蛋白质机器

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

p 　　根据《国务院关于改进加强中央财政科研项目和资金管理的若干意见》(国发[2014]11号)、《国务院关于深化中央财政科技计划(专项、基金等)管理改革方案的通知》(国发[2014]64号)、《科技部、财政部关于印发& lt 国家重点研发计划管理暂行办法& gt 的通知》(国科发资[2017]152号)等文件要求，现将“纳米科技”等5个重点专项的2018年度拟立项项目信息进行公示(详见附件)。 !--国家重点研发计划管理暂行办法-- /p p 　　公示时间为2018年5月4日至2018年5月8日。对于公示内容有异议者，请于公示期内以传真、电子邮件等方式提交书面材料，逾期不予受理。个人提交的材料请署明真实姓名和联系方式，单位提交的材料请加盖所在单位公章。联系人和联系方式如下： /p p 　 strong 　“蛋白质机器与生命过程调控”重点专项 /strong /p p 　　联系人：江海燕 /p p 　　联系电话：010-68104344 /p p 　　传真：010-68104461 /p p 　　电子邮件：jianghy@htrdc.com /p p style=" text-align: center " span style=" color: rgb(255, 0, 0) " strong 国家重点研发计划“蛋白质机器与生命过程调控”重点专项拟立项的2018年度项目公示清单 /strong /span /p p style=" text-align: center " img title=" 1.jpg" src=" http://img1.17img.cn/17img/images/201805/insimg/a1efb113-5fe2-4cc6-b72d-e0087f255126.jpg" / /p p style=" text-align: center " img title=" 2.jpg" src=" http://img1.17img.cn/17img/images/201805/insimg/ff513d04-a090-4fe5-9a92-5655f01fa651.jpg" / /p p style=" text-align: center " img title=" 3.jpg" src=" http://img1.17img.cn/17img/images/201805/insimg/9ca9551e-bdcf-4568-a55b-78a575a43daa.jpg" / /p p 　　附件： a style=" color: rgb(0, 176, 240) text-decoration: underline " href=" http://img1.17img.cn/17img/files/201805/ueattachment/65c47604-509e-4abd-ade3-0e9bce0a35bf.pdf" span style=" color: rgb(0, 176, 240) " 国家重点研发计划“蛋白质机器与生命过程调控”重点专项 拟立项的2018年度项目公示清单.pdf /span /a /p p & nbsp /p

p 　　5月27日，国家科技管理信息系统公共服务平台公布了国家重点研发计划“蛋白质机器与生命过程调控”重点专项2017年度拟立项项目公示清单，总项目立项经费超过7亿元(其中有两个项目需要项目实施2年后评估然后再确立总经费)。 /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201705/insimg/7e9b4428-3241-48f9-98cf-de7b39e500f6.jpg" style=" " title=" 1.jpg" / /p p style=" text-align: center" img src=" http://img1.17img.cn/17img/images/201705/insimg/ccefce90-e826-4b1e-b338-7bdb09223ccb.jpg" style=" " title=" 2.jpg" / /p p /p p 　　最近一段时间，学术界同仁对各种“人才计划”也就是俗称的“帽子”比较上心，经过统计，上述35个项目的首席科学家中拥有国家级人才计划(包括：院士、国家“千人”、长江学者、杰青、“青年千人”)的占据了27位(77.1%)，余下的8位中有两人入选中科院“百人计划”(中科院高能所董宇辉研究员和中科院大连化物所张丽华研究员)，有两人入选地方“千人”(中科院上海生化细胞所陈洛南研究员和四川大学宋旭教授)，有两人虽未获得上述“人才计划”，但是已经做过“973”首席(南开大学沈月全教授和重庆医科大学副校长谢鹏教授)，有一位首席仅获得过武汉市的某人才计划(中科院武汉数理所的张许研究员)，另位一位青千首席虽暂时没有拿到“青千”，但是下一次拿到应该问题不大(北京大学季雄研究员，他是“吴瑞奖”获得者，UCSD付向东教授在武汉大学指导的博士，Richard Young的博后)。 /p p 　　35个项目中，有8个青年项目，这八个首席科学家中除了北京大学的季雄之外，其余清一色为国家“青年千人”，值得一提的是中科院遗传发育所的田烨研究员还是2010“吴瑞奖”获得者，当年NIBS张宏研究员的博士。还有一个比较有意思的是，青年首席厦门大学黄烯教授是邓兴旺院士的博后，而邓兴旺院士也在本次35个项目中担任“光信号参与高等植物生长发育调控的蛋白质机器鉴定及作用机制研究”的首席科学家。特别值得一提的是，中科院生物物理所章新政研究员以“青年千人”的身份拿到的是大项目而非青年项目的首席科学家。 /p p 　　总的来说，通过简单的分析这些“帽子”可以粗略的得出一些信息，也就是说没有任何国字号的“帽子”而担任首席科学家也是有的，但是概率极其低。重大项目首席科学家比较常见的帽子是“院士”、“杰青”和“长江学者”，而国家“千人计划”这个帽子在上述重大项目的首席科学家中还比较少见，本次似乎只有中科院植物所的沈建仁研究员和北京大学邓兴旺院士(美国科学院院士、国家千人、长江学者)。 /p p 　　另外，8个青年项目几乎全部给了“青千”，看来本土培养的青年人才仍需努力啊! /p

p 　　根据2018年度国家重点研发计划重点专项评审工作安排，科技部高技术研究发展中心于2018年1月17日至22日组织完成了“蛋白质机器与生命过程调控”重点专项申报项目预评审。此次评审采用网络评审方式，评审专家统一从国家科技专家库中抽取产生，共21人。 /p p 　　根据《国务院关于改进加强中央财政科研项目和资金管理的若干意见》(国发〔2014〕11号)文件精神，现将评审专家名单予以公布。 /p p strong 　　组1：细胞内部膜系统稳态维持的蛋白质机器(指南1) /strong /p p style=" text-align: center " img title=" 001.png" src=" http://img1.17img.cn/17img/images/201802/noimg/419f6662-b442-42da-800d-fa22de3f9b5c.jpg" / /p p 　 strong 　组2：高致病性病原体感染与致病过程中蛋白质机器的功能和干预机制(指南6) /strong /p p style=" text-align: center " img title=" 002.png" src=" http://img1.17img.cn/17img/images/201802/noimg/784c5975-c520-46d2-9c6e-2089ec46c42e.jpg" / /p p strong 　　组3：基于蛋白质机器的疾病生物标志物发现及机制研究(指南11方向) /strong /p p style=" text-align: center " img title=" 003.png" src=" http://img1.17img.cn/17img/images/201802/noimg/8e5e173d-ee21-4ac5-b824-a5f7a834f04f.jpg" / /p

p style=" text-align: center " strong 关于对国家重点研发计划干细胞及转化研究等6个重点专项2018年度项目申报指南征求意见的通知 /strong /p p 　　根据《国务院关于改进加强中央财政科研项目和资金管理的若干意见》(国发[2014]11号)、《国务院关于深化中央财政科技计划(专项、基金等)管理改革方案的通知》(国发[2016]64号)、《科技部 财政部关于改革过渡期国家重点研发计划组织管理有关事项的通知》(国科发资[2015]423号)等文件要求，现将干细胞及转化研究、纳米科技、量子调控与量子信息、蛋白质机器与生命过程调控、大科学装置前沿研究、全球变化及应对等6个重点专项2018年度项目申报指南(征求意见稿，见附件)向社会征求意见和建议。征求意见时间为2017年5月24日至2017年6月7日。 /p p 　　科技部将会同有关部门、专业机构和专家，认真研究收到的意见和建议，修改完善相关重点专项的项目申报指南。 /p p 　　相关意见建议请发至电子邮件：jcs_zdxmc@most.cn。　 /p p style=" line-height: 16px " 　　 img src=" /admincms/ueditor1/dialogs/attachment/fileTypeImages/icon_doc.gif" / a href=" http://img1.17img.cn/17img/files/201705/ueattachment/55812e8a-0221-4c9d-9f48-b5c144766049.docx" 附件1. “干细胞及转化研究”重点专项2018年度项目申报指南（征求意见稿）.docx /a /p p style=" line-height: 16px " 　　 img src=" /admincms/ueditor1/dialogs/attachment/fileTypeImages/icon_doc.gif" / a href=" http://img1.17img.cn/17img/files/201705/ueattachment/1e049ae2-f932-4d63-bff6-6e16e4da2dc7.docx" 附件2. “纳米科技”重点专项2018年度项目申报指南（征求意见稿）.docx /a /p p style=" line-height: 16px " 　　 img src=" /admincms/ueditor1/dialogs/attachment/fileTypeImages/icon_doc.gif" / a href=" http://img1.17img.cn/17img/files/201705/ueattachment/31ff609c-b9e9-4372-b9f6-3e6179ffe4c8.docx" 附件3. “量子调控与量子信息”重点专项2018年度项目申报指南（征求意见稿）.docx /a /p p style=" line-height: 16px " 　　 img src=" /admincms/ueditor1/dialogs/attachment/fileTypeImages/icon_doc.gif" / a href=" http://img1.17img.cn/17img/files/201705/ueattachment/d1d4ba90-34ac-4c0b-8ca6-0e048d5463f1.doc" 附件4. “蛋白质机器与生命过程调控”重点专项2018年度项目申报指南（征求意见稿）.doc /a /p p style=" line-height: 16px " 　　 img src=" /admincms/ueditor1/dialogs/attachment/fileTypeImages/icon_doc.gif" / a href=" http://img1.17img.cn/17img/files/201705/ueattachment/e7dff3fe-e4bc-4cac-a4c8-b2bb530494de.doc" 附件5. “大科学装置前沿研究”重点专项2018年度项目申报指南（征求意见稿）.doc /a /p p style=" line-height: 16px " 　　 img src=" /admincms/ueditor1/dialogs/attachment/fileTypeImages/icon_doc.gif" / a href=" http://img1.17img.cn/17img/files/201705/ueattachment/195e928d-701c-4c4f-ae57-c8f9bd852aae.docx" 附件6. “全球变化及应对”重点专项2018年度项目申报指南（征求意见稿）.docx /a /p p style=" text-align: right " 　　科技部基础研究司 /p p style=" text-align: right " 　　2017年5月23日 /p

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。

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

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。

2003年12月15日，由中国科学院院士贺福初牵头的“人类肝脏蛋白质计划”（HLPP）启动，这是我国领导的第一项重大国际合作计划，也是第一个人类组织/器官的蛋白质组计划。 北京蛋白质组研究中心主任、蛋白质组学国家重点实验室副主任秦钧告诉《中国科学报》记者，十余年来，HLPP经历了三代更迭，从第一代版本的肝脏总蛋白质组，到第二代的肝脏细胞器蛋白质组，以及到刚刚完成的第三代肝脏不同细胞亚群的蛋白质组解析。HLPP的肝脏蛋白质组研究正在并将继续作为“中国人类蛋白质组计划”（CNHPP）的先导，为CNHPP的发展探明道路。 事实上，通过HLPP研究十余年的努力，中国蛋白质组研究团队已向世界交上了一份漂亮的答卷。 据记者了解，中国科学家成功构建了迄今国际上质量最高、规模最大的人类第一个器官蛋白质组的表达谱、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。 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“逮到”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记̷̷上述几项成果均发表于国际顶级的《科学》《自然》系列杂志。 秦钧认为，蛋白质组学研究是我国生命科学中几个能够始终跻身世界前沿的科学领域之一。 而现在，世界蛋白质组学领域内的新一轮科技竞赛已开始。中国科学院院士、中国科学院大连化学物理研究所研究员张玉奎表示，虽然中国在蛋白质组学领域走在了世界前列，但国外有些团队如今正快马加鞭，中国科学家必须加快步伐，不能丧失已经取得的优势。 这也是我国开展CNHPP研究的一个重要原因。“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。”贺福初说。

