胱氨酸的暴露率和溶剂可及性呈现正相关(图2C) (2)在丝氨酸和苏氨酸等极性氨基酸残基旁边的半胱氨酸具有相对较高的暴露率，这与人们普遍认为亲水残基更有可能暴露在蛋白质表面的观点一致 (3)甘氨酸和脯氨酸附近的半胱氨酸具有更高的暴露率，这是因为这两种氨基酸通常出现在蛋白质的转角和环结构中，对半胱氨酸的空间位阻较小 (4)半胱氨酸暴露率与其有/无序区(图2D)或所处二级结构(图2E)的相关性分析均表明，较低的暴露率与更稳定和结构化的局部环境有很好的相关性。这些数据结果共同证明目前的方法可以准确地测得半胱氨酸暴露率，并为蛋白质结构提供有价值的信息。　　图2.HEK293T细胞中半胱氨酸暴露率的分析。(A) VAHALAEGLGVIAC#IGEK(#代表标记位点)的串联质谱样本。报告离子的强度使我们可以准确定量一个半胱氨酸的暴露率(左框为报告离子强度的放大视图)。(B)蛋白CCT3中被定量半胱氨酸的定位和暴露率演示(PDB代码：6qb8)。(C−E)比较不同的溶剂可及性(C)、预测无序区(D)和二级结构(E)的半胱氨酸暴露率。　　衣霉素(Tunicamycin，Tm)可抑制 N-糖基化并阻断 GlcNAc 磷酸转移酶 (GPT)。由于蛋白质的N-糖基化经常发生在共翻译过程中，在蛋白质折叠的调节中起着至关重要的作用，所以衣霉素会引起细胞内质网中未折叠蛋白的积累并诱导内质网应激。基于此，作者用衣霉素对细胞进行处理，计算并对比了衣霉素处理样本和正常样本中的半胱氨酸暴露率。正如预期的那样，Tm处理样本中许多半胱氨酸的暴露率升高，且Tm对于蛋白质不稳定区域的作用尤为显著。根据Tm处理样本和正常样本之间半胱氨酸暴露率的差值，作者将所有位点划分为5个部分，在Tm处理下，近三分之一的半胱氨酸定位区域没有明显的结构变化(差值在-0.05~0.05之间)，而28%的位点则高度暴露(差值0.15)(图3B)。对这两种蛋白质进行基因本体(GeneOntology，GO)功能富集分析(图3C)，结果显示：差值在-0.05~0.05之间的蛋白通常是糖异生或折叠过后具有良好结构区域的蛋白，而差值0.15的蛋白则是与囊泡转运相关的蛋白。这表明抑制N-糖基化主要影响经典分泌途径中的蛋白质，与预期相符。　　图3.利用Tm抑制蛋白质N-糖基化对蛋白质折叠影响的系统研究。(A)Tm处理和对照样品之间半胱氨酸暴露率的比较。(B) 不同暴露率变化范围内的蛋白质数量。(C)在具有高度展开或稳定区域半胱氨酸的蛋白之间进行GO功能富集分析。　　由于Tm对于预先存在的、折叠良好的蛋白质所产生的影响可能远小于对新合成蛋白的影响，分别研究Tm对这两种蛋白的影响是必要的。作者通过将目前的方法Cys-CPP与细胞培养中氨基酸的稳定同位素标记(pSILAC)结合(图4A)，探究了细胞中已存在蛋白和新合成蛋白在内质网应激作用下的不同变化。结果显示：(1)抑制N-糖基化对新合成蛋白的去折叠影响比对已存在蛋白的影响更显著(图4C) (2)N-糖基化除了调节蛋白质的二级结构外，在蛋白质三级或四级结构的形成中起着更重要的作用(图4D)。　　图4. 抑制N-糖基化对新合成蛋白和已存在蛋白折叠状态影响的研究。(A)量化新合成蛋白和已存在蛋白折叠状态变化的实验设置。(B) 经Tm处理和未经处理的细胞中新合成和已存在蛋白质的重叠。括号内为每组蛋白质数。(C)不同蛋白质组中暴露率的分布。(D) 在有或没有Tm处理的细胞中、在不同的二级结构下，新合成和已存在蛋白之间半胱氨酸暴露率的差值分布。　　本文通过设计一种半胱氨酸靶向探针，定量半胱氨酸残基的暴露率，系统地研究了蛋白质的结构以及结构的变化。结果表明，半胱氨酸暴露率与蛋白质局部结构的相关性非常好。利用该方法，作者研究了Tm引起的内质网应激反应下细胞中蛋白质的结构变化。此外，通过将Cys-CPP与pSILAC结合，研究了在内质网应激反应下原有蛋白和新合成蛋白的结构变化差异，并详细分析了内质网应激对蛋白质去折叠的影响，深入和准确地了解内质网应激下的蛋白质结构变化，有助于深入了解蛋白质的功能和细胞活性。　　参考文献：[1] Yin K, Tong M, Sun F, et al. Quantitative Structural Proteomics Unveil the Conformational Changes of Proteins under the Endoplasmic Reticulum Stress[J]. Analytical Chemistry, 2022,

中国，广州（2007年8月21日）服务科学世界领先的赛默飞世尔科技（原热电公司）延续与蛋白质组学会议的长期合作，支持并参与了第五届中国蛋白质组学大会暨首届粤港蛋白质组学学术交流会。期间，进一步推广其在蛋白质组学领域的新产品和新应用。包括基于LTQ Orbitrap平台的LTQ Orbitrap Discovery™ 和 LTQ Orbitrap XL™ 组合式质谱，以及EDT电子转移解离裂解源这一创新技术。 第五届中国蛋白质组学大会在广州南方医科大学开幕。姚开泰院士、贺福初院士等500多名专家、学者出席了开幕式。此次盛会，首次汇集了来自内地和港、澳及国际蛋白质组学研究的专家、学者的参加。 会议期间，赛默飞世尔科技特别在21日晚特别举办了Thermo Scientific Night－高峰会，邀请80多位业界精英，旨在建立前沿科技的交流平台，畅谈蛋白质组学研究的现状及其进展。同时，赛默飞世尔科技也通过大会报告，技术交流会（lunch seminar）等多种形式着重介绍了最新推出的两款基于LTQ Orbitrap组合式质谱平台上的产品：LTQ Orbitrap DiscoveryTM 和 LTQ Orbitrap XLTM。蛋白质组学研究专家John Yates教授曾经评价“LTQ Orbitrap的问世是近10多年来质谱界最令人振奋的技术突破。” 以及ETD技术为组学研究带来的全新机遇。EDT是由电子捕获解离ECD电子捕获解离ECD发展而来，其裂解方式可以提供蛋白质翻译后修饰的重要序列信息，但ECD仅能在高端的FTICR高分辨质谱上使用，而ETD的诞生，可以较为经济的方式在低分辨的离子阱质谱上实现同样的功能。它将极大有助于当今许多重要和未解决的生物学问题，是完成复杂蛋白质鉴定的有效分析方案。 欲了解更多蛋白质组学的相关信息，请浏览我们的网站www.thermo.com/proteomics, 或Email： sales.china@thermofisher.com Thermo Fisher Scientific（赛默飞世尔科技，原热电公司） Thermo Fisher Scientific(赛默飞世尔科技)（纽约证交所代码：TMO）是全球科学服务领域的领导者，致力于帮助客户使世界更健康、更清洁、更安全。公司年销售额超过90亿美元，拥有员工约30000人，在全球范围内服务超过350000家客户。主要客户类型包括：医药和生物公司，医院和临床诊断实验室，大学、科研院所和政府机构，以及环境与工业过程控制装备制造商等。公司借助于Thermo Scientific和Fisher Scientific这两个主要的品牌，帮助客户解决在分析化学领域从常规的测试到复杂的研发项目中所遇到的各种挑战。Thermo Scientific能够为客户提供一整套包括高端分析仪器、实验室装备、软件、服务、耗材和试剂在内的实验室综合解决方案。Fisher Scientific为卫生保健，科学研究，以及安全和教育领域的客户提供一系列的实验室装备、化学药品以及其他用品和服务。赛默飞世尔科技将努力为客户提供最为便捷的采购方案，为科研的飞速发展不断地改进工艺技术，提升客户价值，帮助股东提高收益，为员工创造良好的发展空间。欲获取更多信息，请浏览公司的网站：www.thermofisher.com

p style=" text-align: justify line-height: 1.75em " 　　詹显全，中南大学教授、博士研究生导师、博士后合作导师，英国皇家医学会会士(FRSM)、美国科学促进会(AAAS)会员、欧洲预测预防个体化医学协会(EPMA)的会士和国家代表、美国肿瘤学会(ASCO会士、欧洲科技合作组织(e-COST)的海外评审专家，中国抗癌药物国家地方联合工程实验室技术委员会委员、技术带头人和副主任，临床蛋白质组学与结构生物学学科学术带头人和学科负责人，国家临床重点专科建设项目重点实验室建设项目学科带头人，湖南省百人计划专家、湖南省高层次卫生人才“225”工程医学学的学科带头人、中南大学“531”人才工程专家。目前正致力于从多参数系统策略角度阐述肿瘤的分子机理、发现肿瘤分子标志物，研究并整合基因组、转录组、蛋白质组和代谢组的变异来实现肿瘤的预测、预防与个体化治疗及精准医学。已发表学术论文130 余篇，主编国际学术专著3 本，参编国际学术专著16 本，获得美国发明专利2 个。受邀在中科院1 区影响因子9.068 MassSpectrometry Reviews 和中科院2 区影响因子3.65 Frontiers in Endocrinology 的国际期刊上客座主编了3 个专刊。 /p p style=" text-align: justify line-height: 1.75em text-indent: 2em " 本篇文章仪器信息网获得授权转载，来源中国科技成果杂志。 /p p style=" text-align: center line-height: 1.75em " 　　 span style=" color: rgb(0, 112, 192) " strong 深入剖析蛋白质组学技术最新进展与应用 /strong /span /p p style=" text-align: justify line-height: 1.75em " 　　詹显全：人类结构基因组测序接近尾声，人们就从结构基因组学研究转向功能基因组学研究，即对转录组和蛋白质组进行研究。1995 年正式提出了”蛋白质组”和”蛋白质组学”的概念，距今已有25 年历史了。 /p p style=" text-align: justify line-height: 1.75em text-indent: 2em " 蛋白质组学的主要技术包括蛋白质组的分离技术、鉴定技术和蛋白质组信息学技术。 span style=" text-indent: 2em " 蛋白质组的分离技术主要有双向凝胶电泳(2DE)和多维液相色谱(2DLC)。蛋白质组的鉴定技术主要是基于质谱(MS)的技术，主要分为肽质指纹(PMF)和串联质谱(MS/MS)分析技术，其用于蛋白质大分子分析的两大离子源主要有MALDI 和ESI。质谱技术发展很快，主要朝向高灵敏度、高通量和高精度方向发展。 /span /p p style=" text-align: justify line-height: 1.75em " 　　蛋白质组信息学技术主要是用来构建蛋白质相互用网络的相关技术。蛋白质组的分离技术和质谱技术的不同联合就形成了各种类型的蛋白质组学分析技术：如2DE-MS和2DLC-MS。2DE-MS 又有2DE-MALDI-PMF 和2DE-ESI-LC-MS/MS, 该技术在蛋白质组学研究的头10-15 年是其主要技术，然而常规概念认为2DE 的通量不高，即一个2D 胶点中一般仅含有1 ～ 2 个蛋白质，通常一次实验其通量仅能鉴定几十到一千个蛋白质，这样其在蛋白质组学中的地位逐渐被淡化。 /p p style=" text-align: justify line-height: 1.75em text-indent: 2em " 2DLC-MS 主要有iTRAQ or TMT-based SCX-LC-MS/MS and labelfree LC-LC-MS/MS, 这就是人们通常说的“Bottomup”蛋白质组学，该技术在最近10 ～ 15 年在蛋白质组学中起着核心技术的作用，因为其通量明显增加，一次实验其通量可达到几千到一万的蛋白质能被鉴定，但该法鉴定的结果是一个protein group, 实质上鉴定的是编码蛋白质的基因, 而并没有鉴定到真正意义上的蛋白质，即蛋白质存在形式(Proteoforms 或Protein species)。蛋白质存在形式(Proteoforms)是蛋白质组的基本单元。人类基因大约2 万个，人类转录本至少10 万个，每个转录本指导核糖体按三联密码子决定一个氨基酸残基来合成氨基酸序列，刚合成出来的蛋白质氨基酸序列是没有功能的，它必须到达其指定的位置如胞内、胞外，和不同的亚细胞器等，形成特定的三位空间结构，并与其周围的相关分子相互作用，形成一个复合物(complex)才能发挥其功能作用。从核糖体刚合成出来到其指定的位置过程中有很多的蛋白质翻译后修饰(PTMs 据估计人体有400 ～ 600 种PTMs)。我们最近对蛋白质存在形式的概念给出了最新最完整的定义：蛋白质的氨基酸序列+ 翻译后修饰+ 空间构型+ 辅助因子+ 结合伴侣分子+ 空间位置+ 特定的功能。而蛋白质的概念被定义为：由同一个基因编码的所有蛋白质存在形式的集合体。这样，人类蛋白质组中的蛋白质存在形式(Proteoforms)至少有100 万或甚至达10 亿 (图1)。 /p p style=" text-align: center" img style=" max-width: 100% max-height: 100% width: 600px height: 427px " src=" https://img1.17img.cn/17img/images/202008/uepic/1d18fad3-b010-4ea5-a812-432853ad4ec6.jpg" title=" 1111111.png" alt=" 1111111.png" width=" 600" height=" 427" border=" 0" vspace=" 0" / /p p style=" text-align: center line-height: 1.75em " 　　图1 ：Proteoforms 的概念及形成模式 (Zhan et al,Med One, 2018 Zhan et al., Proteomes, 2019) /p p style=" text-align: justify line-height: 1.75em " 　　如此庞大数量的Proteoforms/Protein species, 如何对其进行大规模的探测、鉴定和定量，是一个至关重要的事情。目前关于Proteoforms 的研究有两套策略一是“Top-down”MS 技术， 二是“Top-down” 和“Bottom-up”相结合的技术即2DE-LC/MS 技术(图2)。 /p p style=" text-align: center" img style=" max-width: 100% max-height: 100% width: 600px height: 415px " src=" https://img1.17img.cn/17img/images/202008/uepic/94f48c94-fd0b-4959-90fb-dd399cebf074.jpg" title=" 2.png" alt=" 2.png" width=" 600" height=" 415" border=" 0" vspace=" 0" / /p p style=" text-align: center line-height: 1.75em " 　　图2 ：Proteoforms 研究技术比较(Zhan et al., Med One, 2018 Zhan et al., Proteomes, 2019) /p p style=" text-align: justify line-height: 1.75em " 　　“Top-down”MS 技术能探测、鉴定和定量Proteoforms，获得蛋白质的氨基酸序列和PTMs 信息，然而该技术的通量较低，目前最大通量鉴定到5700 个Proteoforms, 对应到860 蛋白质。 /p p style=" text-align: justify line-height: 1.75em " 　　最近，詹显全教授团队发现2DE-LC/MS 技术是一超高通量的技术平台，在探测、鉴定和定量Proteoforms方面, 可以鉴定达几十万至上100 万的Proteoforms。随着质谱灵敏度的显著提高，自2015 年以来，詹显全教授团队就发现每个2D 胶点包含了平均至少50 个甚至达几百个Proteoforms，并且大多数是低丰度的 并在近1 ～ 2 年来发表了相关论文来全面阐述2DE-LC/MS 的新理念和实践，完全打破了40 多年来人们对双向电泳的传统认识 (即一个2D 胶点中一般仅含有1 ～ 2 蛋白质)，为大规模的Proteoforms 研究提供了技术基础。Proteoforms/Protein species 概念的发展极大的丰富了蛋白质组的内涵，是蛋白质组学研究的更高层次，是国际科学发展的前沿，必将影响着整个生命科学和医学科学的研究和实践，有助于发现可靠而有效的疾病标志物，用于深度理解疾病分子机制和决定药物靶点，或者用于有效的预测、诊断、预后评估。另外，蛋白质组是表型组的重要成分，是基因组功能的最终执行者，是基因组和转录组研究所不能替代的，要实现真正的个性化医学和精准医学，蛋白质组学研究是不能绕过去的。 /p p style=" text-align: center line-height: 1.75em " 　　 span style=" color: rgb(0, 112, 192) " strong 基于整合组学发现疾病标志物才是精准发展之重 /strong /span /p p style=" text-align: justify line-height: 1.75em " 　　1. 您一直专注于肿瘤蛋白质组学的研究，例如垂体瘤、卵巢癌等相关恶性肿瘤结合组学的研究，请谈谈在这方面的最新的研究成果，以及过程中的主要挑战和解决方案 /p p style=" text-align: justify line-height: 1.75em " 　　詹显全： 垂体瘤是颅内常见肿瘤，绝大多数是良性的，只有少数具有侵袭性和恶性，并能引起激素分泌紊乱和颅内压迫症状，出现严重的临床症状，危害人体健康。临床上分为功能性垂体瘤和非功能性垂体瘤，并且非功能性垂体瘤不表现血中激素水平增加，不易早期诊断，经常是当肿瘤体积增加到压迫周围组织器官产生压迫综合征时才被诊断，这时已经是中晚期了，且其分子 /p p style=" text-align: justify line-height: 1.75em " 　　机制并不清楚，缺乏早期诊断标志物和药物治疗靶标。因此，非功能性垂体瘤被选为主要研究对象。虽然垂体瘤是在颅内，但我们认为垂体瘤是一种多病因、多过程、多结果的全身性的慢性疾病，并且还具有肿瘤的异质性 它涉及到一系列的分子改变，包括发生在基因组、转录组、蛋白质组、代谢组和相互作用组水平上的改变，而这些不同水平改变的分子和信号通路又不是孤零零的起作用，而是相互间具有千丝万缕的联系。因此，我们很难用一种单一因素来解决其预测、预防、诊断、治疗和预后评估 而必须从单因素模式转向多参数系统思维模式。垂体瘤的多病因、多过程、多结果、全身性、慢性、分子网络系统性给其“同病同治”提出了严峻挑战，同时为实现其个性化的精准预测、精准预防、精准诊断和精准治疗提供了机遇和条件。多组学(基因组学、转录组学、蛋白质组学、代谢组学、影像组学)和系统生物学技术的发展驱动了这一多参数系统思维模式的转变、推进了其个性化医学和精准医学的研究和实践。因此，我们认为多参数系统策略观和多组学是进行垂体瘤个性化医学和精准医学的研究和实践的重要理念和技术方案。 /p p style=" text-align: justify line-height: 1.75em " 　　我们从2001 开始进行垂体瘤的蛋白质组学及其翻译后修饰组学研究，从2008 年开始进行多组学和分子网络研究，及预测预防个体化医学(PPPM)和精准医学(PM)研究。经过过去近20 年未间断的研究，我们在垂体瘤的蛋白质组学、翻译后修饰组学、多组学、分子网络和系统生物学研究方面在国际上处于了主导地位。 /p p style=" text-align: justify line-height: 1.75em " 　　在我们研究过程中，我深深体会到一个重大思转变就是从以前的单参数模式转向了多参数系统思维模式，这符合肿瘤的真实情况。另外，就是多组学技术促进了这一模式的转变，并是其主要的解决方案。 /p p style=" text-align: justify line-height: 1.75em " 　　2. 从您的研究方向及重点出发，您认为多组学研究在精准医学中接下来的研究应当侧重于哪些方面，以及如何才能比较好的实现从研究到临床的转化落地? /p p style=" text-align: justify line-height: 1.75em " 　　詹显全：我的研究对象是肿瘤(垂体瘤、卵巢癌、肺癌、胶质瘤)，研究理念是肿瘤的多参数系统策略观，技术手段是多组学和系统生物学，研究的目标是要解决肿瘤的预测预防个体化医学(PPPM)和精准医学(PM)。 /p p style=" text-align: justify line-height: 1.75em " 　　我们认为多组学中的不同组学对PPPM/PM 的贡献是不平衡的，即个性化的表型组是基因组通向PPPM/PM 应用实践的桥梁，而蛋白质组和代谢组是表型组中两重要成分。蛋白质组的内涵包括蛋白质的拷贝数变化、剪切变化、翻译后修饰、转位、再分布、空间构型、与周围分子相互作用、及信号通路网络问题。代谢组的内涵涉及到体内所有物质(包括糖、脂、蛋白质、核酸)的代谢产物及其代谢网络问题。要真正实现PPPM 和PM，蛋白质组和代谢组的贡献是基因组所不能替代的是不能绕过去的。人们应从以基因组为中心的研究和实践转向以表型组为中心的研究和实践。其中蛋白质组的研究又应以翻译后修饰和蛋白质存在形式(Proteoforms)作为今后的研究方向。Proteoforms 的研究必将影响着整个生命科学和医学科学。从临床转化研究来看，基于多组学的整合生物标志物是发展方向。对于这里的生物标志物，我们将其分为两类：一类是解决疾病分子机制和药物靶点的生物标志物，这类生物标志物一定要有因果关系 一类是解决预测、诊断、预后评估的生物标志物，这类标志物不一定要求有因果关系，但必要要有量的变化。 /p p style=" text-align: justify line-height: 1.75em " 　　3. 作为EPMA(欧洲预测预防个体化医学协会)的中国代表，想请您分享下国际上对于组学研究在精准医疗中的应用现状、趋势以及发展规划 /p p style=" text-align: justify line-height: 1.75em " 　　詹显全：欧洲预测预防个体化医学协会(EPMA)是国际个体化医学领域领头的学术协会，由来自全球55 个国家和地区的专家学者组成，其创办的官方杂志EPMA Journal( 中科院2 区，ESI IF5.661) 涵盖了24 个专题内容，较全面地反映了预测预防个体化医学(PPPM)和精准医学(PM)的研究、实践与最新动态，还涉及到PPPM 和PM 的政策、伦理、卫生经济和社会保障等许多方面，为PPPM 和PM 的科研、实践提供了一个很好的交流平台。 /p p style=" text-align: justify line-height: 1.75em text-indent: 2em " 我本人作为EPMA 的中方代表(National Representative of EPMA in China) 和其官方杂志EPMA Journal 的副主编，参与了其经历的重要活动。我从2008 开始起在EPMA 中主要负责多组学和创新技术方面，在EPMA 白皮书中的“肿瘤预测预防个体化医学的多参数系统策略观”这部分最早就是我写的，之后我们写了一系列文章来论述基于多组学的多参数系统策略的研究和实践。因此，在EPMA，我们的基于多组学的多参数系统策略观还是比较早的，近五六年来多组学研究在EPMA 圈内(55 个国家和地区)发展得很快，已经深入到PPPM 的各个领域。 /p p style=" text-align: justify line-height: 1.75em " 　　另外，我认为，精准医学在理念上没错，严格意义上的精准医学是个理想化的概念，人们只能无限去逐步接近它。现阶段搞精准医学还是要回归到人类健康的保护过程，即预测、预防、诊断、治疗和预后评估，这里应该是针对个人来说而不是针对群体，严格说来应该是个性化的精准预测、精准预防、精准诊断、精准治疗和精准预后评估。对于人类健康保护过程来说，预测、预防还是上策，其次就是早诊断、早治疗。多组学研究已渗入到人类健康保护过程的每个环节，主要用来寻找基于多组学的生物标志物，当然这里的生物标志物应泛指前面说的两类：一类是解决疾病机制和治疗靶点的标志物，一类是解决预测、诊断、预后评估的标志物。 /p p style=" text-align: justify line-height: 1.75em text-indent: 2em " 因此，基于多组学的PPPM/PM 的研究和实践一定是今后发展的一个长远趋势。 /p p style=" text-align: center" img style=" max-width: 100% max-height: 100% width: 600px height: 802px " src=" https://img1.17img.cn/17img/images/202008/uepic/581ff7cf-5c3e-4fd6-8f5f-805989791ee5.jpg" title=" 詹.jpg" alt=" 詹.jpg" width=" 600" height=" 802" border=" 0" vspace=" 0" / /p p br/ /p