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

时间：2014年5月20-23日 　　地点：北京蛋白质组研究中心(北京市昌平区科学园路33号，中关村生命科学园内) 　　主办单位： 　　北京蛋白质组研究中心(BPRC) 　　蛋白质组学国家重点实验室(SKLP) 　　中国生物化学与分子生物学会蛋白质组学专业委员会(CNHUPO) 　　北京蛋白质组研究中心是蛋白质组学国家重点实验室，国际联合研究中心，国际人类肝脏蛋白质组计划(HLPP)执行总部。建立了世界上最大的人类蛋白质组数据库及数据管理平台，和国际领先的蛋白质相互作用网络构建和分析平台。对人类肝脏蛋白质组进行了系统的生物信息研究，包括蛋白质鉴定、修饰、定位、相互作用网络、代谢通路及肿瘤标志物发现等研究。讲师团队长期致力于蛋白质组数据分析及相关知识发现，为国际人类肝脏蛋白质组计划提供了全方位的生物信息支持。2012年，集体获中国电子学会电子信息科学技术奖一等奖：蛋白质组学计算方法的研究及其支撑平台的构建和应用 2007年，集体获北京市科学技术一等奖：蛋白质组支撑技术及其在人类重要疾病与生理过程研究中的应用。 　　前言 　　本课程为生命科学研究人员介绍如何合理利用和开发蛋白质生物信息学资源。课程着眼于实际数据库搜索、工具使用、大型数据库分析、生物学网络构建、可视化和数据分析等。采取小班授课，专人指导 理论课与实践课相结合，讲师与学员研讨的方式进行 精心挑选相应的上机软件，提供充足的实际操作机会 让每位学员学有所成。 　　培训对象 　　从事生命科学、农学、医学等领域科研工作者和高校教师及研究生 　　迫切希望提升生物信息分析能力的学者 　　培训内容 　　质谱数据深度分析、蛋白质注释及功能分析、蛋白质相互作用网络构建及分析、蛋白质组研究主题信息服务和专业数据库研发。 　　课程安排 时间 培训内容 2014年5月20日 9:00-10:00 蛋白质组信息学概论 10:00-12:00 质谱数据处理－搜库与质控 13:00-15:00 蛋白质组定量分析（以无标定量为主） 15:00-16:00 蛋白质翻译后修饰分析 16:00-17:00 蛋白质鉴定上机实习 2014年5月21日 9:00-11:00 质谱数据深度挖掘 11:00-12:00 蛋白质定量上机实习 13:00-15:00 蛋白质组数据分析/生物标志物发现 15:00-17:00 蛋白质组数据分析上机实习 2014年5月22日 9:00-10:30 蛋白质组数据库/数据提交 10:30-12:00 数据库及数据提交实习 13:00-15:00 蛋白质组软件包的使用（TPP等） 15:00-17:00 TPP安装及使用实习 2014年5月23日 9: 00-10:30 蛋白质相互作用网络和蛋白质组学知识挖掘的基础知识 10:30-12:00 蛋白质相互作用的生物信息学资源介绍 13:00-14:00 Cytoscape软件使用介绍 14:00-17:00 蛋白质相互作用数据分析上机 　　培训费 　　4月18日前注册：每人4200元，学生3900元。 　　4月19日至5月20日之间注册：每人4500元，学生4200元。 　　其他优惠：同一单位2人以上参加，每人优惠200元。 　　提前注册截止日期：2014年4月18日，以银行汇款凭证为准。 　　网上注册地址： http://61.50.138.116/training/cn/ 　　培训费用包含：培训资料、培训期间的午、晚餐。 　　可协助安排住宿，住宿费用自理。需住宿的学员请在网上注册时填写住宿信息。 　　报到时间和地点 　　报到：5月19日全天，北京扬子江药业海诺康会馆(北京市昌平区生命园路16号，中关村生命科学园内) 20日8:30-10:00，北京蛋白质组研究中心。 　　住宿：北京扬子江药业海诺康会馆，标准间298元/天(含早餐)。 　　学生报到时须持学生证。 　　学员自备笔记本电脑(具有WiFi无线网络功能)用以操作练习。 　　注意事项 　　培训结束后颁发北京蛋白质组研究中心和蛋白质组学国家重点实验室培训证书，需要中国生物化学与分子生物学会继续教育证书的学员报到时需要另交1张2寸免冠照片及20元工本费。 　　中心通过了ISO/IEC 17025实验室认可，为社会各界提供科研技术服务。参加本期培训班的学员可以享受中心提供的技术服务优惠政策。技术服务项目请看网站： http://www.bprc.ac.cn/guidance/list.php?catid=27 　　汇款信息 　　帐 号：0200004909200041055 　　账户名称：北京蛋白质组研究中心 　　开户银行：工商银行北京市永定路支行 　　注：汇款时请务必注明&ldquo 信息学培训班&rdquo 和学员姓名。汇款后将汇款凭据传真至中心，或将扫描电子版发送至邮箱bprctrain@163.com，以确保汇款安全到账。 　　如需发票请注明发票抬头，培训结束后统一开具发票(培训费、注册费、会议费、技术服务费等)，有其他特殊要求请声明。 　　联系方式 　　联系电话： 注册：周建平(010)80705277 　　咨询：史冬梅(010)80705888 　　传 真：(010)80705155 　　电子邮件：bprctrain@163.com 　　通信地址：北京市昌平区科学园路33号(102206)

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。

p strong 仪器信息网讯 /strong 　第六届全国冷冻电子显微学与结构生物学专题研讨会在北京隆重召开，研讨会由中国生物物理学会冷冻电子显微学分会(以下简称：中国冷冻电镜分会)主办，北京大学承办，中国电子显微镜学会低温电镜专业委员会协办。18日下午和19日上午，生物大分子复合物的高分辨率动态结构专题报告会作为大会三大专题之一，在清华大学朱平、中科院生物物理所章新政研究员和湖南师范大学刘红荣教授联合主持下，顺利召开。会议围绕“蛋白质分子机器人、病毒”共安排了18个专题报告，吸引了来自海内外400多名代表与会。 /p p style=" text-align: center " img style=" max-width:100% max-height:100% " src=" https://img1.17img.cn/17img/images/201906/uepic/fc4338f0-f4f5-4c91-8c2f-2160ca857703.jpg" title=" 全景小.jpg" alt=" 全景小.jpg" / /p p style=" text-align: center " 　　研讨会现场 /p p 　　上海科技大学沈庆涛教授作《Structural mapping on nucleoproteins of non-segmented negative-sense RNA viruses》报告。沈庆涛使用冷冻电子显微镜，确定并分辨了NDV N形成4.8Å 分辨率的蛤形结构，其中两个单匝螺旋以背对背的方式包装，这在以前没有报道过。沈庆涛还发现，这种蛤形结构可以作为种子组装成双头长丝，里面有两个独立的RNA。通过环界面上的转换突变(残基114-120)破坏蛤形结构产生单头细丝并将RNA 5& #39 末端暴露于核酸酶，这导致在小基因组分析中废除病毒基因组复制。研究数据显示了一种自我涂层机制，通过该机制，蛤形结构形成保护NDV病毒基因组的双头细丝。 /p p style=" text-align: center " img style=" max-width: 100% max-height: 100% width: 450px height: 283px " src=" https://img1.17img.cn/17img/images/201906/uepic/a854569e-c1c5-4594-805b-c40da7c64e89.jpg" title=" 沈庆涛.jpg" alt=" 沈庆涛.jpg" width=" 450" vspace=" 0" height=" 283" border=" 0" / /p p style=" text-align: center " 　　沈庆涛作《Structural mapping on nucleoproteins of non-segmented negative-sense RNA viruses》报告 /p p 　　中国科学院生物物理研究所王祥喜研究员作《Mechanisms of Herpesvirus capsid assembly and maturation》报告。使用优化的重建策略，王祥喜获得了3.1Å 的HSV-2 B-衣壳和3.75Å 的C-衣壳的结构，其中包括不对称单元中的28,138个残基，属于4种衣壳蛋白的46种不同构象异构体(VP5，VP23，VP19C，VP26)组成4种类型的壳聚糖(C-Hex，E-Hex，P-Hex，Pen)和三链体。王祥喜还提出了C-衣壳蛋白(VP5，VP23，VP19C和VP26)和CVSC的多种构象异构体的原子模型。 通过HSV-2同源物的比较，获得了关于三种疱疹病毒亚家族之间的结构相似性和差异的信息，并且确定了α-疱疹病毒特异性结构特征。由UL17单体、UL25二聚体和UL36二聚体组成的杂五聚体CVSC与五螺旋束紧密结合，所述五螺旋束与周围衣壳蛋白形成广泛的亚基接触网络，这增强了衣壳稳定性。 /p p style=" text-align: center " img style=" max-width: 100% max-height: 100% width: 450px height: 283px " src=" https://img1.17img.cn/17img/images/201906/uepic/3ff235b0-5d4f-4ed2-bf95-9d715c9a8577.jpg" title=" 王祥喜.jpg" alt=" 王祥喜.jpg" width=" 450" vspace=" 0" height=" 283" border=" 0" / /p p style=" text-align: center " 　　王祥喜作《Mechanisms of Herpesvirus capsid assembly and maturation》报告 /p p 　　装有球差校正器的透射电镜在物理、材料科学等学科已经得到广泛的应用，成为 /p p 　　获得高分辨像不可或缺的重要技术方法。色差校正器也突破了技术瓶颈，稳定性得到显著改善并开始实际应用。冷冻透射电镜在使用校正器上，由于生物样品等原因，还没有得到广泛的应用。南方科技大学王培毅教授的《透镜校正器在冷冻透射电镜的应用》报告试图从生命科学的实际应用出发，讨论球差、色差校正器在冷冻透射电镜上应用前景和可能的发展。 /p p style=" text-align: center " img style=" max-width: 100% max-height: 100% width: 450px height: 283px " src=" https://img1.17img.cn/17img/images/201906/uepic/fd53b340-2b2c-4e73-9e09-d3fb48f173d3.jpg" title=" 王培毅.jpg" alt=" 王培毅.jpg" width=" 450" vspace=" 0" height=" 283" border=" 0" / /p p style=" text-align: center " 　　王培毅作《透镜校正器在冷冻透射电镜的应用》报告 /p p 　　在适应性免疫中，生物体产生中和抗体(nAbs)以消除入侵的病原体。厦门大学李少伟教授《Viral neutralization by antibody-imposed physical disruption》报告探讨了是否可以通过nAb结合时病毒的物理破坏来实现病毒中和。报告展现了nAb 8C11对抗戊型肝炎病毒(HEV)的中和机制，8C11结合侧翼HEV病毒样颗粒(VLP)的突出尖峰，并导致抗体和衣壳之间的巨大物理碰撞，在2小时内将VLP解离成同型二聚体。较早(15分钟)阶段的解离中间体的Cryo-EM重建揭示了涂抹的突起尖峰和二十面体对称性的丧失，衣壳核心保持不变。李少伟从概念上讲提出了一种策略，即在相邻空间无法容纳抗体的位置，针对在整个病原体的背景下具有特征的单个穗部分来提高碰撞诱导nAb。该基本原理可以促进独特的疫苗开发和抗微生物抗体设计。 /p p style=" text-align: center " img style=" max-width: 100% max-height: 100% width: 450px height: 283px " src=" https://img1.17img.cn/17img/images/201906/uepic/829f6e5a-25c0-44ff-b236-3c6a7fbb7ba6.jpg" title=" 李少伟.jpg" alt=" 李少伟.jpg" width=" 450" vspace=" 0" height=" 283" border=" 0" / /p p style=" text-align: center " 　　李少伟作《Viral neutralization by antibody-imposed physical disruption》报告 /p p 　　ORC与DNA结合标记了真核生物中复制起始的位点，尽管真核生物中蛋白质序列中ORC具有高度保守性，但其对复制子的选择性因物种而异。 人们对ORC在原点选择性上分歧的潜在分子机制仍然知之甚少。香港大学翟元梁助理教授《Cryo-EM structure of the origin recognition complex bound to the essential elements of ARS DNA》报告对这一问题开展研究。从报告中看，翟元梁获得了酿酒酵母ORC的一系列Cryo-EM结构，其与含有ARS共有序列(ACS)和B1元件的起源DNA序列结合。在结构中，ORC通过与磷酸骨架和碱基的广泛相互作用包围DNA。ACS中胸腺嘧啶残基的特异性识别是通过小沟中Orc1的保守碱性氨基酸基序和大沟中Orc4-HI基序进行的。有趣的是，Orc4-HI基序仅在酵母物种中保守，但在高等真核生物中完全不存在，表明了该基序在起源选择性中的独特作用。研究结果确定了ORC在调节DNA结构中的保守作用，以促进真核生物中的起源选择和解旋酶加载。 /p p style=" text-align: center " img style=" max-width: 100% max-height: 100% width: 450px height: 283px " src=" https://img1.17img.cn/17img/images/201906/uepic/87a3b3a4-5a9b-4dbd-8431-ba984ee25dc4.jpg" title=" 翟元梁.jpg" alt=" 翟元梁.jpg" width=" 450" vspace=" 0" height=" 283" border=" 0" / /p p style=" text-align: center " 　　翟元梁作《Cryo-EM structure of the origin recognition complex bound to the essential elements of ARS DNA》报告 /p p 　　中国科学院上海生化细胞所丛尧教授、中国科学院生物物理研究所周政研究员等其他10位专家带来更多精彩学术报告。日本电子Isamu Ishikawa、Dell何睿、上海知楚仪器有限公司等6家赞助企业也带来了《CFEG application in Cryo TEM》、《冷冻电镜配套IT 系统的介绍与探讨》、《不一样的中国制造》等精彩内容。 /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

安捷伦公司大力支持亚太地区蛋白质学会（APPA）第三次学术会议及中英蛋白质学术会议 2011年5月6-9日，亚太地区蛋白质学会（APPA）第三次学术会议及中英蛋白质学术会议在世博之城上海隆重召开。本届会议由&ldquo 亚太地区蛋白质科学联合会（Asia Pacific Protein Association, APPA）和国际蛋白质学会（The Protein Society）主办、中国生化学会蛋白质专业委员会（The Chinese Protein Society）承办。本次会议以&ldquo Proteins and Beyond&rdquo 为主题，诚邀国内外蛋白质组学领域众多顶尖专家学者，围绕业内热点问题成功举行了一次高端学术盛宴，会议议题主要围绕蛋白合成/质控、蛋白翻译后修饰、蛋白相互作用、蛋白工程、蛋白定量、疾病蛋白质组学与药物发现、生物制药等热门领域。 安捷伦公司作为会议的主赞助商以及蛋白质组学领域的重要方案供应商，在本届会议上再次为广大用户呈现其蛋白质组学全面、完备、专业的解决方案。针对蛋白定量这一行业热点课题，安捷伦公司凭借其最新超高灵敏度6490三重四极杆质谱技术、灵活强大的软件功能以及高通量全自动样品前处理技术在这一应用上具有突出及独特的优势。 在5月8日下午的大会学术报告专场，来自安捷伦公司的蛋白质组学应用工程师陶定银博士为在场听众进行了题为《安捷伦6490三重串联四级杆质谱仪在超痕量蛋白定量分析中的应用》的精彩报告：全新一代安捷伦6490三重串联四级杆质谱仪集多种高精技术于一体，与不同流速范围的液相色谱仪&ldquo 无缝&rdquo 匹配，在纳流、微流及常规流速范围内均可提供高灵敏、高重现的超痕量蛋白定量分析结果。配合安捷伦的全自动样品前处理机器人，使用户彻底摆脱繁冗的手工处理，获得重现性优异的分析结果。 Agilent 6490创新型串联质谱简介 1．概况 2010年5月24日 安捷伦科技公司在美国犹他州盐湖城举行的第58届美国质谱年会上推出了基于iFunnel技术的6490三重四极杆液质联用系统。 iFunnel是一种革命性的大气压离子进样技术，可以在大多数应用上极大提高灵敏度。与旧型号相比，6490系统减少了25%的占地面积，但灵敏度却提高了10倍以上。革新产品6490展示了其尖端应用能力，即检测灵敏度可达到10-21mol(Zeptomol)及ppq级别，这种水平的灵敏度过去只能在昂贵的加速器质谱系统上实现。 2．应用价值与意义 6490的尖端性能为富于高灵敏度挑战的分析工作带来的新的成功可能。比如环境领域通常要求灵敏度在ppt级别；制药/生物医药等领域，有时需要做到微小剂量、吸入药物检测和干血斑点分析等等。常规分析中这种高灵敏度也为临床、食品安全和蛋白质/肽定量分析带来了新机遇，而且全面提高了耐受性和样品制备效率。 有关安捷伦6490三重四极杆质谱更多信息，请参考： http://www.chem.agilent.com/en-US/Products/Instruments/ms/Pages/6490.aspx 有关安捷伦蛋白质组学方案更多信息，请参考： http://www.chem.agilent.com/zh-cn/solutions/proteomics/pages/default.aspx 关于安捷伦科技 安捷伦科技（NYSE: A）是全球领先的测试测量公司，是化学分析、生命科学、电子和通信领域的技术领导者。公司18,500名员工为世界上100多个国家的客户提供服务。安捷伦2010财政年度的业务净收入为54亿美元。了解有关安捷伦科技的详细信息，请访问：www.agilent.com.cn 。

2011 年4 月15 日&mdash 18 日五洲东方公司将专程组织人员参加在浙江省杭州市举办的&ldquo 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&rdquo 。本届会议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）和国际蛋白质组学论坛（IFP）主办，北京蛋白质组研究中心、国际蛋白质组学论坛及浙江大学共同承办。 　　本届会议设有大会报告、分会（专题）报告和墙报三种形式。大会将邀请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，会议规模约1000 人左右。会议主要讨论蛋白质组学研究的现状及其进展，内容包括：疾病蛋白质组学，功能蛋白质组学，药物蛋白质组学，结构蛋白质组学，蛋白质修饰和相互作用，生物信息学，抗体相关技术，蛋白质组微分析以及蛋白质组新技术新方法等研究领域。 　　本届会议在4 月15-17 日进行学术大会，在新技术推广会上五洲东方公司安排一个技术讲座，技术讲座详细信息如下： 　　时间：2011-4-15　 12：:45-13:50 　　主讲人：Mrs Wendy 　　职位 ：CTO(Chief Technology Officer )of prospect Biosystem Inc. 　　题目 ：The Biomarker discovery sulution 　　本届会议的展位号为：A5 　　五洲东方诚邀您的参与。

HuProtTM人类蛋白质组芯片，涵盖~20,000个人重组蛋白质，是迄今为止通量最高的人类蛋白质组芯片，为蛋白质组学研究提供了强大的工具。该芯片已经在各个蛋白质组学和其他生命科学研究领域得到广泛的应用，如癌症及自身免疫疾病的生物标志物的发现、蛋白-蛋白相互作用研究、翻译后修饰、酶学研究等。 作为蛋白质芯片技术的鼻祖和人类蛋白质组芯片的开发者，朱衡教授已在该领域发表近100篇研究论文，被引用次数累计近10,000次，单篇被引次数2,000次。 朱衡教授现为美国约翰霍普金斯大学医学院药理系终身教授，是世界上蛋白质芯片技术的主要创始人之一（详见论文 Science,2001, 293: 2101-2105), 也是HuProtTM人蛋白质组芯片的开发者，在蛋白质芯片技术和应用领域有着举足轻重的地位。朱衡教授目前主要的研究领域是利用蛋白质芯片技术研究疾病相关蛋白的细胞信号转导/网络及其它延伸领域。朱衡教授在美国作为项目负责人现主持美国国立卫生研究院(NIH) R01课题多项，2007年获得美国 Smith Welcome Trust 杰出科学家奖，在Cell、Nature、PNAS 等国际顶尖杂志发表了近100篇研究论文。 仪器信息网 网络讲堂 特邀 朱衡教授将于2015年4月17日 10:00 通过网络会议形式在线讲解&ldquo 蛋白质芯片技术&rdquo 。本次网络会议中朱衡教授将围绕人类蛋白质组芯片的开发过程、技术要点和应用前景展开讲述，并深入探讨如何利用蛋白质组芯片来进行蛋白质组学的研究。 本次会议采取在线自助报名形式，通过资格审核的用户可免费参会。报名地址如下： http://www.instrument.com.cn/webinar/meeting/meetingInsidePage/1397