项目编号：0811-234DSITC0247项目名称：蛋白质组学质谱分析系统预算金额：790.0000000 万元（人民币）最高限价（如有）：790.0000000 万元（人民币）采购需求：蛋白质组学质谱分析系统/壹套（项目预算：人民币790万元，可以采购进口产品）合同履行期限：合同签订之日起至合同内容履行完毕止本项目( 不接受 )联合体投标。获取招标文件时间：2023年02月20日 至 2023年02月27日，每天上午9:00至11:30，下午13:00至16:30。（北京时间，法定节假日除外）地点：微信公众号“东松投标”方式：关注微信公众号“东松投标”，完成信息注册，即可购买招标文件售价：￥700.0 元，本公告包含的招标文件售价总和对本次招标提出询问，请按以下方式联系。1.采购人信息名称：同济大学地址：上海市四平路1239号联系方式：袁老师 021-659856142.采购代理机构信息名称：上海东松医疗科技股份有限公司地址：上海市宁波路1号申华金融大厦11楼联系方式：刘韵、王悦 0086-21-63230480转8606、86273.项目联系方式项目联系人：刘韵、王悦电话：0086-21-63230480转8606、8627

沃特世鼎力支持第七届中国蛋白质组学会 　 4月18日 杭州，第七届中国蛋白质组学大会暨第三届国际蛋白质组学论坛在西子湖畔降下了帷幕。本次大会组委不仅邀请到了蛋白质组学及相关领域的国际著名专家和教授作大会报告或专题报告，而且会议内容安排极具吸引力，来自海内外不同地区和国家上千名蛋白质组学工作者参与了本次会议。今年已经是中国蛋白质组学会的第七届会议，作为大会忠实的合作伙伴，沃特世已经连续数届参与了这一蛋白质组学的研究盛会，表达了沃特世对中国蛋白质组学事业的关注与支持。无论是在上届蛋白质组学会期间向业界推介沃特世SYNAPT G2系统,抑或在本届会议中再度亮相的沃特世Xevo 系列质谱仪，都表明了沃特世在蛋白质组研究领域的强大实力。Synapt G2提供了所有系统最高最全面的UPLC MS 以及MS/MS 性能,而日趋完备的沃特世XEVO系列质谱仪则令科学家与研究人员都发挥出分析潜能。 Waters 在第七七届中国蛋白质组学会上的展位 蛋白质组学大会的成功举办，为增进国内蛋白质组学领域专家学者的相互了解提供了良好机会；为促进本领域及相关交叉学科领域的信息交流与科研合作搭建了良好平台。而沃特世深信其技术在科学的领域的每个重大突破都为实验室工作人员及相关机构取得卓越成就奠定基础。 关于沃特世公司(www.waters.com) 50 多年来，沃特世公司(NYSE:WAT)通过提供实用和可持续的创新，使医疗服务、环境管理、食品安全和全球水质监测领域有了显著进步，从而为实验室相关机构创造了业务优势。 作为一连串分离科学、实验室信息管理、质谱分析和热分析技术的领头羊，沃特世技术的重大突破和实验室解决方案为客户的成功创造了持久的平台。 2010 年沃特世拥有 16.4 亿美元的收入和 5,400 名员工，它将继续带领全世界的客户探索科学并取得卓越成就。 联系人： 张林海 沃特世公司市场部 86(21) 61562642 lin_hai__zhang@waters.com 周瑞琳 （Grace Chow） 泰信策略（PMC） 020-83569288 grace.chow@pmc.com.cn

人类和老鼠的外貌可说是天渊之别，但实际上他们却有着近99%相同的基因组。何以&ldquo 失之毫厘差之千里&rdquo ？正是蛋白质放大了他们基因上的细微差别。 日前，中国人类蛋白质组计划全面启动。&ldquo 基因组学中微小的差异，在蛋白质组学中可以被千倍甚至几近万倍地放大。&rdquo 亚太蛋白质组组织主席、中国科学院院士贺福 初表示，这一计划的实施将对基因组序列图进行&ldquo 解码&rdquo ，进而全景式揭示生命奥秘，为提高重大疾病防诊治水平提供有效手段。 解码生命的&ldquo 密钥&rdquo 提起蛋白质，大家并不陌生。它是生物体内一种极为重要的高分子有机物，约占人体干重的54%。 不过，&ldquo 蛋白质组&rdquo 一词却鲜有人了解。其实，蝴蝶由卵变虫、成蛹、再破茧成蝶，幕后&ldquo 操盘者&rdquo 并非基因组，而是蛋白质组。&ldquo 1994年澳大利亚科学家率先提出蛋白质组这个概念，指某个时刻、某个组织、器官或个体中所有蛋白质的集合。&rdquo 贺福初说。 科学家们之所以对蛋白质组产生浓厚兴趣，还要从人类基因组计划说起。2003年4月，耗资27亿美元、经由6国科学家历时13年奋战的人类基因组计划，以人类基因组序列图的绘制完成为标志，画上了句号。 没想到，更大的挑战还在后头&mdash &mdash &ldquo 科学界曾经认为，只要绘制出了人类基因组序列图，就能了解疾病的根源，但是错了&rdquo 。国际蛋白质组组织启动计划主席萨姆· 哈纳什说，事实上，我们此时只了解10%的基因的功能，剩下的90%仍是未知的。 &ldquo 人类基因组计划并不像事前所预期的那样，能够逾越蛋白质这一生物功能的执行体层次，揭示人类生、老、病、死的全部秘密。基因组序列只是提供了一维遗传信息，而更复杂的多维信息发生在蛋白质组层面。&rdquo 贺福初表示。 就 人体而言，各个器官的基因组是一样的，而它们之所以形态、功能各异，正是其结构与功能的物质基础&mdash &mdash 不同的蛋白质组在&ldquo 操盘&rdquo 。&ldquo 就像蛹化蝶，无论形态如 何变化，基因组是不变的。&rdquo 军事医学科学院放射与辐射医学研究所研究员钱小红说，人的每一种生命形态，都是特定蛋白质组在不同时间、空间出现并发挥功能的 结果。比如，某些蛋白质表达量偏离常态，就能够表征人体可能处于某种疾病状态。 &ldquo 无论是正常的生理过程还是病理过程，最直接的体现是蛋白质以及它们的集合体&mdash &mdash 蛋白质组。&rdquo 上述专家们表示。&ldquo 生，源于基因组；命，却一定由蛋白质组决定。只有蛋白质组才能根本阐释生命。&rdquo 贺福初说。 独辟蹊径的&ldquo 中国画卷&rdquo 事实上，早在上世纪90年代人类基因组计划成形之际，已有科学家提出解读人类蛋白质组的想法。其目标是，将人体所有蛋白质归类，并描绘出它们的特性、在细胞中所处的位置以及蛋白质之间的相互作用等。 《科学》杂志在2001年，也将蛋白质组学列为六大科学研究热点之一，其&ldquo 热度&rdquo 仅次于干细胞研究，名列第二。 不过，严峻的现实挑战，让这一想法迟迟停留在&ldquo 纸上谈兵&rdquo 阶段。&ldquo 生物蛋白质数的差别大概是基因数差别的三个数量级左右，人类基因总数大概2万多个，人体内的蛋白质及其变异、修饰体却是百万级的数量。&rdquo 贺福初表示。 不仅如此，人类基因组图谱只有一张，而蛋白质组图谱每个器官、每个器官的每一种细胞都有一张，且在生理过程和疾病状态时还会发生相应改变。工程的艰巨性可想而知。 但困难并未阻挡住科学家们对其探索的脚步。1995年，首先倡导&ldquo 蛋白质组&rdquo 的两家澳大利亚实验室分别挂牌成立蛋白质组研究中心。随后欧美日韩等国均有行动。 1998年初，从事基因组研究的贺福初敏锐地嗅到这朵夜幕后悄然盛开的&ldquo 莲花&rdquo ，逐渐将精力投入到这个新兴领域。 2001年，&ldquo 基因组会战&rdquo 尚未鸣金，《自然》、《科学》杂志即发出&ldquo 蛋白质组盟约&rdquo 。同年秋，&ldquo 人类蛋白质组计划&rdquo 开始孕育。 2002 年4月，贺福初在华盛顿会议上阐述&ldquo 人类肝脏蛋白质组计划&rdquo 。同年11月，&ldquo 人类血浆蛋白质组计划&rdquo &ldquo 人类肝脏蛋白质组计划&rdquo 正式启动，贺福初担任&ldquo 人类 肝脏蛋白质组计划&rdquo 主席。其后两年间，德国牵头的&ldquo 人类脑蛋白组计划&rdquo 、瑞士牵头的&ldquo 大规模抗体计划&rdquo 、英国牵头的&ldquo 蛋白质组标准计划&rdquo 及加拿大牵头的 &ldquo 模式动物蛋白质组计划&rdquo 相继启动。 然而，很少有人知道，这种以生物系统为单元的研究策略酝酿之初饱受诟病。贺福初回忆，在华盛顿，中国人提出蛋白质组计划必须按生物系统（如器官、组织、细胞）进行一种战略分工和任务分割，一石激起千层浪，争议四起。 &ldquo 要想通过分工合作来完成全景式分析人类蛋白质组的宏大目标，必须以人体的生物系统作为研究单元和分工的规则。这个策略，10年来合者渐众，不过目前仍存争议，中国的先见之明可能得在下个10年成为不可阻挡的潮流。&rdquo 贺福初坦陈。 定位疾病的&ldquo GPS&rdquo 历经10余年的努力，以贺福初为代表的中国蛋白质组研究团队，在该领域向世界交了一份漂亮答卷： 成功构建迄今国际上质量最高、规模最大的人类第一个器官（肝脏）蛋白质组的表达谱、修饰谱、连锁图及其综合数据库； 首次实现人类组织与器官转录组和蛋白质组的全面对接； 在 炎症诱发肿瘤等方面，发现一批针对肝脏疾病、恶性肿瘤等重大疾病的潜在药靶、蛋白质药物和生物标志物。如，2008年，张学敏课题组首次发现炎症和免疫的 新型调控分子CUEDC2，可作为肿瘤耐药的新标志物，从而为克服癌细胞耐药提供了原创性的药物新靶点和治疗新思路。2010年，周钢桥课题组&ldquo 逮到&rdquo 肝 癌的易感基因，为肝癌的风险预测和早期预警提供了重要理论依据和生物标记。2012年，张令强课题组研制出世界上首个能特异性靶向成骨细胞的核酸递送系 统，提供了一种基于促进骨形成的全新骨质疏松症治疗途径，向解决骨丢失无法补回这一医学难题迈出了坚实的一步。2014年，张令强课题组首次在国际上揭示 泛素连接酶Smurf1是促进结直肠癌发生发展，并且导致病人预后差的一个重要因子&hellip &hellip 上述几项成果均发表于国际顶级的《科学》、《自然》系列杂志。 还没来得及分享这一喜悦，激烈的角逐又让他们绷紧了神经。日前，英国《自然》杂志公布美国、印度和德国等合作完成的人类蛋白质组草图。研究人员表示，这一成果有助于了解各个组织中存在何种蛋白质，这些蛋白质与哪些基因表达有关等，从而进一步揭开人体的奥秘。 &ldquo 尽 管还有许多不完善的地方，但确实是蛋白质组学领域乃至整个生命科学领域，具有里程碑意义的科学贡献。&rdquo 中国科学院院士饶子和直陈。中国科学院院士张玉奎指 出，虽然中国在蛋白质组的一些领域走在了世界前列，但国外有些团队正快马加鞭，我们不得不警醒，否则很快将被甩出第一阵营。 6 月10日，中国人类蛋白质组计划全面启动实施。&ldquo 蛋白质组，可以揭示疾病的发病机制和病理过程，发现新型诊断标志物、治疗和创新药物，可以全面提高疾病防 诊治水平。这个项目完成后，将揭示人体器官蛋白质组的构成，一旦哪一部位出现异常即可实现&lsquo GPS定位&rsquo ，进而找到针对性的诊断措施、干预措施和预防措 施。&rdquo 记者了解到，中国人类蛋白质组计划第一阶段，将全面揭示肝癌、肺癌、白血病、肾病等十大疾病所涉及的主要组织器官的蛋白质组，了解疾病发生的主要异常，进而研制诊断试剂以及筛选药物。这将在2017年左右完成。 &ldquo 这是真正的原始创新，也是中国能够引领世界科技发展的重要领域之一。&rdquo 贺福初强调说。

德国柏林——2019年8月26日——布鲁克公司（纳斯达克代码:BRKR）在Euroismar 2019（https://conference.euroismar2019.org）上公布了1.2GHz高分辨率蛋白质核磁共振（NMR）数据。布鲁克2台1.2GHz超导磁体已在布鲁克瑞士磁体工厂达到目标场强，创造了稳定、均匀的NMR磁体的世界纪录，可用于高分辨率和固态蛋白质NMR在结构生物学中的应用，以及用于研究固有无序蛋白质（IDPs）。在EUROISMAR 2019上，布鲁克及其科学合作者展示了1.2 GHz高分辨率NMR数据，这些数据是使用新的1.2 GHz 3 mm三通道反向TCI低温探头获得的。布鲁克独特的1.2GHz超高场核NMR磁体采用了一种新的混合设计，高温超导体（HTS）在里层，低温超导体（LTS）在外层，这两者一起为高分辨率蛋白质NMR提供了极其苛刻的稳定性和均匀性。一旦进一步的系统开发和工厂测试完成，意大利佛罗伦萨大学的Lucia Banci教授和Claudio Luchinat教授有望成为第一批获得1.2 GHz NMR谱仪的客户，这一过程预计还需要几个月的时间。在1.2 GHz系统上对CERM测试样本进行初始数据采集后，他们表示：“在布鲁克瑞士超高场设备上，已经获得了突触核蛋白的高分辨率谱图数据，突触核蛋白是一种与阿尔茨海默氏症和帕金森氏症等疾病相关的固有无序蛋白质。此外，我们还能对与多种癌症相关的蛋白质的第一个1.2 GHz NMR谱图数据进行了审查。毫无疑问，1.2 GHz仪器分辨率的提高——由于在高磁场中色散的增加而成为可能——将有助于推动结构生物学等重要研究领域的研究。一旦最终开发和工厂评估完成，我们期待在实验室收到1.2 GHz NMR谱仪。"布鲁克 BioSpin集团总裁Falko Busse博士表示：“新的1.2 GHz系统是一场技术革命，将使新的分子和细胞生物学发现成为可能。我们非常重视我们的超高场NMR客户对我们的信任，并且我们为在1.2 GHz频率下生成世界上第一个高分辨率蛋白质核磁共振(NMR)数据而感到自豪。虽然我们尚未完全完成新1.2 GHz系统的所有开发，但我们最近的快速进展证明了我们致力于创新，并致力于与客户合作开发有利的科学能力。”与先前宣布的Ascend 1.1 GHz磁体类似，Ascend 1.2 GHz混合HTS/LTS磁体是一个标准孔（54 mm）的双层磁体系统，其漂移和均匀性规格与布鲁克现有的900 MHz和1 GHz超高场NMR磁体相似，确保与一系列NMR探头类型和谱仪附件兼容。布鲁克公司的Ascend™ 1.2 GHz NMR磁体利用了先进的导体和磁体技术，用于绕组、连接、力管理、淬火保护、低漂移和高均匀性，这些技术是为ENC 2019宣布作为产品的Ascend 1.1 GHz磁体成功开发的。1.2GHz 1H-15N 2D BEST-TROSY（左）和1.2GHz 3D 15N编辑的NOESY-HSQC 2D平面，500μM泛素样品，13C/15N标记，溶解在90%H2O和10%D2O溶液中。两个实验均使用3mm TCI低温探头进行记录。