【山东云唐*新品推荐YT-Z12T】云唐仪器|食品蛋白质检测仪可快速准确检测奶粉中蛋白质含量→点击此处进入客服在线咨询优惠专区。山东云唐专业厂家自主研发生产农药残留检测、食品安全检测、植物生理等仪器仪表，品质保障，价格实惠，售后无忧，欢迎新老客户来电咨询!山东云唐智能让诚信为高质量发展护航，我们将努力提供更卓越的产品质量和更人性化的售后服务给广大客户，为社会创造更大的价值。云唐仪器|食品蛋白质检测仪可快速准确检测奶粉中蛋白质含量　　随着科技的不断发展，食品蛋白质检测仪在食品安全检测领域发挥着越来越重要的作用。其中，对于奶粉中蛋白质含量的快速准确检测，食品蛋白质检测仪更是扮演着至关重要的角色。本文将详细介绍食品蛋白质检测仪的工作原理、优势及其在奶粉蛋白质含量检测中的应用。　　食品蛋白质检测仪在奶粉蛋白质含量检测中具有显著的优势。首先，它大大提高了检测效率。相较于传统的检测方法，如Kjeldahl法、Lowry法等，食品蛋白质检测仪能够在短时间内完成大量样品的检测，从而满足现代化生产线上对奶粉质量监控的需求。其次，仪器具有高度的准确性。通过精确的光电测量和荧光检测技术，食品蛋白质检测仪能够确保测量结果的准确性，避免因人为因素或操作不当导致的误差。此外，食品蛋白质检测仪还具有操作简便、自动化程度高等特点，使得检测过程更加便捷高效。　　在奶粉蛋白质含量检测中，食品蛋白质检测仪的应用具有重要意义。奶粉作为婴儿成长发育的重要营养来源，其蛋白质含量直接影响到婴儿的健康状况。因此，对奶粉中蛋白质含量的准确检测显得尤为重要。食品蛋白质检测仪能够快速、准确地检测出奶粉中的蛋白质含量，为奶粉生产厂家提供及时、可靠的质量监控手段。同时，对于消费者而言，了解奶粉中蛋白质的含量有助于他们选择合适的奶粉产品，为婴儿的健康成长提供保障。　　此外，食品蛋白质检测仪还可以用于奶粉生产过程中的质量控制。在奶粉生产过程中，通过定期对原料、半成品和成品的蛋白质含量进行检测，可以及时发现生产过程中的问题，采取有效措施进行调整和改进，确保奶粉产品质量的稳定性和可靠性。同时，食品蛋白质检测仪还可以用于奶粉产品的批次管理和追溯，确保产品的质量和安全可追溯。　　总之，食品蛋白质检测仪在奶粉蛋白质含量检测中发挥着重要作用。它不仅能够提高检测效率和准确性，为奶粉生产厂家提供及时、可靠的质量监控手段，还能为消费者选择合适的奶粉产品提供有力支持。随着科技的不断进步和食品安全意识的提高，食品蛋白质检测仪将在食品安全检测领域发挥更加重要的作用，为保障人们的饮食安全贡献力量。

图为蛋白质科学研究(上海)设施核磁共振分析系统。 　　走近中国大科学工程 　　生活中的乌云总是不期而至。一位正值花季的美国女孩，突然被告知患上了一种非常难治的癌症。基因检测结果显示，她所患癌症的亚型发生率极低。 　　在患同一大类癌症的人群中，只有2%的人所患亚型和她一样。幸运的是，针对这一亚型恰好有一种特效药。经过不到3个月的治疗，她痊愈了。 　　国家蛋白质科学中心· 上海(筹)主任雷鸣用这个真实的案例，向科技日报记者生动阐释了精准医疗的未来图景。但并非所有的癌症患者都和那位女孩一样幸运。在人类通往精准医疗的道路上，蛋白质科学研究将扮演什么角色?身为国家大科学工程之一的蛋白质科学研究(上海)设施(以下简称&ldquo 上海设施&rdquo )对推进蛋白质科学研究将起到怎样的作用? 　　为回答这些问题，科技日报记者近日走进国家蛋白质科学中心· 上海(筹)一探究竟。 　　不容小觑的&ldquo 仪器集群&rdquo 　　和以往走进的国家大科学工程相比，上海设施没能在视觉上给人造成强大冲击。 　　&ldquo 我们这里主要是一些体量相对较小的生命科学研究的仪器集群，以至于在立项之初，是否将上海设施列入大科学工程都存在争议。&rdquo 雷鸣说道。 　　可别小瞧这里的&ldquo 仪器集群&rdquo 。上海设施自2014年5月试运行以来，前来参观的10多位诺贝尔奖得主和其他国际知名专家对设备的先进性纷纷&ldquo 点赞&rdquo 。 　　雷鸣回忆道，十多年前，我国在蛋白质科学研究领域虽然已取得一批达到国际一流水平的研究成果，但整体上仍落后于国际先进水平。科研基础设施建设滞后，是制约蛋白质科学发展的关键因素。 　　在科学家们的不懈努力下，蛋白质科学研究设施国家重大科技基础设施项目于2008年被批准立项，成为我国生命科学领域第一个大科学工程项目。蛋白质科学研究设施分为上海和北京两部分，上海设施以建设蛋白质结构解析能力为主。 　　围绕从生物体的空间尺度和生命过程的时间尺度来研究蛋白质，上海设施构建了由规模化蛋白质制备系统、蛋白质晶体结构分析系统、核磁分析系统、集成化电镜分析系统、蛋白质动态分析系统、质谱分析系统、复合激光显微成像系统、分子影像系统和数据库与计算分析系统组成的9大技术系统，具备规模化蛋白质制备、多尺度结构分析、多层次动态研究、修饰与相互作用分析以及数据库与计算分析5大能力。 　　史蒂夫· 哈里森是雷鸣在哈佛大学读博士时的导师。参观上海设施后，史蒂夫感觉非常震撼，对雷鸣很年轻就有机会参与如此重大的项目表示赞赏和羡慕。收获羡慕之余，雷鸣多次被问道：&ldquo 在如此先进的科研平台上，你们能做出哪些世界一流的工作来?&rdquo 　　独一无二的蛋白质&ldquo 智能工厂&rdquo 　　每一个蛋白质就像一个人一样，有自己的脾气秉性。要把它研究透彻，需要时间。 　　上世纪六七十年代有句话叫&ldquo one protein，one career&rdquo ，意为一个教授一辈子只能研究透一个蛋白质。&ldquo 我主要研究端粒，从评上教授到现在，也只解析了数十个蛋白质的结构。&rdquo 雷鸣说道。 　　要摸清蛋白质的&ldquo 脾气&rdquo ，首先是要获取高纯度的蛋白质样品。想见到蛋白质的&ldquo 真身&rdquo ，就必须打破细胞。而细胞一旦被打破，里面90%的蛋白质就同时被破坏掉了，踪迹难觅。 　　找到目标蛋白质后，保存也是个难题。相对于&ldquo 皮实&rdquo 的基因，蛋白质要&ldquo 娇气&rdquo 得多。记载遗传信息的基因就像是张可以随意摆放的卡片，没有变性的担忧。蛋白质则不同，一旦温度、湿度、光线等环境因素发生变化，就会有变质的风险。 　　在传统的生物学实验室里，穿着白大褂的科研人员手持移液枪，往装有不同液体的瓶瓶罐罐里添加试剂是常见的场景。在上海设施的规模化蛋白质制备系统里，这一幕正在被自动化的机器操作所取代。 　　高通量克隆构建实验室的中心区域是一个用玻璃超净间封闭起来的自动化机械操作平台。操作台外有一台集成软件的计算机负责&ldquo 发号施令&rdquo 。科研人员启动预设程序后，白色的机械臂在平台的各个自动化仪器间来回挪动，轻巧地把一个个96孔板放置到指定的板位上。各个自动化仪器的板位分别可执行加液、振荡、离心、清洗等生物实验操作。 　　传统手工操作，一个人每天最多克隆十几个基因。眼前的这套自动化系统，一天可以克隆960个基因，生产效率相当于一个数百人规模的基因克隆企业。&ldquo 我们希望把自动化概念引入科研中，重复劳动让机器来做，科研人员可以有更多的时间去探索和思考真正的科学问题。&rdquo 规模化蛋白质制备系统主管邓玮告诉记者。 　　上海设施自主设计和研发应用流程的这套系统，如同&ldquo 智能工厂&rdquo 一般，能独立完成一整套从分子生物学到细胞生物学的全部实验操作。 　　&ldquo 集成化程度越高的自动化设备，出错的几率就越高。针对完全陌生的样品，我们这套系统的可靠性能达到70%，这已经是一个非常不错的结果了。&rdquo 雷鸣表示。 　　五线六站 透视蛋白质内部结构 　　蛋白质并不是由松散的氨基酸随机排列组合而成，每一种天然蛋白质都有自己特定的空间结构。结构决定着蛋白质的功能。 　　肌红蛋白是哺乳动物心肌和骨骼肌中贮存和分配氧的胞内蛋白质。1960年，英国科学家肯德鲁(John Kendrew)首次用X射线衍射法测定了来自抹香鲸的肌红蛋白的三级结构。这一发现，使他成为1962年诺贝尔化学奖的获得者之一。 　　大多数人都有医院照X光的体验，X射线衍射法相当于是给结晶后的蛋白质拍X光，拍出的是一幅蛋白质晶体原子尺度的三维结构图。 　　在建筑外观呈鹦鹉螺形状的上海光源里，有5条光束线和6个专用实验站(五线六站)用于蛋白质科学研究。五线六站包括4个X射线实验站和两个红外光谱实验站，它们构成了上海设施的蛋白质晶体结构分析系统和动态分析系统。 　　记者来到五线六站时，上海光源处在停光检修期，复合物晶体线站负责人秦文明正在进行设备调试，为第二天的复工做好准备。排成一长溜的设备间和操作间由厚重的屏蔽门把守，机器的轰鸣声给人置身工厂车间的感觉。 　　国家蛋白质科学中心· 上海(筹)副主任张荣光，是五线六站的负责人。2009年回国之前，他在美国阿贡国家实验室工作近20年。阿贡的APS(先进光子源)是世界上最先进的同步辐射中心之一，采用X射线衍射法在半小时内测定蛋白质晶体结构曾是阿贡的骄傲。在五线六站，这一时间被缩短为几分钟。 　　&ldquo 我们安装了先进的衍射仪和探测器，收集全套数据最快只需36秒，接着使用自建的软件系统，不到5分钟就能完成对数据的处理和分析，给出蛋白质的三维结构。&rdquo 张荣光表示，五线六站不仅配备了世界一流的硬件设施，在实验方法和自动化上也有了很大程度的改进和提升。 　　过去，科研人员带着蛋白质晶体样品来到线站做实验非常忙碌。因为不能确定收到的数据是否有用，针对同一个晶体样品，要反复不停收集多套数据，带回去做进一步分析。 　　&ldquo 现在很快就能看到结果，一次可以带上一批样品来线站做实验，节省了大量的时间和人力。我们的目标是，用户带到线站上来的是晶体，带回去的是蛋白质的结构。&rdquo 张荣光说道。 　　核磁共振拼搭蛋白质结构&ldquo 积木&rdquo 　　不是所有的蛋白质在纯化后都能顺利结晶。结晶了的蛋白质也可能由于晶体质量等原因，难以被X射线&ldquo 看清&rdquo 。此外，同步辐射产生的X射线能量很高，小一点的晶体在被它探测时有&ldquo 粉身碎骨&rdquo 的风险。 　　在晶体学力所不及的领域，同样借助X射线设立的生物小角线站能弥补一二。事实上，溶液状态下的蛋白质表现得更为&ldquo 动态&rdquo 和&ldquo 真实&rdquo 。小角线站负责人李娜介绍，小角散射技术能快速捕捉到溶液状态下蛋白质的瞬时结构。只需要秒量级，甚至毫秒量级的时间，就能看见两个分子是否形成复合物。 　　分辨率不高是小角散射的不足之处。张荣光进一步解释说，就像从远处看两个人的位置关系一样，能看清他们是靠在一起，但具体是手牵手，还是脚靠脚，就不得而知了。要在溶液状态下看清原子尺度的细节和运动，就要靠核磁系统了。 　　离开五线六站，记者来到了上海设施的核磁共振实验室。蓝色塑胶地板上，分布着5台白色圆柱状的&ldquo 大家伙&rdquo 。其中，体型最大的900兆核磁共振谱仪是目前国内在使用的最高场强的超导磁体设备之一。为了方便把样品放入仪器顶部，还专门搭建了高约四五米的扶梯。 　　和光束线站、电镜等设施的直接成像相比，核磁共振扫描得到的是&ldquo 间接&rdquo 信息&mdash &mdash 蛋白质分子里每2个氢原子之间的相对距离，据此勾勒出蛋白质的三维结构。对此，核磁系统技术主管刘志军打了个形象的比方：一个坐着的人，如果能测算出他的头、手、脚等部位两端的距离，就能画出他的大致轮廓。 　　&ldquo 也可以理解为，核磁共振扫描得到的是一盒子拼插积木，接下来的事情就是把积木一块块地搭建起来，难点就在于不知道这些积木分属于哪个部位，是头还是脚，需要先指认，再通过计算来还原成三维结构。&rdquo 刘志军说。 　　为了&ldquo 指认&rdquo 方便，刘志军和他的同事们正在构建一个大的数据库。理想状态是，核磁共振扫描溶液状态下的蛋白质后得到的实验信息，可以去数据库中进行对比，如果有类似的&ldquo 片段&rdquo ，就可判断出这块&ldquo 积木&rdquo 属于哪个部位，再进一步去还原。&ldquo 搭积木的效率高低，取决于已知信息的多少，还原蛋白质三维结构也是如此&rdquo 。 　　蛋白质研究为药物研发铺路 　　蛋白质(protein)的概念最早由瑞典化学家永斯· 雅各布· 贝采利乌斯在1838年提出。&ldquo protein&rdquo 源自希腊文&ldquo protos&rdquo ，意为&ldquo 第一的，首要的&rdquo 。其时，人们对于蛋白质在机体中的核心作用并不了解。 　　一直到上个世纪40年代，在美国的教科书里，蛋白质被认为都长着一副橄榄球的模样，为细胞提供黏稠度是它主要甚至唯一的功能。随着DNA(脱氧核糖核酸)双螺旋结构的提出和首个原子尺度的蛋白分子三维结构图的精准呈现，分子生物学时代的大幕开启，人们开始逐渐摸清蛋白质的&ldquo 长相&rdquo 和&ldquo 秉性&rdquo 。 　　细胞是生命体的基本单位。在构建细胞结构、生物催化、物质传输等方面，蛋白质发挥着重要的作用。生物体新陈代谢几乎离不开的催化剂&mdash &mdash 酶，绝大多数都是蛋白质。 　　然而，和DNA测序、基因组研究的耳熟能详相比，蛋白质研究似乎略显低调。事实上，蛋白质研究可视作基因研究的姊妹篇。雷鸣以肺癌为例说道，过去肺癌病人都用一种药物治疗，现在看来并不科学。尽管结果都表现为肺癌，但从分子尺度分析，发病机理千差万别。 　　上游致病的基因多种多样，不同基因组会产生数百种或数千种蛋白质组合，形成不同特质的癌细胞。每一种组合背后的原因也不尽相同，因为基因的表达方式错综复杂，同一个基因在不同条件、时期可能会起到完全不同的作用。如何找到精准的治疗靶点成为棘手的难题。 　　&ldquo 通过测序能知道多少种基因有病变，分析出主要矛盾是哪个，但基因检测只能用于诊断，给不了治疗的药物，下一步需要借助于蛋白质科学研究，为生物制药提供对症的&lsquo 靶点&rsquo 。在未来，精准医疗有望给每一种不同亚型的癌症患者提供有针对性的药物。&rdquo 雷鸣表示。(原标题：探秘蛋白质的&ldquo 前世今生&rdquo &mdash &mdash 国家蛋白质科学中心· 上海(筹)印象)