仪器信息网讯，2010年5月15日，蛋白质组数据处理暨全国生物质谱学术交流会”在云南省丽江市召开。会议为期两天，主要讨论了蛋白质组学技术和应用、数据挖掘和生物质谱等方面的现状及其进展。在所有的大会报告中，除一些关于蛋白质组学技术最新研究进展的大会特邀报告外，第一天的专家报告集中讨论了糖蛋白组的最新分析技术与研究进展，第二天的报告集中讨论了蛋白质数据处理技术，包括蛋白质组生物数据库及分析平台的构建、数据统计分析方法的研究等方面。 　　蛋白质组数据库被认为是蛋白质组知识的储存库，包含所有鉴定的蛋白质信息。而基于质谱技术的蛋白质组学数据分析，是识别新型生物标记物模式的有效手段。质谱仪检测的数据含有大量潜在信息，因此，建立完善的蛋白质组学数据库，开发实用性强的数据处理软件工具，以及提供良好的蛋白质组数据分析、处理方对蛋白质组学的发展至关重要。在本次大会上，中国科学院计算技术研究所贺思敏研究员、浙江大学生物医学工程与仪器科学学院段会龙教授、国防科技大学机电工程与自动化学院谢红卫教授等专家学者作了关于此方面最新研究进展的报告，本文作简要报道： 　　报告题目： 蛋白质组数据分析软件pFind系统新进展 　　报告人：中国科学院计算技术研究所贺思敏研究员 贺思敏研究员 　　pFind系统是中国科学院计算技术研究所自2002年开始持续研发的蛋白质组数据分析软件，可以替代同类国际主流软件，已安装在国内多家蛋白质组学重点研究单位，并在ABRF组织的国际评测以及核心岩藻糖化修饰位点鉴定等科研实战中表现出色。 　　贺思敏研究员在报告中首先介绍pFind系统不同于国际同类软件的核心算法设计和系统实现，然后介绍pFind系统近期在开放式修饰类型发现、高精度一级质谱分析、新型碎裂方式串联质谱分析、肽序列从头测序、标记定量分析以及并行加速系统研制等方面的进展，最后介绍了pFind系统的下一步研究设想。 　　报告题目：构建心血管蛋白质组生物医学数据库及分析平台 　　报告人：浙江大学生物医学工程与仪器科学学院段会龙教授 段会龙教授 　　心血管疾病是威胁人类健康的主要疾病。以高分辨率质谱技术为基础的心脏蛋白质组研究是发展心血管研究的一个重要方向。段会龙课题组通过对心血管医学和生物学、蛋白质组学和生物医学信息学的多学科交叉研究，构建了心血管生物医学数据库，重点在心血管蛋白质组数据集成、处理和分析，生物医学数据库体系构建、数据共享和发布等诸多关键技术上进行突破。 　　该课题组目前已完成了如下工作： 　　(1)心血管蛋白质组数据体系结构：构建了以蛋白质组信息为主体的数据库体系结构，以心脏线粒体蛋白质组为基础建立了核心数据集，该核心数据集包含了1663种心脏线粒体蛋白质以及与之相对应的2万7千多个生物质谱谱图。 　　(2)心血管蛋白质组数据库搜索引擎：初步建立了数据搜索引擎，可通过蛋白、肽段序列等信息对相应的生物质谱谱图进行检索，实现了与欧洲生物信息学研究所 (EBI) 的IPI蛋白质数据库间的数据关联。 　　(3)心血管生物医学数据库平台：研究和开发了相应的数据库网络公共平台。该网络平台的首个版本将在2010年末面向全世界发布，通过对心血管生物医学数据信息和资源的实时共享，服务于全世界心血管研究群体。 　　报告题目：大规模蛋白质组研究中的质谱数据定量分析方法 　　报告人：国防科技大学机电工程与自动化学院谢红卫教授 谢红卫教授 　　谢红卫教授利用一系列大规模定量分析的数据集，包括稳定同位素标记和进行重复实验的无标记定量数据，进行了一系列分析和研究，目前取得了很大的结果： 　　(1)总结了无标记和稳定同位素标记定量数据分析的典型流程，并且结合实际的数据分析结果，初步研究了各种分析流程优势和问题。 　　(2)针对丁来那个信息提取问题，利用重复实验数据集，比较优化了其关键步骤。 　　(3)利用实际实验数据，初步研究了同位素分布实验误差和质荷比误差等对定量分析参数选择有重要影响的问题。 　　(4)针对定量计算速度慢的问题，提出了索引文件和基于hash表的信息检索方式，将定量计算的时间缩短为原来的1/10。 　　(5)设计了一种可逆的色谱保留时间对齐模型，大大缩短了无标记定量数据处理中色谱保留时间对齐的计算复杂度。 　　(6)提出了一种以信号强度为参量的差异分布模型，能够提高差异检验的灵敏度。 　　(7)开发了无标记定量软件LFQuant、标记定量软件SILVER，已经无鉴定定量分析工具XICFinder。其中SILVER能够支持自定义标记方法，提供了图形化界面。LFQuant速度和定量精度等性能经过了多次优化。 　　报告题目：多层次蛋白质磷酸化分析中的数据处理方法研究 　　报告人：中国科学院大连化学物理研究所叶明亮研究员 叶明亮研究员 　　叶明亮研究员在报告中提到，根据研究目的的不同，蛋白质磷酸化的分析可以划分为三个层次：信号转导通路中关键节点蛋白质的磷酸化、生物体内的所有蛋白质的磷酸化(即磷酸化蛋白质组)、生物体内的所有激酶与底物的相互作用(磷酸化调控网络)。不同层次的分析有不同的目的，样品的复杂度也不同，因此需要不同的数据处理方法。 　　在节点蛋白质的磷酸化分析方面，为实现对某一感兴趣蛋白质中磷酸化位点的全面分析鉴定，发展了一种基于改进的目标-伪数据库用于数据检索，来高覆盖率、高可靠鉴定简单蛋白样品中的磷酸化位点信息的方法。并且从搜库耗时上，允许用多种低特异性的酶来提高简单蛋白样品的序列鉴定的覆盖度，从而更加全面的鉴定样品的磷酸化位点信息。 　　在磷酸化蛋白质组层次上要实现在保持较高可信度和灵敏度的情况下对海量质谱数据以及检索数据进行自动化处理。针对磷酸化蛋白质组学中磷酸化肽段鉴定难，假阳性率高，主要依赖于人工验证的现状，发展了一种结合MS2和MS3图谱以及正伪数据库检索的自动磷酸化肽段鉴定方法。该方法结合了MS2和MS3的鉴定信息，提高了磷酸化肽段鉴定的灵敏度和可信度，可以自动的对磷酸化肽段进行鉴定而无需进一步的人工验证。利用这种方法，结合磷酸肽的多维分析已经可以从人肝组织中鉴定超过8000个磷酸化位点。最近，其课题组还发展了一种基于分类筛选的磷酸化肽段鉴定方法，该方法结合了MS2/MS3方法的高可信度，并且考虑了部分不易发生中性丢失的磷酸化肽段的鉴定，进一步提高了磷酸化肽段鉴定的灵敏度。 　　在磷酸化调控网络层次主要是揭示激酶与底物蛋白质上磷酸化位点的对应关系，叶明亮研究员表示，这是该课题组今后研究的一个重要方向，目前已经在与合作者利用生物信息学的方法模拟构建磷酸化网络图。

——Orbitrap铸就组学临床转化成功之路2016年5月24日，厦门 ——科学服务领域的世界领导者赛默飞世尔科技（简称：赛默飞）于近日在厦门参加由中国生物化学与分子生物学会蛋白质组学专业委员会 （CNHUPO）主办的 “第九届中国蛋白质组学大会”（The 9th CNHUPO Congress），以“Orbitrap铸就组学临床转化成功之路”为主题，向近千位与会专家学者全方位展示了在大数据时代背景下，赛默飞Orbitrap在蛋白质组学及相关研究领域的新产品、新技术和新应用，以及Orbitrap在组学临床转化之路上的突破。大会以“大数据时代的蛋白质组学”为主题， 在化学蛋白质组学、翻译后修饰蛋白质组学、蛋白质基因组学、生物信息蛋白质组学、植物和微生物蛋白质组学、蛋白质组学和整合组学等领域进行深入探讨，鼓励新技术和新方法的建立和开展，着眼于蛋白质组学在个性化精准医疗上的应用和发展。本次会议为促进蛋白质组学的研究与发展，增进国际间合作交流，作出积极贡献。赛默飞作为本次会议的顶级赞助商，鼎力支持本届CNHUPO及蛋白组学研究在中国的发展，为生命科学领域提供最前沿的分析设备和解决方案。赛默飞中国区总裁江志成先生、赛默飞生命科学质谱全球业务副总裁Alan Dowdell先生和赛默飞质谱业务中国区高级商务运营总监裴立文先生出席本次会议开幕式，并由江志成先生和裴立文先生在赛默飞冠名的大会晚宴上致辞。图片说明：赛默飞中国区总裁江志成先生、赛默飞生命科学质谱全球业务副总裁Alan Dowdell先生和赛默飞质谱业务中国区高级商务运营总监裴立文先生出席“第九届中国蛋白质组学大会”会议开幕式赛默飞中国区总裁江志成表示：“中国的生命科学领域目前发展迅猛，取得了多项突破性研究成果，国际影响力不断提升。秉持‘扎根中国，服务中国’的理念，赛默飞希望能够与国内生命科学共同发展，通过创新技术帮助其提升科研能力，推动产业的跨越式创新发展。”赛默飞质谱业务中国区高级商务运营总监裴立文先生表示：“我们很荣幸此次助力第九届中国蛋白质组学大会，为业界专家搭建沟通及探索的平台。赛默飞在蛋白质组学研究方面一直在持续投入，希望不断通过像Orbitrap这样的创新技术帮助客户推进研究的维度和纵深。”图片说明：赛默飞中国区总裁江志成先生和赛默飞质谱业务中国区高级商务运营总监裴立文先生在“第九届中国蛋白质组学大会”致开幕词以蛋白质组学为代表的生命组学在临床转化与精准医学研究中愈加重要，在早期诊断、疾病预防、分型、疗效监测、判断预后等诸多方面都具有巨大的潜力。今年3月科技部发布“精准医学研究”重点专项申报指南，使得与精准医学密切相关的蛋白质组学研究再次被聚焦镁光灯下。本次大会上，张玉奎院士、John Yates、秦钧教授和邓海腾教授等分别对其临床研究成果进行详细介绍，并表示蛋白质组学的黄金时代已经到来，蛋白质组学技术的应用不仅应用于生物标志物的发现，生物机制的研究，在大数据的支持下，更可为不同的个体提供精准医疗，从而造福人类。本次大会上，赛默飞围绕“Orbitrap铸就组学临床转化成功之路”的主题，在5月20号中国蛋白质组学会青年学者研讨会上，由赛默飞大分子应用经理李静带来了题为“基于超高分辨质谱的精准医学研究”的报告——从基于Orbitrap超高分辨质谱的蛋白质组学技术在精准医学研究中的应用展开，就如何加速蛋白质组学临床转化，如何提高质谱技术在临床诊断领域的应用进行了深入阐述。随着精准医学概念的提出与国家的大力投入，生物医学已经进入临床转化和精准医学的新时代。5月23日CNHUPO精准医学分会场上，赛默飞转化医学业务发展经理张伟博士报告了“基于Orbitrap超高分辨质谱的临床蛋白质组学在转化医学与精准医学研究中的应用”。从Orbitrap在转化医学与精准医学中的优势和解决方案说起，详细探讨了Orbitrap在生物标志物发现、验证与临床应用，疾病机理研究，药物靶标和免疫治疗靶点发现，生物样本库建设和多组学整合中的应用。这两场报告引起了与会代表的热烈讨论和广泛关注。赛默飞大分子应用工程师唐家澍在5月21日举行的第十四届国际染色体计划研讨会（C-HPP）上，着重介绍了高分辨质谱在染色体生物学和表观遗传学上的前沿应用，组蛋白通过各种修饰间的相互作用介导下游DNA转录、复制和重组，这种修饰间的相互作用被称为“组蛋白密码”，是表观遗传学中非常重要的机制。用质谱来解析组蛋白的复杂修饰已成为表观遗传学研究非常重要的分支，主要有三种方式： Bottom-up，Top-down和Middle-down策略。所有这些需求都在赛默飞Orbitrap Fusion系列超高分辨质谱系统中得以实现。报告获得了HUPO主席Mark Baker先生的高度评价。CNHUPO主席Mark Baker先生参观赛默飞展台赛默飞展台上全方位展示了蛋白组学研究的整体解决方案，包括从蛋白质谱样品制备、到多重组学定量标记等实用工具，以及Orbitrap系列超高分辨质谱系统，使客户一站式体验了从蛋白制备到定性定量的研究全流程。同时，在CNHUPO新技术培训班和赛默飞专题午餐会上，赛默飞大分子应用工程师周岳、聂爱英和张晓夕分别详细介绍了基于Orbitrap超高分辨质谱的最新技术——数据非依赖性的扫描（DIA）、TMT高通量高精度蛋白质组学定量全流程和PTM翻译后修饰整体解决方案。精准医学研究的发展离不开高准确度的定量蛋白质组学技术和糖基化等翻译后修饰研究工具。与会专家对赛默飞展示的相关技术流程和新的解决方案给与了高度关注。 赛默飞展台-----------------------------------------------关于赛默飞世尔科技赛默飞世尔科技（纽约证交所代码：TMO）是科学服务领域的世界领导者。公司年销售额170亿美 元，在50个国家拥有约50,000名员工。我们的 使命是帮助客户使世界更健康、更清洁、更安全。我们的产品和服务帮助客户加速生命科学领域的研究、解决在分析领域所遇到的复杂问题与挑战，促进医疗诊断发 展、提高实验室生产力。借助于首要品牌Thermo Scientific、Applied Biosystems、Invitrogen、Fisher Scientific和Unity Lab Services，我们将创新技术、便捷采购方案和实验室运营管理的整体解决方案相结合，为客户、股东和员工创造价值。欲了解更多信息，请浏览公司网站：www.thermofisher.com 赛默飞世尔科技中国赛默飞世尔科技进入中国发展已有30多年，在中国的总部设于上海，并在北京、广州、香港、台湾、成都、沈阳、西安、南京、武汉、昆明等地设立了分公 司，员工人数约3800名。我们的产品主要包括分析仪器、实验室设备、试剂、耗材和软件等，提供实验室综合解决方案，为各行各业的客户服务。为 了满足中国市场的需求，现有8家工厂分别在上海、北京和苏州运营。我们在全国共设立了6个应用开发中心，将世界级的前沿技术和产品带给国内客户，并提供应 用开发与培训等多项服务；位于上海的中国创新中心结合国内市场的需求和国外先进技术，研发适合中国的技术和产品；我们拥有遍布全国的维修服务网点和特别成 立的中国技术培训团队，在全国有超过2000名专业人员直接为客户提供服务。我们致力于帮助客户使世界更健康、更清洁、更安全。欲了解更多信息，请登录网 站：www.thermofisher.com

——Orbitrap铸就组学临床转化成功之路2016年5月24日，厦门 ——科学服务领域的世界领导者赛默飞世尔科技（简称：赛默飞）于近日在厦门参加由中国生物化学与分子生物学会蛋白质组学专业委员会 （CNHUPO）主办的 “第九届中国蛋白质组学大会”（The 9th CNHUPO Congress），以“Orbitrap铸就组学临床转化成功之路”为主题，向近千位与会专家学者全方位展示了在大数据时代背景下，赛默飞Orbitrap在蛋白质组学及相关研究领域的新产品、新技术和新应用，以及Orbitrap在组学临床转化之路上的突破。大会以“大数据时代的蛋白质组学”为主题， 在化学蛋白质组学、翻译后修饰蛋白质组学、蛋白质基因组学、生物信息蛋白质组学、植物和微生物蛋白质组学、蛋白质组学和整合组学等领域进行深入探讨，鼓励新技术和新方法的建立和开展，着眼于蛋白质组学在个性化精准医疗上的应用和发展。本次会议为促进蛋白质组学的研究与发展，增进国际间合作交流，作出积极贡献。赛默飞作为本次会议的顶级赞助商，鼎力支持本届CNHUPO及蛋白组学研究在中国的发展，为生命科学领域提供最前沿的分析设备和解决方案。赛默飞中国区总裁江志成先生、赛默飞生命科学质谱全球业务副总裁Alan Dowdell先生和赛默飞质谱业务中国区高级商务运营总监裴立文先生出席本次会议开幕式，并由江志成先生和裴立文先生在赛默飞冠名的大会晚宴上致辞。图片说明：赛默飞中国区总裁江志成先生、赛默飞生命科学质谱全球业务副总裁Alan Dowdell先生和赛默飞质谱业务中国区高级商务运营总监裴立文先生出席“第九届中国蛋白质组学大会”会议开幕式赛默飞中国区总裁江志成表示：“中国的生命科学领域目前发展迅猛，取得了多项突破性研究成果，国际影响力不断提升。秉持‘扎根中国，服务中国’的理念，赛默飞希望能够与国内生命科学共同发展，通过创新技术帮助其提升科研能力，推动产业的跨越式创新发展。”赛默飞质谱业务中国区高级商务运营总监裴立文先生表示：“我们很荣幸此次助力第九届中国蛋白质组学大会，为业界专家搭建沟通及探索的平台。赛默飞在蛋白质组学研究方面一直在持续投入，希望不断通过像Orbitrap这样的创新技术帮助客户推进研究的维度和纵深。”图片说明：赛默飞中国区总裁江志成先生和赛默飞质谱业务中国区高级商务运营总监裴立文先生在“第九届中国蛋白质组学大会”致开幕词以蛋白质组学为代表的生命组学在临床转化与精准医学研究中愈加重要，在早期诊断、疾病预防、分型、疗效监测、判断预后等诸多方面都具有巨大的潜力。今年3月科技部发布“精准医学研究”重点专项申报指南，使得与精准医学密切相关的蛋白质组学研究再次被聚焦镁光灯下。本次大会上，张玉奎院士、John Yates、秦钧教授和邓海腾教授等分别对其临床研究成果进行详细介绍，并表示蛋白质组学的黄金时代已经到来，蛋白质组学技术的应用不仅应用于生物标志物的发现，生物机制的研究，在大数据的支持下，更可为不同的个体提供精准医疗，从而造福人类。本次大会上，赛默飞围绕“Orbitrap铸就组学临床转化成功之路”的主题，在5月20号中国蛋白质组学会青年学者研讨会上，由赛默飞大分子应用经理李静带来了题为“基于超高分辨质谱的精准医学研究”的报告——从基于Orbitrap超高分辨质谱的蛋白质组学技术在精准医学研究中的应用展开，就如何加速蛋白质组学临床转化，如何提高质谱技术在临床诊断领域的应用进行了深入阐述。随着精准医学概念的提出与国家的大力投入，生物医学已经进入临床转化和精准医学的新时代。5月23日CNHUPO精准医学分会场上，赛默飞转化医学业务发展经理张伟博士报告了“基于Orbitrap超高分辨质谱的临床蛋白质组学在转化医学与精准医学研究中的应用”。从Orbitrap在转化医学与精准医学中的优势和解决方案说起，详细探讨了Orbitrap在生物标志物发现、验证与临床应用，疾病机理研究，药物靶标和免疫治疗靶点发现，生物样本库建设和多组学整合中的应用。这两场报告引起了与会代表的热烈讨论和广泛关注。赛默飞大分子应用工程师唐家澍在5月21日举行的第十四届国际染色体计划研讨会（C-HPP）上，着重介绍了高分辨质谱在染色体生物学和表观遗传学上的前沿应用，组蛋白通过各种修饰间的相互作用介导下游DNA转录、复制和重组，这种修饰间的相互作用被称为“组蛋白密码”，是表观遗传学中非常重要的机制。用质谱来解析组蛋白的复杂修饰已成为表观遗传学研究非常重要的分支，主要有三种方式： Bottom-up，Top-down和Middle-down策略。所有这些需求都在赛默飞Orbitrap Fusion系列超高分辨质谱系统中得以实现。报告获得了HUPO主席Mark Baker先生的高度评价。CNHUPO主席Mark Baker先生参观赛默飞展台赛默飞展台上全方位展示了蛋白组学研究的整体解决方案，包括从蛋白质谱样品制备、到多重组学定量标记等实用工具，以及Orbitrap系列超高分辨质谱系统，使客户一站式体验了从蛋白制备到定性定量的研究全流程。同时，在CNHUPO新技术培训班和赛默飞专题午餐会上，赛默飞大分子应用工程师周岳、聂爱英和张晓夕分别详细介绍了基于Orbitrap超高分辨质谱的最新技术——数据非依赖性的扫描（DIA）、TMT高通量高精度蛋白质组学定量全流程和PTM翻译后修饰整体解决方案。精准医学研究的发展离不开高准确度的定量蛋白质组学技术和糖基化等翻译后修饰研究工具。与会专家对赛默飞展示的相关技术流程和新的解决方案给与了高度关注。 赛默飞展台-----------------------------------------------关于赛默飞世尔科技赛默飞世尔科技（纽约证交所代码：TMO）是科学服务领域的世界领导者。公司年销售额170亿美 元，在50个国家拥有约50,000名员工。我们的 使命是帮助客户使世界更健康、更清洁、更安全。我们的产品和服务帮助客户加速生命科学领域的研究、解决在分析领域所遇到的复杂问题与挑战，促进医疗诊断发 展、提高实验室生产力。借助于首要品牌Thermo Scientific、Applied Biosystems、Invitrogen、Fisher Scientific和Unity Lab Services，我们将创新技术、便捷采购方案和实验室运营管理的整体解决方案相结合，为客户、股东和员工创造价值。欲了解更多信息，请浏览公司网站：www.thermofisher.com 赛默飞世尔科技中国赛默飞世尔科技进入中国发展已有30多年，在中国的总部设于上海，并在北京、广州、香港、台湾、成都、沈阳、西安、南京、武汉、昆明等地设立了分公 司，员工人数约3800名。我们的产品主要包括分析仪器、实验室设备、试剂、耗材和软件等，提供实验室综合解决方案，为各行各业的客户服务。为 了满足中国市场的需求，现有8家工厂分别在上海、北京和苏州运营。我们在全国共设立了6个应用开发中心，将世界级的前沿技术和产品带给国内客户，并提供应 用开发与培训等多项服务；位于上海的中国创新中心结合国内市场的需求和国外先进技术，研发适合中国的技术和产品；我们拥有遍布全国的维修服务网点和特别成 立的中国技术培训团队，在全国有超过2000名专业人员直接为客户提供服务。我们致力于帮助客户使世界更健康、更清洁、更安全。欲了解更多信息，请登录网 站：www.thermofisher.com