【科技日报】探秘蛋白质的&ldquo 前世今生&rdquo &mdash &mdash 国家蛋白质科学中心· 上海(筹)印象 图为蛋白质科学研究(上海)设施核磁共振分析系统。 　　生活中的乌云总是不期而至。一位正值花季的美国女孩，突然被告知患上了一种非常难治的癌症。基因检测结果显示，她所患癌症的亚型发生率极低。 　　在患同一大类癌症的人群中，只有2%的人所患亚型和她一样。幸运的是，针对这一亚型恰好有一种特效药。经过不到3个月的治疗，她痊愈了。 　　国家蛋白质科学中心· 上海(筹)主任雷鸣用这个真实的案例，向科技日报记者生动阐释了精准医疗的未来图景。但并非所有的癌症患者都和那位女孩一样幸运。在人类通往精准医疗的道路上，蛋白质科学研究将扮演什么角色?身为国家大科学工程之一的蛋白质科学研究(上海)设施(以下简称&ldquo 上海设施&rdquo )对推进蛋白质科学研究将起到怎样的作用? 　　为回答这些问题，科技日报记者近日走进国家蛋白质科学中心· 上海(筹)一探究竟。 　　不容小觑的&ldquo 仪器集群&rdquo 　　和以往走进的国家大科学工程相比，上海设施没能在视觉上给人造成强大冲击。 　　&ldquo 我们这里主要是一些体量相对较小的生命科学研究的仪器集群，以至于在立项之初，是否将上海设施列入大科学工程都存在争议。&rdquo 雷鸣说道。 　　可别小瞧这里的&ldquo 仪器集群&rdquo 。上海设施自2014年5月试运行以来，前来参观的10多位诺贝尔奖得主和其他国际知名专家对设备的先进性纷纷&ldquo 点赞&rdquo 。 　　雷鸣回忆道，十多年前，我国在蛋白质科学研究领域虽然已取得一批达到国际一流水平的研究成果，但整体上仍落后于国际先进水平。科研基础设施建设滞后，是制约蛋白质科学发展的关键因素。 　　在科学家们的不懈努力下，蛋白质科学研究设施国家重大科技基础设施项目于2008年被批准立项，成为我国生命科学领域第一个大科学工程项目。蛋白质科学研究设施分为上海和北京两部分，上海设施以建设蛋白质结构解析能力为主。 　　围绕从生物体的空间尺度和生命过程的时间尺度来研究蛋白质，上海设施构建了由规模化蛋白质制备系统、蛋白质晶体结构分析系统、核磁分析系统、集成化电镜分析系统、蛋白质动态分析系统、质谱分析系统、复合激光显微成像系统、分子影像系统和数据库与计算分析系统组成的9大技术系统，具备规模化蛋白质制备、多尺度结构分析、多层次动态研究、修饰与相互作用分析以及数据库与计算分析5大能力。 　　史蒂夫· 哈里森是雷鸣在哈佛大学读博士时的导师。参观上海设施后，史蒂夫感觉非常震撼，对雷鸣很年轻就有机会参与如此重大的项目表示赞赏和羡慕。收获羡慕之余，雷鸣多次被问道：&ldquo 在如此先进的科研平台上，你们能做出哪些世界一流的工作来?&rdquo 　　独一无二的蛋白质&ldquo 智能工厂&rdquo 　　每一个蛋白质就像一个人一样，有自己的脾气秉性。要把它研究透彻，需要时间。 　　上世纪六七十年代有句话叫&ldquo one protein，one career&rdquo ，意为一个教授一辈子只能研究透一个蛋白质。&ldquo 我主要研究端粒，从评上教授到现在，也只解析了数十个蛋白质的结构。&rdquo 雷鸣说道。 　　要摸清蛋白质的&ldquo 脾气&rdquo ，首先是要获取高纯度的蛋白质样品。想见到蛋白质的&ldquo 真身&rdquo ，就必须打破细胞。而细胞一旦被打破，里面90%的蛋白质就同时被破坏掉了，踪迹难觅。 　　找到目标蛋白质后，保存也是个难题。相对于&ldquo 皮实&rdquo 的基因，蛋白质要&ldquo 娇气&rdquo 得多。记载遗传信息的基因就像是张可以随意摆放的卡片，没有变性的担忧。蛋白质则不同，一旦温度、湿度、光线等环境因素发生变化，就会有变质的风险。 　　在传统的生物学实验室里，穿着白大褂的科研人员手持移液枪，往装有不同液体的瓶瓶罐罐里添加试剂是常见的场景。在上海设施的规模化蛋白质制备系统里，这一幕正在被自动化的机器操作所取代。 　　高通量克隆构建实验室的中心区域是一个用玻璃超净间封闭起来的自动化机械操作平台。操作台外有一台集成软件的计算机负责&ldquo 发号施令&rdquo 。科研人员启动预设程序后，白色的机械臂在平台的各个自动化仪器间来回挪动，轻巧地把一个个96孔板放置到指定的板位上。各个自动化仪器的板位分别可执行加液、振荡、离心、清洗等生物实验操作。 　　传统手工操作，一个人每天最多克隆十几个基因。眼前的这套自动化系统，一天可以克隆960个基因，生产效率相当于一个数百人规模的基因克隆企业。&ldquo 我们希望把自动化概念引入科研中，重复劳动让机器来做，科研人员可以有更多的时间去探索和思考真正的科学问题。&rdquo 规模化蛋白质制备系统主管邓玮告诉记者。 　　上海设施自主设计和研发应用流程的这套系统，如同&ldquo 智能工厂&rdquo 一般，能独立完成一整套从分子生物学到细胞生物学的全部实验操作。 　　&ldquo 集成化程度越高的自动化设备，出错的几率就越高。针对完全陌生的样品，我们这套系统的可靠性能达到70%，这已经是一个非常不错的结果了。&rdquo 雷鸣表示。 　　五线六站 透视蛋白质内部结构 　　蛋白质并不是由松散的氨基酸随机排列组合而成，每一种天然蛋白质都有自己特定的空间结构。结构决定着蛋白质的功能。 　　肌红蛋白是哺乳动物心肌和骨骼肌中贮存和分配氧的胞内蛋白质。1960年，英国科学家肯德鲁(John Kendrew)首次用X射线衍射法测定了来自抹香鲸的肌红蛋白的三级结构。这一发现，使他成为1962年诺贝尔化学奖的获得者之一。 　　大多数人都有医院照X光的体验，X射线衍射法相当于是给结晶后的蛋白质拍X光，拍出的是一幅蛋白质晶体原子尺度的三维结构图。 　　在建筑外观呈鹦鹉螺形状的上海光源里，有5条光束线和6个专用实验站(五线六站)用于蛋白质科学研究。五线六站包括4个X射线实验站和两个红外光谱实验站，它们构成了上海设施的蛋白质晶体结构分析系统和动态分析系统。 　　记者来到五线六站时，上海光源处在停光检修期，复合物晶体线站负责人秦文明正在进行设备调试，为第二天的复工做好准备。排成一长溜的设备间和操作间由厚重的屏蔽门把守，机器的轰鸣声给人置身工厂车间的感觉。 　　国家蛋白质科学中心· 上海(筹)副主任张荣光，是五线六站的负责人。2009年回国之前，他在美国阿贡国家实验室工作近20年。阿贡的APS(先进光子源)是世界上最先进的同步辐射中心之一，采用X射线衍射法在半小时内测定蛋白质晶体结构曾是阿贡的骄傲。在五线六站，这一时间被缩短为几分钟。 　　&ldquo 我们安装了先进的衍射仪和探测器，收集全套数据最快只需36秒，接着使用自建的软件系统，不到5分钟就能完成对数据的处理和分析，给出蛋白质的三维结构。&rdquo 张荣光表示，五线六站不仅配备了世界一流的硬件设施，在实验方法和自动化上也有了很大程度的改进和提升。 　　过去，科研人员带着蛋白质晶体样品来到线站做实验非常忙碌。因为不能确定收到的数据是否有用，针对同一个晶体样品，要反复不停收集多套数据，带回去做进一步分析。 　　&ldquo 现在很快就能看到结果，一次可以带上一批样品来线站做实验，节省了大量的时间和人力。我们的目标是，用户带到线站上来的是晶体，带回去的是蛋白质的结构。&rdquo 张荣光说道。 　　核磁共振拼搭蛋白质结构&ldquo 积木&rdquo 　　不是所有的蛋白质在纯化后都能顺利结晶。结晶了的蛋白质也可能由于晶体质量等原因，难以被X射线&ldquo 看清&rdquo 。此外，同步辐射产生的X射线能量很高，小一点的晶体在被它探测时有&ldquo 粉身碎骨&rdquo 的风险。 　　在晶体学力所不及的领域，同样借助X射线设立的生物小角线站能弥补一二。事实上，溶液状态下的蛋白质表现得更为&ldquo 动态&rdquo 和&ldquo 真实&rdquo 。小角线站负责人李娜介绍，小角散射技术能快速捕捉到溶液状态下蛋白质的瞬时结构。只需要秒量级，甚至毫秒量级的时间，就能看见两个分子是否形成复合物。 　　分辨率不高是小角散射的不足之处。张荣光进一步解释说，就像从远处看两个人的位置关系一样，能看清他们是靠在一起，但具体是手牵手，还是脚靠脚，就不得而知了。要在溶液状态下看清原子尺度的细节和运动，就要靠核磁系统了。 　　离开五线六站，记者来到了上海设施的核磁共振实验室。蓝色塑胶地板上，分布着5台白色圆柱状的&ldquo 大家伙&rdquo 。其中，体型最大的900兆核磁共振谱仪是目前国内在使用的最高场强的超导磁体设备之一。为了方便把样品放入仪器顶部，还专门搭建了高约四五米的扶梯。 　　和光束线站、电镜等设施的直接成像相比，核磁共振扫描得到的是&ldquo 间接&rdquo 信息&mdash &mdash 蛋白质分子里每2个氢原子之间的相对距离，据此勾勒出蛋白质的三维结构。对此，核磁系统技术主管刘志军打了个形象的比方：一个坐着的人，如果能测算出他的头、手、脚等部位两端的距离，就能画出他的大致轮廓。 　　&ldquo 也可以理解为，核磁共振扫描得到的是一盒子拼插积木，接下来的事情就是把积木一块块地搭建起来，难点就在于不知道这些积木分属于哪个部位，是头还是脚，需要先指认，再通过计算来还原成三维结构。&rdquo 刘志军说。 　　为了&ldquo 指认&rdquo 方便，刘志军和他的同事们正在构建一个大的数据库。理想状态是，核磁共振扫描溶液状态下的蛋白质后得到的实验信息，可以去数据库中进行对比，如果有类似的&ldquo 片段&rdquo ，就可判断出这块&ldquo 积木&rdquo 属于哪个部位，再进一步去还原。&ldquo 搭积木的效率高低，取决于已知信息的多少，还原蛋白质三维结构也是如此&rdquo 。 　　蛋白质研究为药物研发铺路 　　蛋白质(protein)的概念最早由瑞典化学家永斯· 雅各布· 贝采利乌斯在1838年提出。&ldquo protein&rdquo 源自希腊文&ldquo protos&rdquo ，意为&ldquo 第一的，首要的&rdquo 。其时，人们对于蛋白质在机体中的核心作用并不了解。 　　一直到上个世纪40年代，在美国的教科书里，蛋白质被认为都长着一副橄榄球的模样，为细胞提供黏稠度是它主要甚至唯一的功能。随着DNA(脱氧核糖核酸)双螺旋结构的提出和首个原子尺度的蛋白分子三维结构图的精准呈现，分子生物学时代的大幕开启，人们开始逐渐摸清蛋白质的&ldquo 长相&rdquo 和&ldquo 秉性&rdquo 。 　　细胞是生命体的基本单位。在构建细胞结构、生物催化、物质传输等方面，蛋白质发挥着重要的作用。生物体新陈代谢几乎离不开的催化剂&mdash &mdash 酶，绝大多数都是蛋白质。 　　然而，和DNA测序、基因组研究的耳熟能详相比，蛋白质研究似乎略显低调。事实上，蛋白质研究可视作基因研究的姊妹篇。雷鸣以肺癌为例说道，过去肺癌病人都用一种药物治疗，现在看来并不科学。尽管结果都表现为肺癌，但从分子尺度分析，发病机理千差万别。 　　上游致病的基因多种多样，不同基因组会产生数百种或数千种蛋白质组合，形成不同特质的癌细胞。每一种组合背后的原因也不尽相同，因为基因的表达方式错综复杂，同一个基因在不同条件、时期可能会起到完全不同的作用。如何找到精准的治疗靶点成为棘手的难题。 　　&ldquo 通过测序能知道多少种基因有病变，分析出主要矛盾是哪个，但基因检测只能用于诊断，给不了治疗的药物，下一步需要借助于蛋白质科学研究，为生物制药提供对症的&lsquo 靶点&rsquo 。在未来，精准医疗有望给每一种不同亚型的癌症患者提供有针对性的药物。&rdquo 雷鸣表示。

蛋白质组学研究是我国目前生命科学研究的前沿和重点研究项目，“十一五”期间我国蛋白质组学研究取得多项重大成果，以北京蛋白质组研究中心为代表的国内科研机构更是将我国蛋白质组研究提升到世界领先地位!2009年9月科技部中国生物技术发展中心在深圳组织召开了有关蛋白质组研究战略研讨会，标志着“十二五”发展战略规划蛋白质组研究项目正式启动!我国的蛋白质组研究将迎来一个新的发展机遇期。 　　为了积极促进我国蛋白质组学的研究与发展，中国生物化学与分子生物学会蛋白质组学专业委会主办、北京蛋白质组研究中心和德国慕尼黑国际博览集团承办的“2010蛋白质组学与疾病”专题研讨会定于9月16-18日慕尼黑上海分析生化展期间在上海新国际博览中心召开。 　　此次研讨会由北京蛋白质组研究中心技术总监钱小红教授担任会议主席，中国生物化学与分子生物学会蛋白质组学专业委员会主任贺福初院士担任名誉主席。 大会将重点围绕蛋白质组学及其在疾病研究中的应用取得的新进展进行研讨。演讲嘉宾将包括：中南大学湘雅医院院长陈主初教授，复旦大学化学系杨芃原教授，中国协和医科大学赵晓航研究员，北京蛋白质组研究中心魏开华研究员，徐平研究员，姜颖副研究员等。 　　安捷伦科技公司作为大会的金牌赞助商将全程支持此次大会的召开。在同期举办的analytica China 慕尼黑上海分析生化展上，安捷伦科技公司也将向广大用户全面展示包括在蛋白质组学与疾病研究领域的高端仪器在内的各类仪器产品以及“以先进的技术和整体解决方案为用户提供一站式服务”的理念。欢迎届时参观安捷伦科技的展台1202。 　　“2010蛋白质组学与疾病”专题研讨会：http://www.a-c.cn/ac/Conference/Proteomics/ 　　关于安捷伦科技 　　安捷伦科技(NYSE: A)是全球领先的测量公司，是通信、电子、生命科学和化学分析领域的技术领导者，公司的18,000名员工在110多个国家为客户服务。在2008财政年度，安捷伦的业务净收入为58亿美元。要了解安捷伦科技的信息，请访问：http://www.instrument.com.cn/netshow/SH100320/。

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

导读：自今年1月份Illumina让&ldquo 1000美元基因组&rdquo 成为现实，许多生物技术公司及科研机构纷纷购买其测序仪，而今美研究者指出DNA编码的蛋白质是几乎所有生命过程的主要执行者，可实现千元基因组测序的工具，也可以最终帮助人们完成千元蛋白质组测序。 人类生命的蓝图是三十亿碱基对组成的人类基因组。1000美元基因组测序，让人都觉得有些疯狂，然而有研究者认为千元测序蛋白质组也将成为现实。 今年初，全美最大最佳的五所&ldquo 大学城&rdquo 之一拥有近130年历史的Arizona State University（亚利桑纳州立大学）生物 设计学院（ Biodesign Institute）的Stuart Lindsay及其团队同事，在纳米孔DNA测序技术的基础上，让单链肽段穿过纳米孔，纳米孔两边的电极可记录每个氨基酸通过时产生的电信号。他们使用一种机器学习算法，让电脑能够识别代表不同氨基酸的特征信号。这些信号可以作为可靠的指纹，帮助人们鉴别氨基酸的种类，以及氨基酸发生的微妙改变。因此开发了能够精确鉴定氨基酸的蛋白单分子测序技术。 这项研究于四月六日发表在Nature Nanotechnology杂志的网站上。 从基因组到蛋白组 蛋白对于细胞的生长、分化和修复至关重要，它们能够催化化学反应，抵御疾病，具有各种各样的重要功能。自今年1月份Illumina让&ldquo 1000美元基因组&rdquo 成为现实，研究者们将眼光转向了蛋白质组测序的研究。 与线虫等简单生物相比，人类的基因数相对较少，不过科学家们鉴定的人类蛋白已经超过了十万，而且不少人认为这些蛋白只是冰山一角。有限的基因数为何能形成如此大量的蛋白呢？这是因为蛋白能通过多种机制发生改变，选择性剪切和翻译后修饰就是其中两个关键的过程。 在这项研究中，研究人员将一对金属电极分隔在约两纳米的孔洞旁边，当线性穿过这种纳米孔的时候，每一个氨基酸都会完成一个电回路，并发出相应的电信号。而这样的电信号可以帮助人们判断，通过纳米孔的是哪一个氨基酸。 这一技术称为recognition tunneling，原本是Lindsay等人开发的DNA单分子测序技术。&ldquo 大约两年前，我们的一次实验室会议提出，可以尝试将这一技术用于氨基酸测序，&rdquo Lindsay说。与DNA的A、G、C、T相比，用 recognition tunneling鉴定组成蛋白的二十种氨基酸实际上是一个更大的挑战。 蛋白质单分子测序技术具有巨大的应用价值，可以帮助人们检测被选择性剪切或翻译后修饰改变的微量蛋白。而这些蛋白往往是疾病研究所追寻的目标，用其他技术很难检测得到。 PCR能够将样品中微量的DNA快速扩增，但在蛋白研究领域还没有这样的技术，Lindsay强调。在这种情况下，能进行单分子水平上进行检测的recognition tunneling，&ldquo 将给蛋白质组学研究带来一场彻底的变革&rdquo 。 这项研究为人们展示了一个，快速测序单个蛋白分子的低成本方法。据Lindsay介绍，该技术通过大约50种不同的信号特征来鉴定氨基酸，不过绝大多数鉴别只需要不到10个信号特征。 值得注意的是，recognition tunneling不仅能够高度可信的鉴定氨基酸，区分翻译后修饰的蛋白（肌氨酸）及其前体（甘氨酸），还能够鉴别被称为对映体的镜像分子，以及质量相同但序列不同的分子。 千元蛋白组？ Lindsay的研究指出，可实现千元基因组测序的工具，也可以最终帮助人们完成千元蛋白质组测序。事实上，Lindsay认为这一里程碑离我们并不遥远。 目前，这一技术还需要使用复杂的实验室仪器&mdash &mdash 扫描隧道显微镜STM。不过Lindsay和他的同事正在开发一个可以快速鉴定氨基酸和其他分析物的新设备，以便将低成本的蛋白质组测序真正推广到临床。 该技术不仅可以用来在临床上测序蛋白质和检测新生物指标，还有望给医疗领域带来彻底的改变，在单分子水平上精确监控患者对治疗的应答情况。