测定蛋白质浓度的方法有很多，科研工作者广泛使用的方法比如紫外吸收法，双缩脲法，BCA方法，Lowry法，考马斯亮蓝法，凯氏定氮法等等 ，今天小编以UV法，BCA法，考马斯亮蓝法，其中的三种方法的测定蛋白质浓度的原理、优缺点、操作以及注意事项做详细介绍。UV法这种方法是在280nm波长，直接测试蛋白。选择Warburg 公式，光度计可以直接显示出样品的浓度，或者是选择相应的换算方法，将吸光值转换为样品浓度。蛋白质测定过程非常简单，先测试空白液，然后直接测试蛋白 质。从而显得结果很不稳定。蛋白质直接定量方法，适合测试较纯净、成分相对单一的蛋白质。紫外直接定量法相对于比色法来说，速度快，操作简单；但是容易受 到平行物质的干扰，如DNA的干扰；另外敏感度低，要求蛋白的浓度较高。（1）简易经验公式 蛋白质浓度(mg/ml) = [1.45*OD280-0.74*OD260 ] * Dilution factor（2）精确计算 通过计算OD280/OD260的比值，然后查表得到校正因子F，再通过如下公式计算最终结果：蛋白质浓度(mg/ml) = F *(1/d) *OD 280 * D，其中d为测定OD值比色杯的厚度，D为溶液的稀释倍数BCA法原理：BCA（bicinchonininc acid）与二价铜离子的硫酸铜等其他试剂组成的试剂混合一起即成为苹果绿，即 BCA 工作试剂。在碱性条件下，BCA 与蛋白质结合时，蛋白质将 Cu2+ 还原为 Cu+，工作试剂由原来的苹果绿色变为紫色复合物。562 nm 下其光吸收强度与蛋白质浓度成正比。BCA 蛋白浓度测定试剂盒，Abbkine的蛋白质定量试剂盒（BCA法）提供一个简单，快捷，兼容去污剂的方法，准确定量总蛋白。成分试剂 A100 mL试剂 B2 mL标准蛋白（BSA）1 mL×2，1 mg/mL保存条件 运输温度：室温（标准蛋白 4～8 ℃ 运输）保存温度：室温（标准蛋白 -20 ℃ 保存）有效日期：12 个月使用方法方法一：96 孔板1. 配制 BCA 工作液：根据标准品和样品数量，按 50 体积试剂 A，1 体积试剂 B 配制适量 BCA 工作液。充分混匀。2. 将蛋白标准品按 0 μL，1 μL，2 μL，4 μL，6 μL，8 μL，10 μL 加入 96 孔板的蛋白标准品孔中。加灭菌双蒸水补足到 10 μL。取 10 μL 待测样品加入 96 孔板的待测样品孔中。每个测定要做 2～3 个平行。3. 向待测样品孔和蛋白标准品孔中各加入 200 μL BCA 工作液（即样品与工作液的体积比为 1:20），混匀。4. 37 ℃ 温浴 30 min。冷却至室温。5. 酶标仪 562 nm 波长下测定吸光度。6. 制作标准曲线。从标准曲线中求出样品浓度。方法二：试管法1. 配制工作液：根据标准品和样品数量，按 50 体积试剂 A，1 体积试剂 B 配制适量 BCA 工作液，充分混匀。工作液配制的量要与测定所用的比色杯对应。每个测定要做 2～3 个平行。本处列举的比色体系所用的是 0.5 mL 的比色杯。如比色杯规格不同，体系需要放大到实验将采用的比色杯准确读数所需要的体积。2. BSA 标准品和样品的准备：样品用水或其它不干扰显色反应的缓冲液配制，使待测定的浓度位于标准曲线的线性部分。每个反应准备 3 个平行测定。标准曲线一般 5~6 个点即可。根据样品的估测浓度确定各点的具体浓度。稀释 BSA 时可以用水或与样品一致的溶液。如待测样品的浓度约为 200 μg/mL，可按下表的次序加入 BSA 标准品、样品及 BCA 工作液。3. 取适量体积的标准蛋白，以蛋白液：工作液=1:20 的比例混匀。37 ℃ 温浴 30 min。冷却至室温。4. 将样品与标准品在 562 nm波长下测定吸光度。考马斯亮蓝法实验原理：考马斯亮蓝 (Coomassie Brilliant Blue) 法测定蛋白质浓度，是利用蛋白质―染料结合的原理，定量测定微量蛋白浓度快速、灵敏的方法。这种蛋白质测定法具有超过其他几种方法的突出优点，因而正在得到广泛的应用。目前，这一方法是也灵敏度最高的蛋白质测定法之一。考马斯亮蓝 G-250 染料，在酸性溶液中与蛋白质结合，使染料的最大吸收峰 (lmax) 的位置，由 465 nm 变为 595 nm，溶液的颜色也由棕黑色变为蓝色。通过测定 595 nm 处光吸收的增加量可知与其结合蛋白质的量。研究发现，染料主要是与蛋白质中的碱性氨基酸 (特别是精氨酸) 和芳香族氨基酸残基相结合。突出优点（1）灵敏度高，据估计比 Lowry 法约高四倍，其最di蛋白质检测量可达 1 mg。这是因为蛋白质与染料结合后产生的颜色变化很大，蛋白质-染料复合物有更高的消光系数，因而光吸收值随蛋白质浓度的变化比 Lowry 法要大的多。（2）测定快速、简便，只需加一种试剂。完成一个样品的测定，只需要 5 分钟左右。由于染料与蛋白质结合的过程，大约只要 2 分钟即可完成，其颜色可以在 1 小时内保持稳定，且在 5 分钟至 20 分钟之间，颜色的稳定性最好。因而完全不用像 Lowry 法那样费时和需要严格地控制时间。（3）干扰物质少。如干扰 Lowry 法的 K+、Na+、Mg2+ 离子、Tris 缓冲液、糖和蔗糖、甘油、巯基乙醇、EDTA 等均不干扰此测定法。缺点（1）由于各种蛋白质中的精氨酸和芳香族氨基酸的含量不同，因此考马斯亮蓝染色法用于不同蛋白质测定时有较大的偏差，在制作标准曲线时通常选用 g-球蛋白为标准蛋白质，以减少这方面的偏差。（2）仍有一些物质干扰此法的测定，主要的干扰物质有：去污剂、 Triton X-100、十二烷基硫酸钠 (SDS) 等。试剂与器材1、试剂 考马斯亮蓝试剂：考马斯亮蓝 G-250 100 mg 溶于 50 mL 95% 乙醇中，加入 100 mL 85% 磷酸，用蒸馏水稀释至 1000 mL。2、标准和待测蛋白质溶液（1）标准蛋白质溶液结晶牛血清蛋白，预先经微量凯氏定氮法测定蛋白氮含量，根据其纯度用 0.15 mol/L NaCl 配制成 1 mg/mL 蛋白溶液。（2）待测蛋白质溶液。 人血清，使用前用 0.15 mol/L NaCl 稀释 200 倍。3、器材 试管 1.5×15 cm（×6），试管架，移液管管 0.5 mL（×2） 1 mL（×2） 5 mL（×1）；恒温水浴；分光光度计。操作方法 一、制作标准曲线 取 7 支试管，按下表平行操作。摇匀，1 h 内以 0 号管为空白对照，在 595 nm 处比色。绘制标准曲线：以 A595 nm 为纵坐标，标准蛋白含量为横坐标，在坐标纸上绘制标准曲线。二、未知样品蛋白质浓度测定 测定方法同上，取合适的未知样品体积，使其测定值在标准曲线的直线范围内。根据所测定的 A595 nm 值，在标准曲线上查出其相当于标准蛋白的量，从而计算出未知样品的蛋白质浓度（mg/mL）。注意事项（1）在试剂加入后的 5-20 min 内测定光吸收，因为在这段时间内颜色是最we定的。（2）测定中，蛋白-染料复合物会有少部分吸附于比色杯壁上，测定完后可用乙醇将蓝色的比色杯洗干净。（3）利用考马斯亮蓝法分析蛋白必须要掌握好分光光度计的正确使用，重复测定吸光度时，比色杯一定要冲洗干净，制作蛋白标准曲线的时候，蛋白标准品最好是从低浓度到高浓度测定，防止误差。

不法商人添加非法添加物的根本原因是，本来劣质产品中蛋白质含量就很低，需要添加用凯氏定氮法查不出的含氮物质充数。因为现行的凯氏定氮蛋白质测定方法局限于：只能测试总有机氮含量，而非特定的蛋白质中氮含量，因此，方法缺陷被不法商人所投机利用，使伪劣产品蒙混达标。 传统上，蛋白质的测定一直采用凯氏定氮法。该法的误区是：通过氧化还原反应，把低价氮氧化并转为氨盐，再通过氨盐中氮元素的量换算成蛋白质的含量。凯氏定氮针对有机氮化合物，主要是指蛋白质，aa，核酸，尿素等N3-化合物。非蛋白质的含氮化合物，，如三聚氰胺等，在凯氏定氮过程中，被同样消化成(NH4)2SO4，造成蛋白值虚高，我们统称这些化合物为假蛋白氮（NPN）。 从食品安全控制可靠性上考虑，解决问题的根本方法，是直接测试食品中的真蛋白质含量。因为，如果能够一次直接测定食品中真蛋白质含量，那么就堵住了市场监管上的漏洞，使伪劣产品无所遁形。因此添加假蛋白质物质，如三聚氰胺等就毫无意义了。区别蛋白质与NPN的意义在于可以获得真实准确的蛋白质含量。从根本上解决了问题，厂商只能提供达标产品。这对需要进行蛋白质检测行业如食品、饲料及蛋白研究和管理领域具有重要的价值。呼吁中国国家有关部门将真蛋白质检测尽快纳入预防性安全监控标准。 1．食品行业的蛋白质问题 监控食品加工过程中的所有流程节点，包括原料采购、浓缩、勾兑、干燥、储存等。如假劣奶粉的危害就在于产品未达到国家蛋白标准限定，但在&ldquo 国标&rdquo 的凯氏定氮法检测后通过检测，其原因就在于搀加大量的NPN，造成蛋白质含量虚高。所添加的NPN大部分是化工产品，严重威胁食品安全。 2．饲料行业的蛋白质问题 饲料行业同样面临NPN造成的危害。例如最近引起社会关注的三聚氰胺。三聚氰胺含氮量达66%，白色无味，与蛋白粉外观相似，是被不法厂商大量使用的NPN。与&ldquo 瘦肉精&rdquo 、&ldquo 苏丹红&rdquo 等少数违禁添加剂一样，损害动物机体健康，并最终通过食物链转移到人体内。三聚氰胺高温下会形成氰化物，长期或反复接触对肾脏器官形成巨大损害。 3．其他研究领域的蛋白质问题 植物原料中NPN的含量随季节、地域及品种变化很大。精确检测蛋白质含量，排除NPN干扰对于保证科学研究的严谨性具有重要意义。 美国CEM 公司的真蛋白质SPRINT分析仪，是目前唯一的真蛋白质测试仪,其主要特点： 1.直接测量&ldquo 真蛋白质&rdquo ，而非总氮含量 2.所有类型样品检测（液体、固体、粉末状、奶油、肉类、坚果类、谷物、种子等）； 3.测量时间只需两分钟；全自动操作，无需有经验的化学家； 4.对三聚氰胺等非法添加剂，不会产生错误的蛋白质测量结果,精确性和准确度等优于凯氏定氮法； 5.对非氮蛋白质的测定无需校准，直接测量； 6.无需化学试剂；相比目前的检测方法，具有更低的操作成本； screen.width-300)this.width=screen.width-300" border="0" alt="" src="https://img1.17img.cn/17img/old/NewsImags/2008328164614.jpg" / http://www.analyx.com.cn/products/list.asp?classid=122

前不久，历经多年论证、被誉为我国生命科学研究领域里程碑事件的中国人类蛋白质组计划（简称CNHPP）正式在京启动，来自清华大学、北京大学、中国科学院、军事医学科学院、解放军总医院、复旦大学等40多所高校、科研机构的近百名专家，共同见证了这一历史性时刻。 蛋白质组计划和基因组计划有何不同？中国的蛋白质组研究在国际上处于什么位置？中国人类蛋白质组计划将如何进行？ 围绕上述问题，人民日报记者独家采访了有关专家。 一问 为什么要搞中国人类蛋白质组计划？ 生，源于基因组；命，却一定由蛋白质组决定。只有蛋白质组才能从根本上阐释生命 相比&ldquo 蛋白质组&rdquo ，&ldquo 蛋白质&rdquo 一词更为人们所熟知。它是生物体内一种极为重要的高分子有机物，占人体干重的54%，1838年由荷兰科学家格里特首先发现。 基于此，1994年，澳大利亚科学家率先提出&ldquo 蛋白质组&rdquo ，意指某个时刻，某个组织、器官或个体中所有蛋白质的集合，是一个整体的概念。 科学家们之所以对蛋白质组产生浓厚兴趣，还得从人类基因组计划说起。2003年4月，经由6国科学家历时13年奋战的人类基因组计划画上了句号。 &ldquo 科学界曾经认为，只要绘制出人类基因组序列图，就能了解疾病的根源。但我们错了。&ldquo 国际蛋白质组组织首任主席萨姆 哈纳什说，事实上，我们只了解10%基因的功能，剩下的90%仍是未知的。 &ldquo 人们总以为蛋白质组计划是基因组计划的附庸或者说是子产品，这也是一个误区。人类基因组计划并不像事前所预期的那样，能够逾越蛋白质这一生物功能去揭示人类 生、老、病、死的全部秘密，基因组序列只是提供了一维遗传信息，而更复杂的多维信息则发生在蛋白质组层面。&rdquo 国际人类蛋白质组计划执委、亚太蛋白质组组织 主席、中国科学院院士贺福初说，基因组和蛋白质组的关系，好比词典与文章、元素表与化工厂。 &ldquo 基因组学中微小的差异，在蛋白质组学中可以被千倍甚至近万倍地放大，想要解密基因组，必须先系统认识蛋白质组。&rdquo 贺福初认为。 他举例说，人体各个器官如耳、鼻、喉、心、肝、肺，其基因组完全相同，不同的是蛋白质组。因此，不同器官形态、功能各异，是蛋白质组在背后&ldquo 操盘&rdquo 。 &ldquo 就 像蛹化蝶，无论形态如何变化，基因组是不变的。&rdquo 军事医学科学院放射与辐射医学研究所研究员钱小红这样比喻。在她看来，人的每一种生命形态，都是特定蛋白 质组在不同时间、空间出现并发挥功能的结果。比如，某些蛋白质表达量偏离常态的高或低，就能够表征人体可能处于某种疾病状态。 &ldquo 生，源于基 因组；命，却一定由蛋白质组决定。只有蛋白质组才能从根本上阐释生命。&rdquo 贺福初进一步解释道，&ldquo 蛋白质组，可以揭示疾病的发病机制和病理过程，发现新型诊 断标志物、治疗和创新药物，可以全面提高疾病防诊治水平。这个项目如完成，将揭示人体器官蛋白质组的构成，一旦哪一部位出现异常即可实现&lsquo GPS定位&rsquo ， 进而找到针对性的诊断措施、干预措施和预防措施。&rdquo 二问 中国能搞人类蛋白质组计划吗？ 以贺福初院士为代表的中国蛋白质组研究团队，在该领域向世界交上了一份漂亮的答卷，在某些方面已走在全球前列 近代以来，中国先后错过了多次世界科技革命的机遇。蛋白质组学研究，恰恰是我国生命科学中少数几个能够始终跻身世界前沿的科学领域。 据专家介绍，中国人类蛋白质组事业的发展，也催生了一系列大型研究基地和覆盖全国的协作网络。据不完全统计，目前包括中科院、教育部、卫生计生委、军队以及 湖南、广东、重庆、浙江等在内的省部级重点实验室已超过10个。由贺福初院士发起，以军事医学科学院、清华、北大为代表的7家单位共同筹建的北京蛋白质组 研究中心，于2005年被确立为&ldquo 人类肝脏蛋白质组计划&rdquo 国际执行总部，成为一座世界级的&ldquo 生命之都&rdquo 。 此外，自2000年至2010年，中国累计发表论文2800多篇，位列全球该领域第四。值得一提的是，最近4年，中国在该领域发文量直线上升，历史性地达到1000多篇，年度论文发表数已跃居世界第二（第一为美国），位居全国其他学科前列。 历经十余年的努力，中国蛋白质组研究团队向世界交上了一份漂亮的答卷：成功构建迄今国际上质量最高、规模最大的人类第一个器官&mdash &mdash 肝脏蛋白质组的表达谱、修 饰谱、连锁图及其综合数据库；首次实现人类组织与器官转录组和蛋白质组的全面对接；在炎症诱发肿瘤等方面，发现一批针对肝脏疾病、恶性肿瘤等重大疾病的潜 在药靶、蛋白质药物和生物标志物。如，2008年，张学敏课题组首次发现炎症和免疫的新型调控分子CUEDC2，可作为肿瘤耐药的新标志物，从而为克服癌 细胞耐药提供了原创性的药物新靶点和治疗新思路。2010年，周钢桥课题组&ldquo 逮到&rdquo 肝癌的易感基因，为肝癌的风险预测和早期预警提供了重要理论依据和生物 标记&hellip &hellip 上述几项成果均发表于国际顶级的《科学》《自然》系列杂志。 三问 中国人类蛋白质组计划怎样进行？ 将分三个阶段进行，计划产生的大数据将全景式地揭示人体蛋白质组成及其调控规律，解读人类基因组这部&ldquo 天书&rdquo 世界蛋白质组学领域内的新一轮科技竞赛已开始。中科院院士张玉奎指出，虽然中国在蛋白质组一些领域走在了世界前列，但国外有些团队如今正快马加鞭。这警醒我们：必须加快步伐，否则很快将被甩出第一阵营。 &ldquo 逆水行舟不进则退，我们绝不能丧失已经取得的优势。&rdquo 贺福初说。 据悉，中国人类蛋白质组计划将分三个阶段展开。第一阶段，全面揭示肝癌、肺癌、白血病、肾病等十大疾病所涉及主要的组织器官的蛋白质组，了解疾病发生的主要 异常，进而研制诊断试剂、筛选药物，力争2017年左右完成；第二阶段，争取覆盖中国人的其他常见疾病，提升中国人群疾病的防治水平；第三阶段，实现人类 更多疾病的覆盖。 当前，全球每年产生的生物数据总量高达EB级（10的18次方比特），生命科学领域正在爆发数据革命。生物数据最大的是基因组数据，它完成后，蛋白质组数据 无疑将成为更大、更重要和更核心的科学数据。我国已部署建设的蛋白质科学基础设施将相继投入运行，这是国际上最大的蛋白质组学研究基地，将有力支撑和推动 中国人类蛋白质组计划的实施和大数据的产生。中国人类蛋白质组计划产生的大数据将全景式地揭示人体蛋白质组成及其调控规律，解读人类基因组这部&ldquo 天书&rdquo 。 &ldquo 这 项计划，是以中国重大疾病的防治需求为牵引，发展蛋白质组研究相关设备及关键技术，绘制人类蛋白质组生理和病理精细图谱、构建人类蛋白质组&lsquo 百科全书&rsquo ， 为提高重大疾病防诊治水平提供有效手段和中国生物医药产业发展提供原动力。&rdquo 贺福初说，&ldquo 我们首先看重科学价值，其次才是经济效益，因为这是真正的原始创 新，是中国能够引领世界科技发展的重要领域之一。&rdquo

前文回顾（点击查看）：蛋白质测序技术发展漫谈（上篇）；蛋白质测序技术发展漫谈（中篇）；蛋白质测序技术发展漫谈（下篇）前面描述了目前成熟的蛋白质测序方法，并对最流行的基于质谱的蛋白质测序方法进行了综述。非质谱依赖的蛋白质测序手段，除了几十年前发展的基于Edman降解法通过气相或液相色谱测序的方法，最近热门领域的方法主要包括基于荧光或纳米孔的单分子蛋白质测序，代表了未来的发展方向。基于纳米孔单分子蛋白质测序方法纳米孔测序（nanopore sequencing）法是借助电泳驱动力使待测单个分子逐一通过纳米孔，通过检测纳米孔截面的电流变化来实现对序列的测定。纳米孔测序最初在1996年被提出，通过膜通道检测多核苷酸序列，也就是单分子DNA的测序[1]。随着使用纳米孔对单分子DNA测序技术的逐渐成熟[2-5]，纳米孔技术也被应用在单分子蛋白质的鉴定上。对于DNA来说，其二级结构和电荷相对比较一致，它的聚合物比较容易处理，而且仅由四种碱基组成，单分子DNA测序比较简单。相比之下，蛋白质分子由20种氨基酸组成，并且蛋白的电荷和疏水性多变，还存在大量的二级和三级结构，因此基于纳米孔技术对蛋白质的鉴定要比DNA困难很多[6]。当前的基于纳米孔对蛋白质分析的主要探索方向是通过寡核苷酸适配子或抗体等亲和分子对纳米孔进行功能化，当蛋白质或肽段分子通过纳米孔时，由于不同氨基酸在纳米孔附近的结合或通过会引起不同幅度的电流变化，基于这些变化就可以确定氨基酸的种类，从而逐个得到所测蛋白质或肽段的序列信息（图1）。图 1 借助纳米孔的横向电流检测单分子蛋白质[2]牛津大学的Hagan Bayley[7]团队将单个α-血溶素蛋白孔插入两侧带有电极的膜中，磷酸化的蛋白质在DNA寡核苷酸的牵引下展开，并穿过纳米孔，通过记录纳米孔的电流变化区分出了202个磷酸化蛋白质的4种不同亚型，但无法鉴定蛋白质的一级结构。Francesco[8]团队将蛋白质或氨基酸吸附在金纳米星上，并施加电等离子体力将粒子推进并约束在金纳米孔内，利用金纳米星与金纳米孔壁之间的单个热点，实现了单分子表面增强拉曼散射（SERS）探测，用于检测氨基酸，并且可以分辨仅含有两个不同氨基酸的单个多肽分子抗利尿激素和催产素。Cao等[9]通过单个定点突变，在具有锥形识别位点的耻垢分枝杆菌孔蛋白A（MspA）的纳米孔内腔中引入了甲硫氨酸，从而将该反应有目的的移植到了MspA纳米孔最尖锐的识别位点，并观测到了相应的单分子反应信号。该纳米孔可以引入更多的离子电流，从而放大检测信号，其狭窄的识别位点则提供了更高的空间分辨率，大大削弱了周围氨基酸的干扰，从而拓宽生物纳米孔的单分子检测功能，有望推进基于孔道的单分子蛋白质测序研究。Ouldali[10]研究团队研发出了一种新型气溶素纳米孔，此纳米孔借助将氨基酸附着在聚阳离子载体上，使氨基酸在纳米孔上停留时间变长，并检测其通过纳米孔时电流的变化，最终可识别出组成蛋白质的15种氨基酸，也能检测到组成蛋白质的其余5种氨基酸的电流变化，但是无法对其进行区分。虽然只是对氨基酸进行识别，但作者设想通过对蛋白或者肽段末端氨基酸逐个降解，利用纳米孔技术鉴定从末端释放出来的氨基酸，从而对蛋白质或肽段序列进行测定。Zhao[11]等将一对金属电极分隔在约2nm的孔洞旁，当氨基酸线性穿过这种纳米孔的时候，每一个氨基酸都会完成一个回路，并反馈出相应的电信号，常见的20种氨基酸在通过纳米孔时都可以产生电信号。有的氨基酸需通过大约50种不同信号特征被鉴定，但绝大多数的氨基酸仅需要不到10个信号特征被鉴别。这种方法不仅能够高可信度的鉴定氨基酸，还能区分翻译后修饰的氨基酸（肌氨酸）及其前体（甘氨酸）、区分同分异构体的亮氨酸与异亮氨酸、区分对应对映异构体的氨基酸镜像分子L-天冬酰胺和D-天冬酰胺。此技术被应用于对两条由四个氨基酸组成的短肽（GGGG 和GGLL）进行测序，单分子短肽穿过纳米孔，孔道两边电极记录每个氨基酸通过时产生的电信号，通过测序算法，识别代表不同氨基酸的特征信号，从而得到短肽的序列。基于纳米孔单分子蛋白测序目前还属于初步发展阶段，除了需要根据电信号准确区分组成蛋白质的氨基酸以外，另一个关键是设计可一次拉动一个蛋白质或氨基酸穿过纳米孔的“马达”。为了让蛋白质或肽段顺利穿过纳米孔，研究者们在蛋白质一端添加了一串带有负电的氨基酸或者一段短DNA，用氨基酸或DNA链拉动蛋白质，可以使一些蛋白质打开折叠并顺利穿过纳米孔，但另一些复杂折叠的蛋白需要更多拉力，于是研究者在引导序列上添加了可以打开折叠的ClpX的识别位点[12]。这个系统能够将简单折叠的目标蛋白牵引过纳米孔，但对于折叠非常紧密的蛋白质仍要使用变性剂来打开折叠。基于纳米孔技术对单分子肽段或蛋白质测序目前还停留在对氨基酸鉴定和对短肽的区分阶段，还不能实际应用于对蛋白质的测序。虽然纳米孔测序具有高通量、对样品需求量少的优点，但是现有的纳米孔过大，失去了对氨基酸的区分能力，同时蛋白质分子通过孔道过快，加大了对信号读取难度；其次由于需要将蛋白的三级和二级结构破坏掉，纳米孔道需要能够耐受非常苛刻的化学和力学条件；第三，由于蛋白带电不均匀，控制其穿孔的速率也非常困难。所以目前的方法还不能准确的测得蛋白质的序列，基于纳米孔的单分子蛋白质测序技术还有很大的发展空间。基于荧光的单分子蛋白质测序方法基于荧光的单分子蛋白质测序同纳米孔测序一样，都可以对极少量蛋白质样品进行检测，其原理是先将蛋白质酶解成肽段，对肽段中特定氨基酸选择性标记不同的荧光基团[13]，对不同氨基酸上的荧光进行观察，从而确定肽段部分氨基酸序列，再将这些序列与蛋白质组序列比对，即可确定肽段的来源蛋白（图2）。图 2 基于荧光的单分子蛋白测序流程[14]。Ginkel[15] 和Yao [16]都利用ClpXP蛋白酶辅助对肽段进行选择性荧光标记，可对序列中的赖氨酸和半胱氨酸进行标记，通过Förster共振能量转移依次读出被标记的肽段的氨基酸的信号。Swaminathan[14] 将蛋白质酶解成肽段，再将肽段固载到玻璃片上[17]，使用特定荧光基团分别对肽段中的赖氨酸和半胱氨酸选择性标记，通过Edman降解技术对固载的肽段进行降解，每次降解后都使用全内反射荧光（TIPF）显微镜进行观测。如果被标记的赖氨酸和半胱氨酸在Edman降解中从肽段N端释放出来，被标记的以上两种氨基酸的位置就会被检测到。同时还发展了用于监测单个肽荧光强度的图像处理算法，并对误差源进行分类和建模，可以测得序列中部分氨基酸的信息。将测得的部分序列与参考蛋白质组序列比对，即可确定肽段的来源蛋白，通过与蛋白质组序列比对，可以鉴定到在人源蛋白质组中的绝大多数蛋白质。基于荧光单分子蛋白测序技术主要有三方面难点，一方面在于目前仅能对赖氨酸和半胱氨酸等几种氨基酸进行特异性荧光基团的标记，无法对所有氨基酸都进行标记；第二个难点是Edman降解是在强酸或强碱的环境中进行，对这些荧光基团的稳定性要求很高；第三个难点是对后期图像处理有较高的要求，如果序列中每个氨基酸都标记上不同的荧光基团，且发光峰易交叠难分辨，这给荧光处理算法带来了难度。因此，基于荧光的单分子蛋白测序技术虽然可以对极微量蛋白质样品分析，但目前仅能测得部分氨基酸序列，对蛋白质全序列的测定目前尚不能实现。[1] Kasianowicz J J, Brandin E, Branton D, et al. Characterization of individual polynucleotide molecules using a membrane channel [J]. Proceedings of the National Academy of Sciences, 1996, 93(24): 13770-13773.[2] Branton D, Deamer D W, Marziali A, et al. The potential and challenges of nanopore sequencing [J]. Nanoscience and technology: A collection of reviews from Nature Journals, 2010: 261-268.[3] Laver T, Harrison J, O’neill P, et al. Assessing the performance of the oxford nanopore technologies minion [J]. Biomolecular detection and quantification, 2015, 3: 1-8.[4] Karlsson E, Lärkeryd A, Sjödin A, et al. Scaffolding of a bacterial genome using MinION nanopore sequencing [J]. Sci Rep, 2015, 5(1): 1-8.[5] Huang S, Romero-Ruiz M, Castell O K,et al. High-throughput optical sensing of nucleic acids in a nanopore array [J]. Nature nanotechnology, 2015, 10(11): 986-991.[6] Nivala J, Marks D B, Akeson M. Unfoldase-mediated protein translocation through an α-hemolysin nanopore [J]. Nat Biotechnol, 2013, 31(3): 247-250.[7] Rosen C B, Rodriguez-Larrea D, Bayley H. Single-molecule site-specific detection of protein phosphorylation with a nanopore [J]. Nat Biotechnol, 2014, 32(2): 179.[8] Huang J, Mousavi M, Giovannini G, et al. Multiplexed Discrimination of Single Amino Acid Residues in Polypeptides in a Single SERS Hot Spot [J]. Angewandte Chemie 2020, 59(28): 11423-11431.[9] Cao J, Jia W, Zhang J, et al. Giant single molecule chemistry events observed from a tetrachloroaurate (III) embedded Mycobacterium smegmatis porin A nanopore [J]. Nature communications, 2019, 10(1): 1-11.[10] Ouldali H, Sarthak K, Ensslen T, et al. Electrical recognition of the twenty proteinogenic amino acids using an aerolysin nanopore [J]. Nat Biotechnol, 2020, 38(2): 176-181.[11] Zhao Y, Ashcroft B, Zhang P, et al. Single-molecule spectroscopy of amino acids and peptides by recognition tunnelling [J]. Nature nanotechnology, 2014, 9(6): 466-473.[12] Nivala J, Mulroney L, Luan Q, et al. Unfolding and Translocation of Proteins Through an Alpha-Hemolysin Nanopore by ClpXP [M]. Nanopore Technology. Springer. 2021: 145-155.[13] Hernandez E T, Swaminathan J, Marcotte E M, et al. Solution-phase and solid-phase sequential, selective modification of side chains in KDYWEC and KDYWE as models for usage in single-molecule protein sequencing [J]. New J Chem, 2017: 462-469.[14] Swaminathan J, Boulgakov A, Hernandez E, et al. Highly parallel single-molecule identification of proteins in zeptomole-scale mixtures [J]. Nat Biotechnol, 2018, 36(11): 1076-1082.[15] Ginkel J V, Filius M, Szczepaniak M, et al. Single-molecule peptide fingerprinting [J]. Proceedings of the National Academy of Sciences, 2018, 115(13): 3338-3343.[16] Yao Y, Docter M, Ginkel JV, et al. Single-molecule protein sequencing through fingerprinting: computational assessment [J]. Phys Biol, 2015, 12(5): 055033.[17] Howard C, Floyd B, Bardo A, et al. Solid-Phase Peptide Capture and Release for Bulk and Single-Molecule Proteomics [J]. ACS Chem Biol, 2020, 15(6): 1401-1407.作者简介：中国科学院大连化学物理研究所 单亦初副研究员1997年于中国科学技术大学获理学学士学位。2002年于中国科学院大连化物所获理学博士学位。2002年10月至2009年5月在德国马普协会马格德堡研究所、美国德克萨斯大学医学院及澳大利亚弗林德斯大学工作。2009年7月应聘到中国科学院大连化物所任副研究员。主持多项研究课题，包括国家重点研发计划子课题、国家自然科学基金面上项目等。已在Analytical Chemistry、Journal of Proteome Research、Journal of Chromatography A等杂志发表论文近80篇。主要研究方向包括蛋白质组鉴定和蛋白质组相对及绝对定量、蛋白质翻译后修饰富集和鉴定、蛋白质组末端肽富集和鉴定、蛋白质相互作用分析、蛋白质全序列从头测定及药物靶蛋白筛选。（本文经授权发布,仅供读者学习参考）专家约稿招募：若您有生命科学相关研究、技术、应用、经验等愿意以约稿形式共享，欢迎邮件投稿或沟通（邮箱：liuld@instrument.com.cn ）。

21世纪是生命科学的世纪，随着人类基因组计划的完成，人类蛋白组研究成为了生命科学乃至自然科学领域下一步的重大科学命题。在这一背景下，2004年6月30日，由军事医学科学院院长贺福初院士牵头，军事医学科学院、中国科学院、中国医学科学院、清华大学、北京大学、北京生物技术和新医药产业促进中心及江中集团共同发起，组建成立BPRC，并于2005年10月29日正式入驻中关村生命科学园。 　　2012年7月26日，仪器信息网编辑和我要测工作人员走访了中关村生命科学园内的北京蛋白质组研究中心(Beijing Proteome Research Center以下简称BPRC)。走访得到了BPRC技术部史冬梅部长的热情接待，不但了解了BPRC的一些具体情况，还参观了部分实验室。 　　据了解，BPRC专注于具有自主知识产权的蛋白质组和功能基因组的研究与开发，经过5年的建设，已经成为国际人类肝脏蛋白质组计划执行总部、蛋白质组学国家重点实验室、全军蛋白质组学重点实验室、蛋白质组学北京市重点实验室、“首都科技条件平台”和“中关村开放实验室”。另外，申报的蛋白质药物国家工程研究中心、国家蛋白质科学基础设施也已获得国家发改委批准，即将启动建设。BPRC建成“产、学、研、用”四维一体的综合基地的目标正在逐步实现中。 　　 BPRC取得的部分资质 　　BPRC内部办公区 　　BPRC部分专家简介 　　BPRC实验室部分仪器：AB SCIEX三重四极杆质谱 　　BPRC实验室部分仪器：赛默飞三重四极杆质谱 　　BPRC实验室部分仪器 　　仪器信息网编辑和史冬梅部长(中)合影 　　科研项目 　　BPRC现有蛋白质分离鉴定、翻译后修饰蛋白质组、多肽组、蛋白质相互作用、蛋白质定位、功能蛋白质组、功能基因组、肝脏免疫学、脑/神经蛋白质组、模式生物蛋白质组、抗体工程、蛋白质工程、蛋白质组新技术、生物信息学、网络与信号转导共15个研究室，仅拥有的大型设备总价值就达六、七百万，研究团队200多人，包括1名中科院院士、16名研究员、23名副研究员，还有国际人类蛋白质组组织理事1人、亚太地区人类蛋白质组组织副主席1人、蛋白质组学国际权威刊物Proteomics编辑4人，CNHUPO委员12人。 　　目前，BPRC承担的各类科研任务共计172项，其中由中心牵头承担的重大项目包括973有4项，863项目4项，国际合作项目4项，国家自然科学基金项目13项，国家自然基金创新群体1项，“艾滋病和病毒性肝炎等重大传染病防治”专项2项，国家重大新药创制和军用特需新药创新专项7项。 　　在接受任务的同时，BPRC也取得了很多骄人的成绩：多人多次获得国际、国家、军队和北京市的科研奖项，仅2011年，BPRC就有10名科技人员获奖，其中贺福初院士获得由人类蛋白质组组织颁发的“杰出贡献奖”，张令强研究员一人获得了“国家杰出青年科学基金” 、“中国科协求是杰出青年实用工程奖”和“贝时璋青年生物物理学家奖”3个奖项 在国际刊物Nature、Science、Mol Cell Proteomics等发表了多篇文章，平均影响因子达5.7 除此之外，BPRC还获得了40项国家、欧盟专利及软件著作权，并将部分开发的软件放到互联网上，供有需要的人免费使用。 　　人才培养 　　人才是科研的关键和未来，BPRC对人才的培养主要分三个方面进行：一、对现有人员的扶持和激励，设立“凤凰”杰出人才奖励基金、“雏鹰计划”、“青苗计划”、“重点实验室青年研究项目”和“绿叶奖”等各类人才基金，鼓励人才大胆创新 二、对生力军的大力培养，除军事研究科学院招收的部分研究生外，BPRC还接受访问学者、留学生和进修生，至今已培养出100余名博士、80余名硕士、20余名博士后，其中2人获得全国百篇优秀博士学问论文 三、面向蛋白质相关研究人员的技术培训，BPRC已举办各类培训班50余期，培训学员近万人次，包括医疗、制药等多个行业的从业人员，对推进中国蛋白质组学领域的研究和应用起到了推动。 　　在人才的培养的同时，BPRC也不忘交流和互动，先后主办了多次大型学术会议和科研交流活动。一方面鼓励科研人员走出去，参加国外的高端科研会议学习、取经，如2011年9月4-7日，贺福初院士等一行十余人赴瑞士日内瓦参加第十届国际蛋白质组大会 另一方面欢迎国外的专家学者来BPRC进行学术交流，如世界知名制药企业罗氏和默克公司，都曾由全球研发总裁带队，带领公司高层和技术人员到BPRC参观、考察。 　　对外服务 　　BPRC充分发挥自身技术平台的人力、技术和设备优势，本着资源共享的宗旨，接受委托研究并对外提供技术服务。资质方面，BPRC参与了国际人类蛋白质组组织(HUPO)组织的全球27家实验室比对评估实验，是首批获得100%正确结果的6家实验室之一，并通过了ISO/IEC17025:2005(CNAS-CL01)实验室认可，有着完善的质量控制体系，是首都科技条件平台和中关村开放实验室成员，可提供蛋白质组学、多肽组学及相关药物结构确认等多项服务。目前为止，服务范围已覆盖全国各省市，为500余家研究院所、高校、医院、食品及生物医药企业提供过技术服务。 　　另外，BPRC还对外提供一些科研检测试剂盒和毛细管液相色谱填充柱。这些都是BPRC自主研发，平时应用于研究中的一些成熟产品，对于特定实验有着更高的灵敏度和更短的检测时间，并可根据客户需要量身订制，满足客户实际需求。 　　附录：北京蛋白质组研究中心 　　http://www.bprc.ac.cn