近日，中国科学院武汉物理与数学研究所研究员唐淳课题组利用基于973重大科学研究计划“蛋白质动态学研究的新技术新方法”建立的研究技术，协助华中农业大学教授殷平课题组首次解析了N6腺嘌呤甲基转移酶METTL3-METTL14蛋白复合体结构，该研究成果发表于《自然》杂志。　　该工作揭示了RNA N6腺嘌呤甲基化修饰过程中的结构基础，是表观遗传学领域的一项重大突破。唐淳、武汉物数所副研究员龚洲和博士后刘主参与该项目，利用课题组发展的新技术新方法，通过结合小角X光散射与计算机模拟的手段，为该蛋白复合体的结构解析提供了研究方法上的帮助。　　经过近3年的努力，唐淳课题组发展、建立了包括核磁共振波谱、小角X光散射、化学交联质谱分析、单分子荧光检测和成像等技术在内的多种生物物理化学手段，并开发相应的整合计算方法，用于蛋白质动态结构及其转换过程的研究。课题组除了完成自身的科研项目外，积极开展广泛的合作与交流，与国内外同行共享研究技术和方法。目前，得益于“蛋白质动态学研究的新技术新方法”项目的实施，课题组已助力多个重要蛋白质结构的解析，取得了一系列的研究成果，研究成果发表于《自然—化学生物学》、eLife 等国际一流杂志。

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

p style=" text-align: center " img src=" http://img1.17img.cn/17img/images/201601/insimg/4a14f65e-cb82-47d8-87d5-ea4b0d204756.jpg" title=" sss_56a5b6877c56c.jpg" / /p p 　　1、蛋白质组和基因组 br/ /p p 　　蛋白质组是指一种基因组所表达的全套蛋白质1，其英文为“proteome”。 有关蛋白质组的系统研究是蛋白质组学，英文为“proteomics”。基因组是生命体中全部基因的集合体，其英文为“genome”。有关基因组的系统研究是基因组学，其英文为“genomics”。 “proteome”和“proteomics”是由Marc Wilkins 及其同事于20世纪90年代初参照基因组和基因组学两个英文单词而创造出来的2。蛋白质组学是研发、利用、改进各种技术手段研究蛋白质组或在细胞某一生理通路中相关蛋白质集合的组成、结构、功能、代谢的一门新兴科学。 /p p 　　基因决定蛋白质的水平，然而，蛋白质的水平分为转录水平和表达水平，mRNA只包含前者，后者则是由mRNA被翻译所实现，而在翻译过程中通常伴随对蛋白质功能和活性起至关重要的修饰过程，如糖基化、泛素化等3。通过研究蛋白质组学，可以获取蛋白定位与修饰的定性信息和相关定量数据，丰富认知蛋白质表达水平和相关蛋白作用，对了解生命复杂活动有更深更全的认识。 /p p 　　2、蛋白质组的发展背景 /p p 　　自二十世纪九十年代以来，传统生物学得以突飞猛进地发展，并取得瞩目成就，其中三个重要点彪炳史册，也促使传统生物学获得质的转变。 /p p 　　第一 基因、表达序列标记(EST, expressed sequence tag)、蛋白质序列数据库的成长。细菌、酵母、线虫、果蝇的全部基因序列逐渐明了，甚至后来人类基因组计划也顺利告捷 其它的植物、动物、微生物也不断在探索。人们把已经掌握的基因分门别类地建立了序列数据库。 /p p 　　第二 生物信息学的发展。易获取的浏览型生物信息工具层出不穷，这种免费的网页式数据库可以让我们从其中获得所需的特殊的物质结构，如蛋白质结构中的结构域和模体等。 /p p 　　第三 寡核苷酸微阵列技术的发展。通过不同荧光标记的DNA样本同时与微阵列反应，形成不同荧光的现象，大幅提高Northern blot 的效率4。 /p p 　　3、蛋白质组学分类 /p p 　　蛋白质组学分类可有不同原则。 /p p 　　根据蛋白质来源可分为植物蛋白质组学、动物蛋白质组学、微生物蛋白质组学。植物蛋白质组学是以来源于植物或与植物相关蛋白质为研究对象，分析其在植物发生、生长、调节、凋谢等生命过程中的作用、功能、代谢、结构等的体系。同理，动物蛋白质组学是以来源于动物或与动物相关蛋白质为研究对象，最重要的一大内容就是研究人类相关蛋白质。微生物蛋白质组学是以来源于微生物或与微生物相关蛋白质为研究对象。 /p p 　　根据研究目的和阶段不同可分为结构蛋白质组学、表达蛋白质组学、功能蛋白质组学。结构蛋白质组学主要分析蛋白质大分子的多级结构形态，包括氨基酸顺序、二级结构、三级结构和四级结构 并着重于研究其共性结构特征和特殊功能基团 也是用于建立细胞内信号转导的网络图谱并解释某些特定蛋白表达对细胞产生特定的作用5。表达蛋白质组学是以经典蛋白质组技术如双向凝胶电泳和图像分析为方法着重于研究细胞内蛋白质表达过程及结果的体系3。功能蛋白质组学是以细胞内单一同种蛋白质功能体现、蛋白质之间、蛋白质与其他大分子之间相互作用关系为研究目的，研究和表述选定蛋白质，探明有关蛋白的修饰和信号转导通路，疾病机制或蛋白-药物作用关系3。 /p p 　　根据研究内容，还可分为组成性蛋白质组学、差异显示蛋白质组学、相互作用蛋白质组学。组成性蛋白质组学是鉴定某个体系的蛋白质并阐述其翻译后修饰的特性。差异显示蛋白质组学又名比较蛋白质组学，是对重要生命过程或人类重大疾病进行生理、病理体系或过程的蛋白质表达比较。相互作用蛋白质组学则是研究蛋白质间相互作用，绘制某体系蛋白质作用网络图谱8。 /p p 　　4、白质组学研究工具 /p p 　　蛋白质组学研究的重要工具主要有四个。 /p p 　　第一，蛋白质、表达序列标记(EST, expressed sequence tag)、基因序列数据库的建立与成熟 也可以说是生物信息学。因为蛋白质组学中所用的大多数技术所获得的数据通常都是高通量、高复杂度的，只有通过生物信息学分析才能对蛋白质的种类、结构和功能进行分析确定。 /p p 　　第二，质谱(MS)技术。其将样品分子离子化，根据离子间质荷比的差异分离并确定质量，实现高灵敏度、高特异性。首先，质谱技术能准确测量高达100kDa的完整大分子蛋白质，其准确度和特异度比SDS-PAGE还要高。其次，质谱技术也能准确测量从蛋白质分解下来的多肽。最后，它还可以测定多肽的氨基酸顺序，即多肽测序4。现有三条途径，一是肽链质量图谱，二是串联质谱途径，三是联合途径7。其中一种较理想的技术平台是表面增强激光解吸离子化飞行时间质谱(SEL-DI)技术，可分析疏水性蛋白质、pI过高或过低蛋白质、低分子量蛋白质(& lt 25 000)和未经处理的样品中许多被掩盖的低浓度蛋白质，短时间内即可获得蛋白质的分子量、PI、特殊修饰位点等参数8。 /p p 　　第三，能将MS数据与数据库中特异的蛋白质顺序匹配的软件。它是快速、特异地将第一和第二工具联系在一起的分析方式。 /p p 　　第四，蛋白分析分离方法。通过蛋白分析分离方法可以简化蛋白复合物，同时产生不同蛋白质差异比较方法。普通的蛋白质分析分离方法包括1D-SDS-PAGE、高效液相色谱法(HPLC)、毛细管电泳(CE)、等点聚焦电泳(IEF)等。其中二维凝胶电泳如2D-SDS-PAGE是目前蛋白质组学中分离单一蛋白质的广泛应用方法。当然，多维分析分离方法是最理想的分离蛋白质和多肽的方法，譬如，离子交换液相色谱与反相高效液相色谱串联形成的分离系统是分离多肽混合物的有力方法4。 /p p 　　5、白质组学的应用 /p p 　　蛋白质组学原则性应用包括四个方面4：组成性应用、蛋白质表达模型、蛋白质网络图谱、蛋白质修饰图谱。组成性应用是指运用质谱及其相关技术将目的蛋白质按相关标准定性或定量地纳入蛋白质数据库，在此过程中研发相应技术的应用。蛋白质表达模型是指研究在生理或病理状态目的蛋白质在细胞内定位并表达情况，同时研究细胞在暴露物理、化学、药物等因素下蛋白质表达状况。蛋白质网络图谱是研究两种或两种以上蛋白质在生物体内组成结构、表达功能、调节控制间作用情况。蛋白质修饰图谱是探明蛋白质的修饰定位及修饰后功能表现。 /p p 　　当然，蛋白质组学在生活中无处不在，疾病、食品、植物、药品等等。 /p p 　　蛋白质组学在疾病中应用方向主要是发现新的疾病标志物，以探明疾病发生机制、发展变化，为治疗途径提供思路。Brea等利用双向电泳串联质谱技术，差异比较心源性脑栓塞患者和粥样硬化血栓性梗死患者各12例的血清蛋白，发现触珠蛋白相关蛋白和淀粉样蛋白A等蛋白质在粥样硬化血栓性梗死患者血清中显著升高9。 /p p 　　蛋白质组学在食品中应用方向主要是检测食品中过敏源检测、鉴定食品成分等，也给食品科学研究提供了新的研究思路和技术3。李明云等优化了相应的试验条件，并将蛋白质组双向电泳相关技术引入大黄鱼肝脏蛋白质分析中，得到了较清晰的大黄鱼肝脏蛋白双向电泳图谱。 /p p 　　蛋白质组学在植物中应用方向主要是植物群体遗传、环境信号应答与适应机制、植物组织器官、植物亚细胞等7。其中，如果研究的植物是农作物如棉花、马铃薯、水稻等，就可以简单地视作蛋白质组学在农业中的运用了。Chang等对玉米强制缺氧和低氧研究，发现低氧处理的效应不仅是氧气含量过低诱导增加糖酵解酶，通过质谱鉴定了46个相关蛋白质10。 /p p 　　蛋白质组学在药品中应用方向主要是药物研发、药物作用机制、耐药机制、药物毒理学等。在对紫杉醇类药物抗癌作用研究中，Bauer等对乳腺癌复发患者进行紫杉醇类药物治疗后进行蛋白质组学分析，发现a-防卫素可作为预测该类药物治疗乳腺癌治疗作用的生物标记物11。 /p p 　　6、展望 /p p 　　蛋白质组学在短短30年间发展迅猛，渗入到生活的许多方面，也对保证人类生存质量和良性繁衍有重大作用。但其思路不开阔，技术高效性、灵敏性、特异性仍有待提高，应用普及度低，蛋白质分离、纯化技术研发，基因组学丰富度低是制约蛋白质组学及其相关技术发展的瓶颈。不过，相信随着物理技术和化学方法的不断发展，研究水平的深入，蛋白质组学会随着基因组学的发展得到更进一步地丰富。 /p p 　　参考文献： /p p 　　1.诗，吕建新主编《分子生物学检验技术》第2版 /p p 　　2.Pandey A, Mann M. Proteomics to study genes and genomics [J] Nature,2000,405(6788):837-846. /p p 　　3.尹稳、伏旭、李平《蛋白质组学的应用研究进展》 [J]. 生物技术通报 2014年第1期 /p p 　　4.aniel C. Liebler《Introduction to Proteomics》:1-13 /p p 　　5.英超，党源，李晓艳，等. 蛋白质组学及其技术发展 [J]. 生物技术通讯，2010,21(1)：139-144. /p p 　　6.鑫《比较蛋白质组学研究与应用进展》[J]. 国际免疫学杂志 2006年5月第29卷第3期:156-159 /p p 　　7.宇，荆玉祥，沈世华《植物蛋白质组学研究进展》 [J] 植物生态学报，2004,28(1)：114-125 /p p 　　8.ore LE，Pfeiffer R，Warner M，et al. Identification of biomarkers of arsenic exposure and metabolism in urine using SELDI technology . Biochem Mol Toxicol ， 2005,19(3)：176. /p p 　　9.rea D,Sobrino T,Blanco M, et al. Usefulness of haptog lob in and serum amyloid A proteins as biomarkers for atherothrombotic ischemic stroke diagnosis confirmation [J]. Atherosclerosis,2009,205:561-567. /p p 　　10.ng,W.W.,L.Huang,M.Shen,C.Webster,A.L.Burlingame& amp J.K.Roberts.2000.Patterns of protein synthesis and tolerance of anoxia in root tips of maize seedlings acclimated to a low oxygen environment,and identification of proteins by mass spectrometry.Plant Physiology,122:295~318. /p p 　　11.er JA,Chakravanhy AB,Rosenbluth JM,et al.Identification of markers of taxane sensitivity using proteomic and genomic analyses of breast tumors from patients receiving neo-adjuvant paclitaxel and radiation[J].Clin Cancer Res,2010,16(2):681-690. /p p br/ /p