p 耗资7.56亿元、总建筑面积超过3万平方米的高规格实验室，居然免费向各大科研机构开放。 /p p 　　记者8月29日在国家蛋白质科学研究中心(上海)深度体验到这处拥有全世界最顶尖蛋白质相关实验设施的场地如何炫酷。 /p p 　　相关领域的科学家们做尖端实验，再也不用为昂贵的试验设备担心了，通过这个蛋白质研究中心的官网申请，符合要求即可预约在上海做实验，使用全球最好的实验设施。 /p p 　　2017年9月，位于上海的张江实验室揭牌成立，蛋白质实验室成为第一个划入张江实验室的国家重大科技基础设施，由张江实验室统一管理，依托法人单位变更为中科院上海高等研究院。 /p p 　　据悉，只要是获得过国家基金资助的科研项目，无论是高校项目、科研机构项目还是企业项目，都可以通过官网申请到这里来做实验。该试验中心拥有9大技术系统，包括我国自主研制的自动化蛋白质制备系统、蛋白质结构与动态分析系统，300KV电镜为主的集成电镜分析系统、系列质谱组成的蛋白质修饰与相互作用分析系统、超高分辨率显微镜等组成的复合激光显微镜系统等。上述系统各项指标均达到了项目设计的性能指标，部分指标达到国际领先水平。 /p p 　　海归博士后彭超现在是蛋白质实验室质谱系统负责人，他告诉记者，现在质谱系统一周会收到世界各地寄来的约200个样品，每一件样品每一小时都能产生海量的数据，实验室要根据样品提供者的需求，实验并搜集其中有用的数据以帮助科学家们进行下一步研究。 /p p 　　“很多机构的实验室并没有专人做质谱实验、分析，我们的7人团队，能为很多机构专业快速地‘代劳’质谱分析。”彭超说，质检、食药监、公安等部门对质谱分析需求极大，此外质谱分析还可以检测空气污染、尿液小分子超标、疾病蛋白质表达等关键问题，可以发挥的空间很大。 /p p 　　张江实验室脑与智能科技研究院院长、中科院上海分院副院长、院士张旭告诉记者，蛋白质实验室的布局具有重要的战略意义，“蛋白质是脑科学信号传递、采集的主要物质，也是疾病诊断、药物抗体、疫苗、生物技术、现代农业中的重要战略资源。如果把蛋白质相关的生命科学研究和信息技术结合到一起，就可以行进到类脑智能交叉学科。 /p p 　　张旭说，张江这片区域特别适合发展交叉学科的研究。一方面，这里产业、研究机构集聚，“不像大学，一个研究所的研究目的很明确，只研究自己的领域就好” 另一方面，这里正在打造的“张江实验室”为各种机构都提供了进行学科交叉、互动的机会。以蛋白质实验室为例，这里可以进行生命科学、信息技术、工程技术的多方位交叉实验，为未来我国人工智能的发展提供坚实的基础。 /p p br/ /p

CEM 公司&mdash &mdash 全球领先的实验室仪器设备供应商，近日宣布AOAC（美国官方分析化学师协会）已经通过了Sprint蛋白质快速测定方法为官方正式方法2011.04，该方法依据蛋白质标签技术适用于猪肉、牛肉和家禽的原料肉和加工肉以及肉制品的蛋白质含量的快速测定。 &ldquo 我们非常高兴AOAC①国际协会能够认可并通过这些方法&rdquo ，CEM公司总裁兼CEO Michael J. Collins说，&ldquo 这确实是一项革命性的技术，非常有价值，可以广泛地应用在食品领域，但一直缺少官方认可。现在，随着这个方法的被公众的普遍接受，未来将会有更多的公司享受到Sprint带来的省时、准确、高效和绿色环保。 在该方法的批准进程中，CEM 公司的Sprint蛋白质快速测定仪被作为该方法研究的指定仪器。方法有效性和准确性的验证过程建立在蛋白质含量在9%-40%之间的牛肉、猪肉及家禽肉和肉制品等具有广泛代表性产品蛋白含量数据之上。 Sprint 采用了iTAG这种专门的、无毒的蛋白质标签溶液，该溶液可以和原料肉、加工肉中蛋白质的赖氨酸、组氨酸和精氨酸及N末端结合并自动计算出蛋白质含量。一体化、操作简便的Sprint机器可以在2分钟内快速测出多种产品的蛋白质含量。该方法比传统的凯氏定氮法更加安全，无需高温以及强腐蚀性化学试剂。2009年，Sprint蛋白质快速测定仪基于它的绿色环保的反应条件，被美国国家环保局（US EPA）授予&ldquo 总统绿色化学挑战者奖&rdquo 。 目前，Sprint 蛋白质快速测定仪广泛应用于乳品、谷物蛋白含量的检测并作为标准方法得到AOAC和AACC认可： AOAC Method 967. 12 液态奶、花色奶、调味乳饮料、咖啡伴侣、黄油等； AOAC Method 930. 33 冰激凌、速冻甜食、雪糕等； AOAC Method 930. 29 全脂奶粉、脱脂奶粉、营养强化奶粉、婴幼儿配方奶粉等； AACC② Method 46-14B 适用于谷物、宠物食品、动物饲料等。 ①AOAC------Association of Analytical Communities（美国官方分析化学师协会）的缩写.是一个拥有127年历史的非营利性科学组织，在分析结果领域赢得了世界的信任，是美国食品生产领域的权威标准机构.经AOAC批准通过的方法，对于方法结果的准确性是一种认可，对采用AOAC方法的厂家生产产品的安全性和合理性提供了一定的信任。 ②AACC------American Association of Cereal Chemist（美国谷物化学师协会标准是由美国谷物化学师协会）的简称，负责制订的谷物分析与测试方法标准。AACC标准自1922年问世以来，一直是谷物科技领域的重要检验依据。此外用这些方法分析的结果还常常被用作诉讼或司法的依据。 参考 http://www.cem.com/{e_BASE}page74.html 更多详情，请联系培安公司：电话：北京：010-65528800 上海：021-51086600 成都：028-85127107 广州：020-89609288 Email: sales@pynnco.com 网站：www.pynnco.com

1．蛋白质组学研究的研究意义和背景 随着人类基因组计划的实施和推进，生命科学研究已进入了后基因组时代。在这个时代，生命科学的主要研究对象是功能基因组学，包括结构基因组研究和蛋白质组研究等。尽管现在已有多个物种的基因组被测序，但在这些基因组中通常有一半以上基因的功能是未知的。目前功能基因组中所采用的策略，如基因芯片、基因表达序列分析(Serial analysis of gene expression, SAGE)等，都是从细胞中mRNA的角度来考虑的，其前提是细胞中mRNA的水平反映了蛋白质表达的水平。但事实并不完全如此，从DNA mRNA 蛋白质，存在三个层次的调控，即转录水平调控(Transcriptional control )，翻译水平调控(Translational control)，翻译后水平调控(Post-translational control )。从mRNA角度考虑，实际上仅包括了转录水平调控，并不能全面代表蛋白质表达水平。实验也证明，组织中mRNA丰度与蛋白质丰度的相关性并不好，尤其对于低丰度蛋白质来说，相关性更差。更重要的是，蛋白质复杂的翻译后修饰、蛋白质的亚细胞定位或迁移、蛋白质－蛋白质相互作用等则几乎无法从mRNA水平来判断。毋庸置疑，蛋白质是生理功能的执行者，是生命现象的直接体现者，对蛋白质结构和功能的研究将直接阐明生命在生理或病理条件下的变化机制。蛋白质本身的存在形式和活动规律，如翻译后修饰、蛋白质间相互作用以及蛋白质构象等问题，仍依赖于直接对蛋白质的研究来解决。虽然蛋白质的可变性和多样性等特殊性质导致了蛋白质研究技术远远比核酸技术要复杂和困难得多，但正是这些特性参与和影响着整个生命过程。 传统的对单个蛋白质进行研究的方式已无法满足后基因组时代的要求。这是因为：(1) 生命现象的发生往往是多因素影响的，必然涉及到多个蛋白质。(2) 多个蛋白质的参与是交织成网络的，或平行发生，或呈级联因果。(3) 在执行生理功能时蛋白质的表现是多样的、动态的，并不象基因组那样基本固定不变。因此要对生命的复杂活动有全面和深入的认识，必然要在整体、动态、网络的水平上对蛋白质进行研究。因此在上世纪90年代中期，国际上产生了一门新兴学科－蛋白质组学（Proteomics），它是以细胞内全部蛋白质的存在及其活动方式为研究对象。可以说蛋白质组研究的开展不仅是生命科学研究进入后基因组时代的里程碑，也是后基因组时代生命科学研究的核心内容之一。 虽然第一次提出蛋白质组概念是在1994年，但相关研究可以追溯到上世纪90年代中期甚至更早，尤其是80年代初，在基因组计划提出之前，就有人提出过类似的蛋白质组计划，当时称为Human Protein Index计划，旨在分析细胞内的所有蛋白质。但由于种种原因，这一计划被搁浅。90年代初期，各种技术已比较成熟，在这样的背景下，经过各国科学家的讨论，才提出蛋白质组这一概念。 国际上蛋白质组研究进展十分迅速，不论基础理论还是技术方法，都在不断进步和完善。相当多种细胞的蛋白质组数据库已经建立，相应的国际互联网站也层出不穷。1996年，澳大利亚建立了世界上第一个蛋白质组研究中心：Australia Proteome Analysis Facility ( APAF )。丹麦、加拿大、日本也先后成立了蛋白质组研究中心。在美国，各大药厂和公司在巨大财力的支持下，也纷纷加入蛋白质组的研究阵容。去年在瑞士成立的GeneProt公司，是由以蛋白质组数据库“SWISSPROT” 著称的蛋白质组研究人员成立的，以应用蛋白质组技术开发新药物靶标为目的，建立了配备有上百台质谱仪的高通量技术平台。而当年提出Human Protein Index 的美国科学家Normsn G. Anderson也成立了类似的蛋白质组学公司，继续其多年未实现的梦想。2001年4月，在美国成立了国际人类蛋白质组研究组织（Human Proteome Organization, HUPO）,随后欧洲、亚太地区都成立了区域性蛋白质组研究组织，试图通过合作的方式，融合各方面的力量，完成人类蛋白质组计划（Human Proteome Project）。2．蛋白质组学研究的策略和范围 蛋白质组学一经出现，就有两种研究策略。一种可称为“竭泽法”，即采用高通量的蛋白质组研究技术分析生物体内尽可能多乃至接近所有的蛋白质，这种观点从大规模、系统性的角度来看待蛋白质组学，也更符合蛋白质组学的本质。但是，由于蛋白质表达随空间和时间不断变化，要分析生物体内所有的蛋白质是一个难以实现的目标。另一种策略可称为“功能法”，即研究不同时期细胞蛋白质组成的变化，如蛋白质在不同环境下的差异表达，以发现有差异的蛋白质种类为主要目标。这种观点更倾向于把蛋白质组学作为研究生命现象的手段和方法。 早期蛋白质组学的研究范围主要是指蛋白质的表达模式（Expression profile）, 随着学科的发展，蛋白质组学的研究范围也在不断完善和扩充。蛋白质翻译后修饰研究已成为蛋白质组研究中的重要部分和巨大挑战。蛋白质-蛋白质相互作用的研究也已被纳入蛋白质组学的研究范畴。而蛋白质高级结构的解析即传统的结构生物学，虽也有人试图将其纳入蛋白质组学研究范围，但目前仍独树一帜。3．蛋白质组学研究技术 可以说，蛋白质组学的发展既是技术所推动的也是受技术限制的。蛋白质组学研究成功与否，很大程度上取决于其技术方法水平的高低。蛋白质研究技术远比基因技术复杂和困难。不仅氨基酸残基种类远多于核苷酸残基（20/ 4）, 而且蛋白质有着复杂的翻译后修饰，如磷酸化和糖基化等，给分离和分析蛋白质带来很多困难。此外，通过表达载体进行蛋白质的体外扩增和纯化也并非易事，从而难以制备大量的蛋白质。蛋白质组学的兴起对技术有了新的需求和挑战。蛋白质组的研究实质上是在细胞水平上对蛋白质进行大规模的平行分离和分析，往往要同时处理成千上万种蛋白质。因此，发展高通量、高灵敏度、高准确性的研究技术平台是现在乃至相当一段时间内蛋白质组学研究中的主要任务。当前在国际蛋白质组研究技术平台的技术基础和发展趋势有以下几个方面：3.1 蛋白质组研究中的样品制备 通常可采用细胞或组织中的全蛋白质组分进行蛋白质组分析。也可以进行样品预分级，即采用各种方法将细胞或组织中的全体蛋白质分成几部分，分别进行蛋白质组研究。样品预分级的主要方法包括根据蛋白质溶解性和蛋白质在细胞中不同的细胞器定位进行分级，如专门分离出细胞核、线粒体或高尔基体等细胞器的蛋白质成分。样品预分级不仅可以提高低丰度蛋白质的上样量和检测，还可以针对某一细胞器的蛋白质组进行研究。 对临床组织样本进行研究，寻找疾病标记，是蛋白质组研究的重要方向之一。但临床样本都是各种细胞或组织混杂，而且状态不一。如肿瘤组织中，发生癌变的往往是上皮类细胞，而这类细胞在肿瘤中总是与血管、基质细胞等混杂。所以，常规采用的癌和癌旁组织或肿瘤与正常组织进行差异比较，实际上是多种细胞甚至组织蛋白质组混合物的比较。而蛋白质组研究需要的通常是单一的细胞类型。最近在组织水平上的蛋白质组样品制备方面也有新的进展，如采用激光捕获微解剖(Laser Capture Microdissection, LCM) 方法分离癌变上皮类细胞。3.2 蛋白质组研究中的样品分离和分析 利用蛋白质的等电点和分子量通过双向凝胶电泳的方法将各种蛋白质区分开来是一种很有效的手段。它在蛋白质组分离技术中起到了关键作用。如何提高双向凝胶电泳的分离容量、灵敏度和分辨率以及对蛋白质差异表达的准确检测是目前双向凝胶电泳技术发展的关键问题。国外的主要趋势有第一维电泳采用窄pH梯度胶分离以及开发与双向凝胶电泳相结合的高灵敏度蛋白质染色技术，如新型的荧光染色技术。 质谱技术是目前蛋白质组研究中发展最快，也最具活力和潜力的技术。它通过测定蛋白质的质量来判别蛋白质的种类。当前蛋白质组研究的核心技术就是双向凝胶电泳－质谱技术，即通过双向凝胶电泳将蛋白质分离，然后利用质谱对蛋白质逐一进行鉴定。对于蛋白质鉴定而言，高通量、高灵敏度和高精度是三个关键指标。一般的质谱技术难以将三者合一，而最近发展的质谱技术可以同时达到以上三个要求，从而实现对蛋白质准确和大规模的鉴定。3.3 蛋白质组研究的新技术 做过双向凝胶电泳的人一定会抱怨它的繁琐、不稳定和低灵敏度等缺点。发展可替代或补充双向凝胶电泳的新方法已成为蛋白质组研究技术最主要的目标。目前，二维色谱 (2D-LC)、二维毛细管电泳 (2D-CE)、液相色谱－毛细管电泳 (LC-CE) 等新型分离技术都有补充和取代双向凝胶电泳之势。另一种策略则是以质谱技术为核心，开发质谱鸟枪法(Shot-gun)、毛细管电泳-质谱联用 (CE-MS)等新策略直接鉴定全蛋白质组混合酶解产物。随着对大规模蛋白质相互作用研究的重视，发展高通量和高精度的蛋白质相互作用检测技术也被科学家所关注。此外，蛋白质芯片的发展也十分迅速，并已经在临床诊断中得到应用。3.4 蛋白质组生物信息学 蛋白质组数据库是蛋白质组研究水平的标志和基础。瑞士的SWISS-PROT拥有目前世界上最大，种类最多的蛋白质组数据库。丹麦、英国、美国等也都建立了各具特色的蛋白质组数据库。生物信息学的发展已给蛋白质组研究提供了更方便有效的计算机分析软件；特别值得注意的是蛋白质质谱鉴定软件和算法发展迅速，如SWISS-PROT、Rockefeller大学、UCSF等都有自主的搜索软件和数据管理系统。最近发展的质谱数据直接搜寻基因组数据库使得质谱数据可直接进行基因注释、判断复杂的拼接方式。随着基因组学的迅速推进，会给蛋白质组研究提供更多更全的数据库。另外，对肽序列标记的从头测序软件也十分引人注目。4． 蛋白质组学发展趋势 在基础研究方面，近两年来蛋白质组研究技术已被应用到各种生命科学领域，如细胞生物学、神经生物学等。在研究对象上，覆盖了原核微生物、真核微生物、植物和动物等范围，涉及到各种重要的生物学现象，如信号转导、细胞分化、蛋白质折叠等等。在未来的发展中，蛋白质组学的研究领域将更加广泛。 在应用研究方面，蛋白质组学将成为寻找疾病分子标记和药物靶标最有效的方法之一。在对癌症、早老性痴呆等人类重大疾病的临床诊断和治疗方面蛋白质组技术也有十分诱人的前景，目前国际上许多大型药物公司正投入大量的人力和物力进行蛋白质组学方面的应用性研究。 在技术发展方面，蛋白质组学的研究方法将出现多种技术并存，各有优势和局限的特点，而难以象基因组研究一样形成比较一致的方法。除了发展新方法外，更强调各种方法间的整合和互补，以适应不同蛋白质的不同特征。另外，蛋白质组学与其它学科的交叉也将日益显著和重要，这种交叉是新技术新方法的活水之源，特别是，蛋白质组学与其它大规模科学如基因组学，生物信息学等领域的交叉，所呈现出的系统生物学（System Biology）研究模式，将成为未来生命科学最令人激动的新前沿。

蛋白质是细胞功能的执行者，是一切生命的物质基础。然而人们对蛋白质和蛋白质组的了解还远远不够，蛋白质分析被认为是一项复杂而艰巨的任务。2015年是蛋白质领域的关键一年，有可能决定着蛋白质分析的未来走向。 　　1.人类蛋白互作图谱取得更大的成果。最近Cell杂志上发表了一项大规模的蛋白质研究，科学家们鉴定了一万四千个蛋白相互作用，获得了迄今为止最大规模的人类蛋白互作图谱。他们计划将在未来六年中逐步完成人类基因组的全部互作图谱。这种图谱可以帮助人们更全面的了解人类互作组，进一步理解疾病的发生和发展。对新发现的蛋白互作进行研究，能够揭示基因型和表型之间的真实关系。我们期待在2015年看到这类研究结出更多硕果。 　　2.人造环境为蛋白质分析提供便利。今年八月Roy Bar-Ziv及其同事在Science杂志上发表文章，展示了以微流体DNA隔室为基础的人造细胞。这些二维的人造细胞可以实现预编程的蛋白合成、代谢和通讯，是一种非常灵活的蛋白合成系统。研究显示，人造细胞能够更好的模拟蛋白表达的动态模式，维持蛋白信号的梯度。人们可以利用这一系统来评估蛋白质的活性和相互作用，这种方法将对蛋白质功能研究产生重要的影响。 　　3. 一个时代的终结&mdash &mdash 蛋白质结构计划PSI收官。PSI项目在运行了十五年后，正逐步走向自己的终点。PSI项目已经确定了六千三百多个蛋白结构，为蛋白质分析做出了重要的贡献。那些为PSI而建的高通量蛋白生产中心可能会继续维持下去，给其他结构生物学实验室使用。结构生物学家们也可能启动与数据处理有关的中、大型项目，作为PSI的延续。 　　不管怎样，对于蛋白质领域来说明年都是特别的一年，研究者们需要决定PSI之后的前进方向。我们希望未来能有更多类似人类互作组图谱的大型项目，增进我们对蛋白质结构和功能的理解。

贾伟、陈熙 沃特世科技（上海）有限公司实验中心 氢氘交换质谱法是一种研究蛋白质空间构象的质谱技术。它在蛋白质结构及动态变化研究、蛋白质相互作用位点发现、蛋白表位及活性位点鉴定方面有着广泛的应用。随着氢氘交换质谱技术的不断发展，它正在成为结构生物学家及生物药物研发的重要手段。 氢氘交换质谱（HDX MS，hydrogen deuterium exchange mass spectrometry）是一种研究蛋白质空间构象的质谱技术。其原理是将蛋白浸入重水溶液中，蛋白的氢原子将于重水的氘原子发生交换，而且蛋白质表面与重水密切接触的氢比位于蛋白质内部的或参与氢键形成的氢的交换速率快，进而通过质谱检测确定蛋白质不同序列片段的氢氘交换速率，从而得出蛋白质空间结构信息[1]。这个过程就像将握着的拳头浸入水中，然后提出水面并张开手掌。这时，湿润的手背表明它在&ldquo 拳头&rdquo 的结构中处于外表面，而较为干燥的手心表明它是&ldquo 拳头&rdquo 的内部。除样品制备外，氢氘交换质谱法的主要过程包括：交换反应、终止反应、将蛋白快速酶切为多肽、液相分离、质谱检测、数据解析。其中交换步骤需要在多个反应时长下进行，如0s、10s、1min、10min、60min等，以绘制交换率曲线，得到准确全面的信息。氢氘交换质谱技术在蛋白质结构及其动态变化研究[1]、蛋白质相互作用位点发现[2]、蛋白表位及活性位点鉴定方面有着广泛的应用[3]。 与经典的蛋白质结构研究方法相比，如X射线晶体衍射（X-Ray Crystallography）和核磁共振（NMR. Nuclear Magnetic Resonance）等方法，氢氘交换质谱不能够提供精确的蛋白空间结构，它直接提供的主要信息包括哪些氨基酸序列位于蛋白质空间结构的表面位置（包括动态变化中的）、可能的活性位点和蛋白-蛋白相互作用位点等。但是氢氘交换质谱技术有着其他经典方法不具备的优点：首先，可以进行蛋白质结构动态变化的研究是氢氘交换质谱的一个突出优点，包括变化中的活性位点及表位；其次，氢氘交换质谱在蛋白复合体构象的研究中也具有独到的优势；此外，氢氘交换质谱还具有对样品需求量小、纯度要求相对较低、研究对象为溶液环境下的蛋白质的天然构象而非晶体中构象等优势[1,4,5]。自1991年第一篇研究论文发表起，氢氘交换质谱技术不断发展，已经成为结构生物学及质谱技术中一个非常重要的应用领域[6]。但是氢氘交换质谱实验的复杂的实现过程在一定程度上影响了其应用的广泛度。主要的难点有：1、如何避免交换后氘代肽段的回交现象；2、实验控制的高精确性和重现性要求；3、交换后造成的叠加的质谱峰如何准确分辨；4、简易高效的分析软件需求；5、以氨基酸为单位的交换位点辨析。沃特世公司自2005年起，针对以上难点不断进行攻关，推出了目前唯一商业化的全自动氢氘交换质谱系统解决方案&mdash &mdash nanoACQUITY UPLC® HD-Exchange System(图1)。在全世界范围内，这套系统已经帮助科学家在包括Cell、Nature等顶级研究期刊中发表研究论文[7,8]。除科研需求外，沃特世氢氘交换质谱系统也受到众多国际领先制药公司的认可，并用于新药开发中蛋白药物活性位点及表位的研究工作中。 氢氘交换实验中的回交现象将严重影响实验数据的可信度，甚至导致错误结果的产生。要避免回交需要做到两点：尽量缩短液质分析时间和保证液质分析中的温度和pH为最低回交反应系数所要求的环境。沃特世UPLC® 系统采用亚二纳米色谱颗粒填料，较HPLC使用的大颗粒填料，UPLC具有无与伦比的分离度。因此UPLC可以做到在不损失色谱分离效果的要求下，极大缩短液相分析时间的要求[9]。对于对温度和pH控制问题，在多年的工程学改进中，nanoACQUITY UPLC HD-Exchange System已经实现了对酶切、液相分离等步骤的全程控制[10]。 对氢氘交换质谱实验精确性和重现性的要求是其应用的第二个主要难点。在实验中一般需要采集0s、10s、1min、10min、60min、240min等多个时间点的数据。如果进行人工手动实验，很难做到对10S-10min等几个时间点的精确操作。再考虑到重复实验的需求，人工手动操作会对最终数据可信度产生影响。而且实验过程重复繁琐，将给实验人员带来非常大的工作压力。nanoACQUITY UPLC HD-Exchange System完全通过智能机械臂，精确完成交换、终止交换、进样、酶切等一系列实验过程，而且始终保证各个步骤所需不同的温度环境。这些自动化过程不但保证了实验数据的可靠性，提高了实验效率，也将科学家从繁琐的重复实验中解放出来。 氢氘交换实验的质谱数据中，随着交换时间的延长，发生了交换反应的多肽，由于质量变大，其质谱信号将逐渐向高质荷比方向移动。因此，这些质谱峰可能与哪些未发生交换反应的多肽质谱峰逐渐叠加、相互覆盖。相互叠加的质谱信号，不但影响对峰归属的判断，更会增加交换率数据的误差。因为交换率判断需要通过对发生交换的多肽进行定量，毫无疑问因叠加的而混乱的质谱数据将极大的影响对质谱峰的准确定量。这点对于单纯通过质荷比进行分析的质谱仪来说完全无能为力。但是，这个看似不可能完成的任务却被沃特世 nanoACQUITY UPLC HD-Exchange System攻克了。这是因为，不同于其它常见质谱，沃特世的SYNAPT® 质谱平台还具备根据离子大小及形态进行分离的功能（行波离子淌度分离）。在数据处理时，除多肽离子的质荷比信息外，还可以通过离子迁移时间（离子淌度维度参数）将不同离子区分。因此这种SYNPAT独有的被命名为HDMSE的质谱分析技术可以将因质荷比相同而重叠的多肽分离开，轻而易举地解决了质谱信号叠加的问题，得到准确的交换率数据[11,12]（图2）。SYNPAT质谱平台一经推出就夺得了2007年PITTCON金奖，目前已经推出了新一代的SYNAPT G2HDMS、SYNAPT G2-S HDMS等型号，并具备ESI、MALDI等多种离子源。除氢氘交换技术外，SYNAPT质谱系统在蛋白质复合体结构研究中也是独具特色，已有多篇高质量应用文献发表[13,14,15]。 实现氢氘交换质谱技术的第四个关键点，是如何高效分析实验产生的多时间点及多次重复带来的大量数据。人工完成如此巨大的信息处理工作，将消耗科学家大量的时间。沃特世氢氘交换质谱解决方案所提供的DynamX软件可以为科学家提供简便直观的分析结果，并包含多种呈现方式。 在某些特殊研究中，要求对蛋白氢氘交换位点做到精确到氨基酸的测量，这是氢氘交换质谱研究的又一个难点。在常规的研究中采用CID（碰撞诱导解离）碎裂模式，可能导致氘原子在多肽内重排，而致使不能对发生交换的具体氨基酸进行精确定位。SYNPAT质谱提供的ETD（电子转移解离）碎裂模式可以避免氘原子重排造成的信息混乱，并具有良好的碎裂信号[16]。 沃特世的nanoACQUITY UPLC HD-Exchange System为氢氘交换质谱实验提供了前所未有的简易的解决方案，强有力地推动了氢氘交换技术在蛋白质结构及动态变化研究、蛋白质相互作用位点发现、蛋白表位以及活性位点鉴定方面的应用，正在成为众多结构生物学科学家和生物制药企业必不可少的工作平台。 参考文献 (1) John R. Engen, Analysis of Protein Conformation and Dynamics by Hydrogen/Deuterium Exchange MS. Anal. Chem. 2009,81, 7870&ndash 7875 (2) Engen et al. probing protein interactions using HD exchange ms in ms of protein interactions. Edited by Downard, John Wiley & Sons, Inc. 2007, 45-61 (3) Tiyanont K, Wales TE, Aste-Amezaga M, et al. Evidence for increased exposure of the Notch1 metalloproteasecleavage site upon conversion to an activated conformation. Structure. 2011, 19, 546-554 (4) Heck AJ. Native mass spectrometry: a bridge between interactomics and structural biology. Nat Methods. 2008, 5, 927-933. (5) Esther van Duijn, Albert J.R. Heck. Mass spectrometric analysis of intact macromolecular chaperone complexes. Drug Discovery Today. Drug Discovery Today: Technologies Volume 3, 2006, 21-27 (6) Viswanat ham Katta, Brian T. C hait, Steven Ca r r. Conformational changes in proteins probed by hydrogen-exchange electrospray-ionization mass spectrometry. Rapid Commun. Mass Spectrom. 1991, 5, 214&ndash 217 (7) Chakraborty K, Chatila M, Sinha J, et al. Chaperonin-catalyzed rescue of kinetically trapped states in protein folding. Cell. 2010 Jul 9 142(1):112-22. (8) Zhang J, Adriá n FJ, Jahnke W, et al. Targeting Bcr-Abl by combining allosteric with AT P-binding-site inhibitors. Nature. 2010,463, 501-506 (9) Wu Y, Engen JR, Hobbins WB. Ultra performance liquid chromatography (UPLC) further improves hydrogen/deuterium exchange mass spectrometry. J Am Soc Mass Spectrom. 2006 , 17, 163-167 (10) Wales T E, Fadgen KE, Gerhardt GC, Engen JR. High-speed and high-resolution UPLC separation at zero degrees Celsius. Anal Chem. 2008, 80, 6815-6820 (11) Giles K, Pringle SD, Worthington KR, et al. Applications of a travelling wave-based radio-frequency-only stacked ring ion guide. Rapid Commun Mass Spectrom. 2004, 18, 2401-2414 (12) Olivova P, C hen W, C ha kra borty AB, Gebler JC. Determination of N-glycosylation sites and site heterogeneity in a monoclonal antibody by electrospray quadrupole ion-mobility time-offlight mass spectrometry. Rapid Commun Mass Spectrom. 2008, 22,29-40 (13) Ruotolo BT, Benesch JL, Sandercock AM, et al. Ion mobilitymass spectrometry analysis of large protein complexes. Nat Protoc.2008, 3, 1139-52. (14) Uetrecht C, Barbu IM, Shoemaker GK, et al. Interrogatingviral capsid assembly with ion mobility-mass spectrometry. Nat Chem.2011, 3,126-132 (15) Bleiholder C, Dupuis NF, Wyttenbac h T, Bowers MT. Ion mobility-mass spectrometry reveals a conformational conversion from random assembly to &beta -sheet in amyloid fibril formation. Nat Chem. 2011, 3, 172-177 (16) Kasper D. Rand, Steven D. Pringle, Michael Morris, John R., et al. ETD in a Traveling Wave Ion Guide at Tuned Z-Spray Ion Source Conditions Allows for Site-Specific Hydrogen/Deuterium Exchange Measurements. J Am Soc Mass Spectrom. 2011, in press

北京大学化学与分子工程学院教授陈鹏正在实验中。　　作为生物体内含量最多的一类生物大分子，蛋白质是生物功能的主要执行者，在各种生命活动中扮演着关键角色。科学家一直在探索适用于活体环境的蛋白质操纵工具，以实现对目标蛋白质结构和功能的深入研究，这已经成为当今化学生物学领域的前沿热点之一。　　在国家自然科学基金委“基于化学小分子探针的信号转导过程研究”重大研究计划的资助下，科学家们围绕“蛋白质靶向探针的发现及其在信号转导研究中的应用”取得了多项进展。　　据北京大学化学与分子工程学院教授陈鹏介绍，国内多个课题组通过化学脱笼技术、双光子和近红外调控技术以及靶向小分子探针等策略，实现了细胞内蛋白质的特异激活，并研究了细胞信号转导过程的分子机制。　　在化学脱笼技术方面，陈鹏课题组将非天然氨基酸定点插入技术与生物正交的“化学脱笼”反应相结合，提出了一种理性设计小分子激活剂的全新策略。例如，由蛋白激酶介导的磷酸化是细胞信号转导的关键过程，对绝大多数生理活动都有重要影响，但很多激酶在正常生理及病理条件下的分子机理还不明确。利用小分子激活剂可以在激酶的信号转导研究中获得新的信息。“我们在活细胞内激活‘效应蛋白OspF’，发现这种蛋白使细胞核内的‘磷酸化Erk蛋白’发生了由不可逆去磷酸化介导的‘核质转运’现象。”陈鹏表示。　　近年来，蛋白质光控技术成为研究细胞信号转导的又一有力工具。其中，与紫外光激发探针相比，利用双光子激发的探针可以极大地降低细胞毒性，具有广阔的应用前景。清华大学刘磊课题组以蛋白质化学合成为核心技术，发展了靶向免疫蛋白的光控探针，并使用新发展的蛋白质探针研究了免疫细胞在精确的时空刺激下的定向运动。该探针将为理解和控制活体组织中细胞定位及与定位相关的细胞生命活动提供理想的分子工具。北京大学陈兴课题组则发展了利用近红外光激活并调控细胞信号转导通路的新方法。　　在靶向蛋白质生成与降解方面，华东理工大学杨弋课题组利用天然光敏元件，构建了方便使用的光控基因表达系统。实验中，研究人员利用光对活细胞或活体动物的蛋白质生成水平进行了时间、空间上的精确调控，成功地控制了糖尿病小鼠体内胰岛素的生成与血糖浓度。　　清华大学李艳梅课题组则利用蛋白质可调降解策略，实现了细胞内靶标蛋白质水平的降低，以达到降低其活性的目的。研究人员针对阿尔茨海默氏症相关重要“非酶蛋白Tau”在病人脑中含量异常升高的现象，采用“识别—切割”策略，对细胞内这类蛋白的含量进行调控。　　在超高亮度光激活荧光蛋白质方面，研究人员围绕发展具有更高亮度及转化效率的荧光蛋白突变体这一难点，开展了诸多工作。中科院生物物理所徐涛课题组设计了新型单体光活化荧光蛋白，并成功应用于活细胞的超分辨率显微成像。实验中，研究人员解析了一种目前具有最高光子输出信号的荧光蛋白晶体结构，并发现其在亮度、稳定性、光子负荷等方面具有最佳整体性能，有望作为新的探针应用于超分辨率显微成像中。

引言准确预测蛋白质-配体(在本文的语境中，配体意指小分子有机化合物)的结合构象是计算生物学中的一项重要任务。一方面，它有助于人们理解蛋白质与内源小分子或药物分子的互作机制。另一方面，在药物设计或药物筛选(无论是单个蛋白-多个配体的正向筛选，还是单个配体-多个蛋白的逆向筛选)的过程中，也离不开对复合物构象的准确预测：这是准确计算蛋白质-配体结合稳定性(亲和力)的必要条件。对于给定蛋白和给定配体分子，依据是否已知结合口袋(也称配体结合位点)可以将复合物构象预测任务分为两类：口袋未知的盲对接(blind docking)任务和口袋已知的局部对接(local docking)任务。其中，盲对接任务是更普遍的、更富有挑战性的任务。在传统的对接流程中，这一任务又被划分为几个子任务：先借助口袋搜索算法确定可能的结合位点(即，转化为局部对接任务) 再利用构象生成(采样)方法生成大量可能的复合物构象，并依据打分函数评价各个构象(即，进一步确定配体的位置、朝向，以及各个键对应的扭转角) 挑选出打分值最优者作为最终结果。但是，对接过程面临着打分函数不够准确、构象搜索空间巨大导致计算耗时过长等挑战。比如，对于后者，文献[1]计算结果表明：对于单个配体复合物的盲对接任务而言，借助GNINA和Glide这两款传统的对接软件，生成百万量级的复合物构象并从中挑选最优者，平均耗时分别约为150 s和1500 s。在巨型分子库的(如ZINC 15数据库，含有约数十亿个化合物分子[2])虚拟筛选过程中，使用传统方法逐一对接每个分子在计算速度上是不可接受的。而数据驱动的机器学习方法为优化各个子任务的准确性和计算效率带来希望。此外，同样基于机器学习方法，部分研究者发展出“端到端”的、更为直接的对接流程：训练一个拟合自由能面(free energy landscape)的模型，无需将原有的对接任务划分为多个子任务，以蛋白质与配体的三维结构为输入，输出即为可能的复合物构象。参照Anfinsen提出的蛋白质折叠热力学假说，可以设想：如果存在一个能量函数，能够将复合物在三维空间下的所有状态映射到它对应的自由能，那么可以将复合物构象预测问题转化为该能量函数的最优化问题[3]。这是机器学习拟合自由能面的出发点。与传统的对接方法相比，这样的方法也同样可能在准确性和计算效率等指标上得到提升。本文将针对口袋搜索、构象生成、打分函数、自由能面建模这四个方向：整理相应的评价体系，包括常用的评价指标或测试集 挑选并简要介绍部分具有代表性的机器学习模型 结合模型评估实验讨论当前模型或评价体系存在的不足以及未来可能的发展方向。1.机器学习口袋搜索 1.1 评价体系目前存在两种描述蛋白质-配体结合口袋的方式。其中一种方法借助蛋白质表面的点云(surface points)来描述。这种方法被称作以配体为中心(ligand-centric)的方法。另一种方法则借助蛋白质上的原子来描述，那些蛋白质上的、与配体重原子距离小于一定阈值的重原子被定义为配体结合原子。这种方法被称作以蛋白质为中心(protein-centric)的方法。这两种描述方法相应地衍生出两类评价指标。对于前者，通常以配体原子中心距(预测的口袋中心与配体任意原子的距离，distance between the center of the predicted site to any atom of the ligand，DCA)、配体中心距(预测的口袋中心与配体中心的距离，distance between the center of the predicted site to the center of the ligand，DCC)、体素交并比(预测的口袋体积与配体所占据的空间体积的交并比，discretized volume overlap，DVO)等指标来衡量[4][5]。直观上，在这三个指标中：DCA最为宽松(只需大致判断配体位置)，DCC更为严格(额外考察了配体大小)，DVO最为严格(额外考察了配体构象)。但在多数文献中，常使用DCA和DCC这两个指标，并以4 Å作为预测成功与否的阈值[4]。对于后者，Yan等人以原子水平的交并比(Intersection over Union)来衡量[6]。具体地，计算预测的配体结合原子与标注的配体结合原子的交集与并集的比值。这也是机器学习目标检测任务中的常用指标。1.2 模型方法目前发展的大多数口袋搜索算法，都是以搜索蛋白质表面点云为目标。例如Krivák等人于2015年提出的P2Rank[7]：刻画蛋白质Connolly点云中各个点的物化特征，并使用随机森林模型对每个点进行可靶性预测，最后对点聚类得到口袋预测结果。以DCA为评价标准，P2Rank在多个数据集上表现优于传统方法Fpocket。Krivák等人后续还提供了P2Rank的网络服务[8]，并对多种方法口袋搜索方法进行了更加全面的总结和比较，其中包括Jiménez等人于2017年开发的、使用3D网格(体素)刻画结合位点的DeepSite[9]。值得一提的是，在Krivák等人的结果中(测试数据集为COACH420、HOLO4K，评价指标DCC)，DeepSite表现不及Fpocket 而在Jiménez等人的结果中(测试数据集CHEN251，评价指标DCC、DVO)，DeepSite表现显著优于Fpocket。最近，Yan等人另辟蹊径，以鉴定蛋白质上的配体结合原子为目标，发表了PointSite方法[6]，并声称其在多个数据集上(包括COACH420、HOLO4K、CHEN251等等，以原子水平的交并比为评价指标)取得了SOTA。Yan等人将口袋搜索问题转化为计算机视觉领域的点云分割问题 此处的点以蛋白质上的原子表示，以充分挖掘原子之间的键连特征。此外，作者还指出：将PointSite方法引入到其它口袋搜索方法如FPocket、P2Rank中(具体而言，使用点云分割的结果对后者的预测结果进行过滤)，可以进一步提升配体结合位点的鉴定效果。1.3 讨论从以上几种方法的评估实验中可看出，模型在不同测试数据集上的相对表现可能存在差异，因此需要建立一套统一的、合适的数据集进行测试。另外，在训练数据集的准备过程中，将未鉴定到配体结合的位点直接划分为负样本也值得考量。2.2在具体使用建议上，最近有研究将口袋搜索方法引入到完整的对接流程中[10][11]，相较于FPocket、P2Rank等方法，PointSite表现最优。　　2. 机器学习构象生成 2.1 评价指标对于构象生成模型而言，需要考察所生成构象的多样性和准确性，由此分别衍生出两类指标：覆盖率(COV，coverage)和匹配程度(MAT，matching metrics)。针对测试集中的每一个构象：查看是否能够在生成的构象集合里找到RMSD值小于给定阈值的构象(如果能，则表示该模型能够覆盖当前测试构象)，可以计算得到覆盖率 计算生成的构象集合与当前测试构象的最小RMSD值，取平均可以得到匹配程度的值。以上是从测试集的角度衡量模型表现(召回率) 相应地，将测试集构象与生成集构象在计算中对调，则可判断模型的准确率。目前常见的测试数据集包括GEOM-QM9和GEOM-Drugs[12]。2.2 模型方法构象生成模型沿着两个思路发展：直接生成各个原子的3D坐标 先生成原子对距离、二面角等中间参数，再将分子3D坐标还原。对于前者，技术难点在于保证模型对于输入分子的旋转-平移不变性(整体改变分子坐标，得到的构象是相同的，也即对齐过程)。对于后者，则可能生成不合法的中间参数(比如违反三角几何关系)，或者中间参数的误差在训练过程中不断累积，影响分子3D坐标重构，需要进行后续的力场优化 但这是目前大多数方法所选取的道路。此处简要介绍最近发展的GeoDiff模型[13]和DMCG模型(Direct Molecular Conformation Generation)[14]。Xu等人于2022年提出GeoDiff，使用扩散模型直接生成原子坐标。GeoDiff在GEOM-Drugs数据集上测试集覆盖率可达约89%、匹配程度约0.86 Å，并且经过力场优化之后可以进一步提升模型表现。作者指出：在逆向扩散过程中(生成过程)，如果某一时刻T的密度函数具有旋转-平移不变性，且逆向生成的条件概率函数具有旋转-平移不变性，则T时刻以前任意时刻的密度函数也具有旋转-平移不变性。同年， Zhu等人提出基于变分自编码器的DMCG模型，在GEOM-QM9和GEOM-Drugs数据集上均取得最优(对于后者，覆盖率约96%，匹配程度约0.70 Å)。作者指出：模型除了满足旋转-平移不变性外，对于对称结构还应当满足置换不变性(交换对称原子的坐标，得到的构象是相同的)。为此，计算任意旋转-平移操作以及对称原子置换操作下的两个结构的距离最小值，并将其引入损失函数中，以满足以上两种不变性。消融实验表明，如果不考虑这一项损失，则覆盖率将下降约20个百分点，匹配程度将提高约0.3 Å。2.3 讨论今年3月，Zhou等人[15]基于RDKit设计了一种简单的生成算法：使用RDKit分别采样二面角、采样几何片段、采样能量并生成相应的构象，随后按照能量大小进行聚类。在GEOM-QM9和GEOM-Drugs两个数据集上，与GeoDiff、DMCG等深度学习方法相比，该算法几乎在所有指标上取得SOTA。作者认为，目前的测试基准不足以覆盖实际应用中(如分子对接中)涉及的构象生成任务。　　事实上，生成足够的分子构象不会降低测试构象集上的匹配程度和覆盖率(召回率)，但可能降低生成构象集的相应指标(查准率)。而Zhou等人(包括Zhu等人的DMCG)并未在文中给出关于后者的模型评价，因此模型的实用性仍有待考察。另外，目前的构象生成方法均以单个配体的势能极小值作为优化目标，针对(已知口袋的)复合物中配体的构象生成模型仍有待开发。最后，GeoDiff模型与DMCG模型的发展也启示我们挖掘任务目标中蕴含的性质(对称性、不变性)，在模型训练中引入合适的归纳偏置。　　3. 机器学习打分函数3.1 评价指标Su等人[16]于2019年建立了一套打分函数的基准测试数据集CASF-2016。CASF-2016及其前身CASF-2013已被广泛用于评估打分函数的表现。同时，Su等人设计了四类指标分别考察打分函数的打分能力、排名能力、对接能力和筛选能力。打分能力通常以Pearson相关系数来衡量：考察天然蛋白复合物的计算打分值与实验结合常数的对数之间的线性相关性。排名能力通常以Spearman等级相关系数或Kendall等级相关系数来衡量：对于同一蛋白、不同配体的多个天然蛋白复合物结构，考察计算打分值给出的排名与实验结合常数给出的排名之间的匹配程度。对接能力以对接成功率衡量：对于单个复合物，在天然配体结合构象和一系列计算生成的诱饵分子构象(decoy)中，若计算打分最高者与真实结合构象的RMSD小于2 Å，则认为对接成功 对于多个复合物，进一步计算对接成功率。筛选能力以筛选成功率衡量：在天然配体和一系列其它配体分子中，计算打分前1%(5%、10%)结果里包含天然配体的比例。由此可见，打分能力直接以实验数据作为参考，是评估打分函数是否可靠的基本测试。排名能力是对打分能力的补充。打分能力越好，排名能力通常也越好 反之则未必成立(存在对实验结合常数进行非线性拟合的打分函数)。对接能力测试将计算生成的构象引入测试集中，因此更贴近实际对接操作、对于打分函数的选择更具参考意义。需要指出的是，对接能力测试给出的结果通常只能代表该打分函数的对接能力上限，在CASF-2016的测试中可能呈现分数虚高的情形(在测试中能够以90%的成功率在top-1中挑选出天然配体构象，但在实际应用中却不能达到这一表现)。这主要归结于实际应用中计算生成的构象不够充分。筛选能力涉及多种配体的对接，因此可视为对排名能力和对接能力的综合考察。3.2 模型方法针对打分函数的机器学习方法，前人已给出详尽的综述[17][18][19]。本文将展开介绍经典的ΔVinaRF20打分函数[20]，以及最近发展的DeepDock[21]和RTMScore[22]。ΔVinaRF20由Wang等人于2016年提出，在CASF-2013、CASF-2016测试集上的各指标中均排名靠前[16][20]。具体地，在CASF-2016测试集上，ΔVinaRF20在打分能力和排名能力两个指标上分别以0.82和0.75取得最优，在对接能力上以89.1%(top1)仅次于Autodock Vina(90.2%)，在正向筛选能力以42.1%(top1)取得最优、逆向筛选能力以15.1%(top1)位居第五(次于最优方法ChemPLP@GOLD约2.4%)。Wang等人指出：机器学习打分函数与经典的打分函数在这些指标中各有所长，前者长于打分，后者长于对接和筛选。因此作者拟结合二者优点：一方面对训练集进行数据增强，将计算生成的诱饵结构引入训练集中(同时计算估计亲和力作为标签)，以提高机器学习打分函数的对接和筛选能力 另一方面使用随机森林方法对AutoDock Vina中的打分函数进行参数化修正(使用Δ-machine learning方法，类似残差拟合)。Méndez-Lucio等人于2021年提出的DeepDock方法在CASF-2016的正向筛选和逆向筛选能力评估中分别以43.9%和23.9%取得SOTA，但DeepDock给出的打分值与实验结合常数的对数之间不存在相关性(在训练过程中未引入实验结合常数的相关信息)。DeepDock方法使用二维分子图刻画配体、多面体网格点刻画蛋白质口袋(参考了MaSIF的编码框架[23])，分别学习蛋白质口袋与配体原子的节点表示 随后两两组合配体和靶蛋白的节点形成节点对，使用混合密度函数拟合节点对的距离分布(概率密度函数)。作者指出：相较于通过最小化距离误差来学习节点对距离的平均值，混合密度函数能够学习训练集中节点对多个可能的距离，从而更好地刻画构象预测任务中的多值特性。在DeepDock的基础上，Shen等人从两方面进行改进得到RTMScore：一方面，使用无向图编码蛋白质口袋残基，在编码过程中满足对于输入复合物坐标的旋转不变性 另一方面使用Graph Transformer模型以学习更深层次的特征。作者声称RTMScore在CASF-2016测试集上的对接能力和筛选能力达到SOTA，相较DeepDock得到大幅提升：对接成功率达到98.6%，正向筛选成功率达73.7%，逆向筛选成功率达38.9%。3.3 讨论DeepDock等方法的发展展现了图模型在捕获蛋白质-配体互作的潜力，以及直接拟合蛋白残基-配体原子距离似然函数的有效性。事实上，距离似然函数不仅能作为打分函数评估当前构象，还能够作为某种“势能面曲线”指导构象优化。此外，这些新近提出的DeepDock等方法有待更广泛的测试验证。在其它论文的评估实验中[24]，RTMScore在对接能力中依旧表现最优。但考虑到缺少打分能力、排名能力等测试数据，后续仍需要更多的测试评估(尤其是将打分函数整合到完整的对接流程中)以验证这些方法的可靠性。　　4. 机器学习自由能面4.1 评价体系拟合自由能面的模型直接处理盲对接任务，生成复合物构象。其中存在两类评价指标。一类指标评估计算准确性。通常以预测复合物(如果模型给出多个可能的构象，则选取打分值top-1者)中配体重原子RMSD小于2 Å所占的比例来衡量模型对接能力。一般以2 Å作为对接成功与否的判断阈值[10]。还有通过配体质心距离小于2 Å(或5 Å)所占的比例来考察模型是否能够找到正确的结合口袋。此外，为判断生成的配体构象在化学上是否合理，Corso等人额外考察了配体构象中存在位阻冲突(steric clash，配体内部重原子之间的距离是否小于0.4 Å)的比例。另一类指标评估计算效率 这在大型分子数据库的虚拟筛选过程中同样不可忽视。以对接一个分子所需的平均CPU(如果可能，使用并行加速)或GPU时间来衡量。4.2 模型方法拟合蛋白质-配体自由能面的机器学习方法最近得到逐步发展，代表性的方法包括EquiBind[1]、TANKBind[25]、DiffDock[10]。Stärk等人于2022年提出基于图几何深度学习的EquiBind方法，在机器学习方法直接预测蛋白质-配体结合构象这一问题中做出开创性贡献。该方法以随机的配体分子构象(比如使用RDKit生成的构象)作为输入，无需经过大规模的构象采样即可在约0.1 s的时间内给出复合物结构。由此给出的结构在寻找结合口袋的能力上与传统方法(如QuickVina-W)相当(配体质心距小于2 Å的比例均约40%)，但在配体结合构象的预测上却表现不佳(配体RMSD小于2 Å的比例约6%，不及QuickVina、GLIDE等方法所达到的约20%)。虽然可以在该结构的基础上结合传统方法进一步微调配体位置和构象，但将增加预测所需的时间成本至数十秒或数百秒。同年，Lu等人提出TANKBind。相较于EquiBind，在保留推理速度(约0.5秒)的同时，TANKBind在配体构象预测上取得和传统方法相当的结果(配体RMSD小于2 Å的比例约19%)，口袋预测能力则获得较大提升(配体质心距小于2 Å的比例约56%)。不同于EquiBind对整个蛋白质进行编码的方法，TANKBind采用P2Rank寻找口袋位置，随后针对该位置的蛋白质区块(由半径20 Å内的残基构成)，拟合蛋白质残基与配体原子的距离。此外，受AlphaFold2的启发，TANKBind将三角几何约束引入残基与配体原子的距离建模中。消融实验表明，三角几何约束可以显著提升模型表现：配体RMSD小于2 Å的比例提升约15%，配体质心距小于2 Å的比例提升约12%。同年十月， Corso、Stärk等人提出DiffDock模型。该模型在对接准确性上首次实现了对传统对接模型的大幅超越。在holo态的蛋白晶体对接结果中，配体重原子RMSD小于2 Å所占的比例可达到38.2%，约为传统方法的两倍。这一结果对应于40次采样，消耗计算时间约40秒。与DeepDock想法类似，DiffDock使用生成模型来学习构象的概率分布并建立了一套相应的“扩散”方法(构象采样方法)。4.3 讨论今年2月，Yu等人[11]重新设计实验，考察了DiffDock等机器学习模型在盲对接任务中的哪一阶段领先传统方法、领先到何种程度。作者将盲对接任务拆分为口袋搜索和局部对接两个子任务，设计了三组实验：完全使用DiffDock等模型完成盲对接 使用其它方法搜索口袋(如前文所述的PointSite、P2Rank)，使用Uni-dock[26](一种基于AutoDock Vina 1.2的GPU加速对接方法)局部对接 使用DiffDock搜索口袋，使用Uni-dock局部对接。结果表明：DiffDock方法在口袋搜索中效果更佳(相较于PointSite等方法而言，引入了配体分子的结构信息)，但与ground truth、即表中的GT pocket相比仍存在提升空间 口袋确定，传统对接手段得到的结果优于DiffDock等机器学习模型。作者进一步指出：给定口袋下预测蛋白质-配体构象的机器学习方法是后续发展的方向(正如机器学习构象生成中所讨论的) 对于端到端的模型比较实验中，需要更审慎地评估传统方法的表现。另外，随着蛋白质结构预测方法的发展，评估模型在apo态蛋白质上的对接表现是有必要的，也是更符合实际情形的。事实上，目前几种模型所使用的训练集均为holo态蛋白(缺乏足够数量的与holo态对应的apo态蛋白结构)。为泛化模型的对接能力至apo态蛋白结构，通常采取折中方案：假定apo态与holo态的主链变动不大，而在模型编码过程中只使用主链碳原子的信息。DiffDock论文中首次评估了各种方法在ESMFold给出的蛋白质结构上的对接能力。结果显示，各模型的对接表现均显著下降(对于DiffDock而言，配体重原子RMSD小于2 Å所占的比例从38.2%下降至20.3%)。机器学习方法建模对接过程中蛋白质的结构变化仍然道阻且长。将分子动力学模拟过程中产生的动态信息引入模型中也许是一种可能的突破方向[27]。最后，正如AlphaFold2可作为打分函数评估蛋白质结构是否合理[3]，DiffDock等拟合自由能面的模型，其在打分函数的各项评价指标中表现如何也值得进一步探究。　　参考文献　　[1] Equibind: Geometric deep learning for drug binding structure prediction　　[2] Artificial intelligence–enabled virtual screening of ultra-large chemical libraries with deep docking　　[3] State-of-the-Art Estimation of Protein Model Accuracy Using AlphaFold　　[4] A Critical Comparative Assessment of Predictions of Protein-Binding Sites for Biologically Relevant Organic Compounds　　[5] Improving detection of protein-ligand binding sites with 3D segmentation　　[6] PointSite: A Point Cloud Segmentation Tool for Identification of Protein Ligand Binding Atoms　　[7] P2RANK: Knowledge-Based Ligand Binding Site Prediction Using Aggregated Local Features　　[8] P2Rank: machine learning based tool for rapid and accurate prediction of ligand binding sites from protein structure　　[9] DeepSite: protein-binding site predictor using 3D-convolutional neural networks　　[10] DiffDock: Diffusion Steps, Twists, and Turns for Molecular Docking　　[11] Do Deep Learning Models Really Outperform Traditional Approaches in Molecular Docking?　　[12] GEOM, energy-annotated molecular conformations for property prediction and molecular generation　　[13] GeoDiff: a Geometric Diffusion Model for Molecular Conformation Generation　　[14] Direct Molecular Conformation Generation　　[15] Do Deep Learning Methods Really Perform Better in Molecular Conformation Generation?　　[16] Comparative Assessment of Scoring Functions: The CASF-2016 Update　　[17] Machine-learning methods for ligand-protein molecular docking　　[18] Protein–Ligand Docking in the Machine-Learning Era　　[19] From machine learning to deep learning: Advances in scoring functions for protein–ligand docking　　[20] Improving scoring-docking-screening powers of protein–ligand scoring functions using random forest　　[21] A geometric deep learning approach to predict binding conformations of bioactive molecules　　[22] Boosting Protein–Ligand Binding Pose Prediction and Virtual Screening Based on Residue–Atom Distance Likelihood Potential and Graph Transformer　　[23] Deciphering interaction fingerprints from protein molecular surfaces using geometric deep learning　　[24]: A fully differentiable ligand pose optimization framework guided by deep learning and a traditional scoring function　　[25] TANKBind: Trigonometry-Aware Neural NetworKs for Drug-Protein Binding Structure Prediction　　[26] Uni-Dock: GPU-Accelerated Docking Enables Ultralarge Virtual Screening　　[27] Pre-Training of Equivariant Graph Matching Networks with Conformation Flexibility for Drug Binding　　本文作者：ZF责任编辑：WFZ

科学家已经发现了上万种新的蛋白联结，约占蛋白联结总量的四分之一。　　为了揭示蛋白质是如何构建细胞与机体，来自多个国家的科学家组成的研究团队筛选了不同生物的细胞，这些细胞从变形虫到蠕虫到老鼠到人类，来源十分广泛。　　这项蛋白质科学的壮举，是来自七个国家的三个研究小组合作的结果，由多伦多大学唐纳利中心的Andrew Emili教授和德克萨斯大学奥斯汀分校的EdwardMarcotte教授领导，发现了成百上千种新的蛋白质相互作用，其中细胞内蛋白质的接触作用大约占四分之一。　　一个蛋白联结的缺失都会致病。图谱已经帮助科学家锁定病变蛋白。这些数据将通过开放数据库的访问提供给世界各地的研究人员。　　虽然十几年前的人类基因组测序无疑是生物学中最伟大的发现之一，然而这只是人们对细胞工作的深入了解的开始。基因只不过是一幅模板，而它的复制品——蛋白质，担任了细胞运转的主要工作。　　蛋白间相互联系，共同协作。许多蛋白质结合形成所谓的分子机器并在细胞活动中扮演关键角色，例如合成新的蛋白质，或者是回收旧蛋白，再造新蛋白。但是人类细胞中有上万种蛋白质，其中的大部分我们仍旧不知道它们的作用。　　于是有了Emili 和Marcotte的图谱，团队使用最先进的方法，可以提取细胞内数千个分子机器并分析其蛋白构成。然后他们建立了一个类似于社交网站的网络，通过探知未知蛋白与已知蛋白的联结，推知未知蛋白质的功能。例如，未知蛋白与“杂活儿工”蛋白有联结，那么这个未知蛋白极可能也具有细胞修复功能。　　今天这项里程碑式的研究收集了九个物种分子机器的信息，分别包含了面包酵母、阿米巴虫、海葵、苍蝇、蠕虫、海胆、青蛙、老鼠和人类，并由此可以绘制出一个生命树图。这个新的图谱将蛋白质结合体数目扩大到已知的十倍有余，并可以让我们观察到它们如何随着时间进行进化的。　　“对于我来单单是此项研究的规模就足以吸引人们的眼球，我们已知的每个物种的蛋白联结已达到到原先所知的三倍。我们现在通过蛋白质相互作用网络可以非常可靠的预测，所有动物具有超过一百万种蛋白质相互作用，这从根本上来讲是一个巨大的进步。”Emili说，他也是疾病管理生物标记方面的安大略研究会主席、分子遗传学教授。　　研究发现，自从十亿年前原始细胞出现之后，动物生命出现在地球上以前，成千上万种蛋白质协作关系一直保持不变。　　“就蛋白质分布而言，人类与其他物种通常是相同的，这不仅印证了我们拥有共同祖先，也对在基因组学的基础上研究多种疾病以及这些疾病如何存在于不同物种中有实际意义。”Marcotte说。　　在确定人类疾病的可能原因方面，人们已经证明这个图谱是有用的，例如一种新发现的分子机器名为Commander，由十二个单一的蛋白质组成。人们曾发现一些智力障碍患者的机体里具有编码Commander某些组分的基因，但并不清楚这些蛋白质的机制。　　由于Commander存在于所有动物的细胞里，研究生FanTu正在破坏蝌蚪中的蛋白质部件，揭示了胚胎发育阶段脑细胞位置异常，并为复杂的人类起源问题提供了一个可能。　　“有了成千上万种蛋白质相互作用，我们的图谱会帮助人们研究蛋白质相互作用和人类疾病的多种联系，这是我们未来几年的研究方向。”Emili博士总结道。