01 摘要蛋白质组学目前的研究活动的成长与基因组学早期的发展轨迹相似。基因组学花费了大概十年的时间实现了产业化。尽管蛋白质组学技术起步的时间比基因组学更早，但蛋白质组学相对更大的复杂性导致其与基因组学相比需要更先进的技术。然而，今天，蛋白质组学的重要研究瓶颈正在被不断突破，让科学家们看到了其在研究、转化和临床意义上达到与基因组学相当的水平的前景。因此，随着时间的推移，蛋白质组学在研究和临床中应用的商业机会将与基因组学的可用市场总量（TAM）规模趋于一致，目前全球TAM已经达到500亿美元。并且我们有理由相信，由于蛋白质组学动态、变化的性质将使得其超过基因组学而转化为更加具有经常性、重复性的临床应用。质谱是最能促进蛋白质组学工业化的技术，但其工作流程的标准化，尤其是样品制备阶段的标准化，仍然存在着挑战。对于长期投资商来说，应该对在这个生态圈中拥有于众不同知识产权的供应商给与更大的关注。尽管以基于高元多工分析方法为代表的新兴检测方法与质谱方法相比仅处于早期发展阶段，但也具有巨大的潜力。02 背景与投资情况论述生命的基本构成部分是核酸和氨基酸。核酸是基因的基本构成成分。氨基酸是蛋白质的基本构成成分。事实上，我们体内每个细胞的成分都可以归类于蛋白质、基因、脂质或碳水化合物这四类大分子化合物。脂质和碳水化合物组成简单不易出错。因此，最重要的是对基因和蛋白质进行深入了解。我们对人类生物学的理解，从细胞功能到疾病的因果关系，再到药物治疗，都是我们对基因组学和蛋白质组学知识的衍生品。在20世纪，先进显微镜和生物化学技术的发明导致我们对基于结构的蛋白质和基因的理解有了很大的进步。在21世纪，基因组学经历了一场革命，使其从一个刚刚起步的研究领域经历了工业化的过程，成为了临床生物学重要方面。这不仅使得人类对生物学有了更深更新的了解，也提供了包括液体活检诊断，CAR-T细胞治疗，甚至是mRNA疫苗的一系列新的临床治疗及诊断方法。蛋白质组学在21世纪也取得了重要进展。这不仅是由于质谱和X射线晶体学等成像方面新技术的出现，也是由于免疫检定试剂方面的生物化学方法创新，使得我们可以分离特定的蛋白进行进一步的研究。与基因组学相比，蛋白质组学还未取得飞跃。这并不是由于它相对于基因学的有较小的前景和应用场景，这只与它的方法的复杂性有关。我们认为，下一个十年蛋白质组学将进入快车道，使生物学研究、医学治疗和诊断方面进入一个以蛋白质为中心的新时代。蛋白质组学的挑战。超过95%的获得FDA批准的药物都是以蛋白质为目标，但蛋白质组中的多数组分却尚未被人们所了解。我们相信，十年后，西方国家的蛋白质组学公司所创造的股权价值将与今天基于基因组学的公司所创造的约2500亿美元的市值相当或更多。创新的速度正在加快：在1869年由弗里德里希-米歇尔（Friedrich Miescher）发现核酸之后近85年才由沃森和克里克于1953年发现了DNA双螺旋。从沃森和克里克的发现到2001年第一个人类基因组序列的发表花费了近50年时间。从2001年人类基因组的第一份草图到2021年7月公布的第一份完整序列花费了20年时间。总而言之，从核酸发现到确定完整的人类基因组花费了近155年的时间。在接下来的155年里，创新的速度将呈指数型增长，而蛋白质组学将是其中最大的受益者。03 蛋白质组学的今天：挑战与机遇什么是蛋白质组学？它为什么重要？图一：蛋白质组学受益于多种技术跨越式进步蛋白质组学作为一个术语首次出现在1996年，它被定义为对一个细胞系的整个蛋白质图谱进行大规模表征。蛋白质组学的要点是完整性和深度：通过检测和解读该细胞中的所有蛋白质的作用以及相互作用来彻底了解细胞功能，而不是应用传统的通过抗体分离已知蛋白质的方法单独检测每个蛋白质。基于抗体的蛋白质检测将继续在后续的工作中得到应用，但蛋白质组学是针对所有蛋白质，它们的相互作用，及其多种形态的大规模、高通量、高灵敏度的分析。因为蛋白质修饰和相互作用出错是发生疾病的通常原因，蛋白质组学研究对理解造成疾病发生的原因非常重要，Source: Graves PR, Haystead TA., Molecular biologist’s Guide to Proteomics(2002)04 蛋白质组学和基因组学之间的关系是什么？当马克-威尔金斯（Mark Wilkins）在1996年首次使用蛋白质组学一词时，他明确表示他指的是“基因组的补充”。基因是细胞的说明书。通过RNA的表达，他们指示细胞要构建哪些蛋白质。蛋白质细胞构建之后，它们通过与其他蛋白质和环境的相互作用而被翻译和修饰。因此，1) 基因组学的大部分功能效用通过蛋白质组体现；2) 下游事件-包括蛋白质间的相互作用，新的蛋白质形态和动态修饰的产生，及其对细胞分裂的影响-是蛋白质组学而不是基因组学的主题。Source: Virag D, Dalmadi K B. Current Trends in the Analysis of Post-translational Modifications (2020)因此，基因组学和蛋白质组学是相互关联的，而不是分开的，但蛋白质组学在功能上更为重要及复杂。有25000个独立的基因，但有超过100万种蛋白形式。虽然一个人的基因组不会改变，但一个人的蛋白质组是动态的。身体里的变化是通过蛋白质的修饰来表达的。你出生时的基因组和今天一样。但你的蛋白质组每天都在变化。05 为什么蛋白质组学研究如此困难？1. 分子的复杂性和多样性Source: Creative-Proteomics.com蛋白质分子本身的分子结构更为复杂。DNA是由4种核苷酸组成的，而蛋白质是由20种不同的氨基酸组成的。翻译后修饰，如甲基化和羟基化，改变了蛋白质的形态和功能。每个蛋白质可以有9种不同的蛋白形式。取决于翻译后修饰和蛋白质间的相互作用。这意味着同一个蛋白质可以有9种不同的功能。DNA的分子结构相对简单，有4种核苷酸变体，这意味着基因测序方法（如合成测序）不能应用于蛋白质组。需要新的、更复杂的、定制的方法来捕获生物样本中数百万种不同的蛋白质形态。2. 动态范围问题Source: Montanaro Research Aebersold R., Targeted Proteomic Strategy for Clinical Biomarker Discovery (2009)Y轴表示血浆样品中特定蛋白质分子的浓度和丰度。虽然有些蛋白质的含量极高，但大多数蛋白质类型的浓度很小，甚至可以忽略不计。红圈中的蛋白质存在于蛋白质组的“黑暗角落”，在这种极低的丰度下，这些蛋白质非常难以测得。大多数蛋白质的丰度极低。在血浆细胞中发现的约12,000个独立的蛋白质中，前10个占总蛋白量的90%，而其他约11,990个仅占10%。3. 少数的暴政如下饼图显示了血浆样品中蛋白质的相对丰度。单一的一种蛋白质，即血浆白蛋白，占了57%的总丰度，使读取其余的1万种蛋白质更加困难。Source: Anderson NG., Molecular Cell Proteomics (2002)06 蛋白质组学市场机遇有多大？我们相信，蛋白质组学在分子生物学研究以及临床医学和诊断方面有与基因组学一样远大的前景。Source: Montanaro Research自2001年第一个人类基因组的组装以来，基因组学已经成为生物医学的一个工业化部分， 纯基因组学公司的总市值达到2400亿美元。Illumina是其中最大的公司。蛋白质组学TAM（可用市场总量）如今已经达到数百亿美元。Somalogic estimate the total TAM to be $50 bn (Source: Somalogic)虽然临床应用方面的TAM具有最大的长期潜力，但在未来5年内研究和发展方面的TAM是最容易解决的。Source: Souda P., Proteomics: The Next Frontier, SVB Leerink (2021)SVB Leerink的蛋白质组学专家Puneet Souda估计，目前仅美国的研发TAM 有140亿美元，这基于学术界和制药业共约 26,100 个实验室总经费的2.5%的保守估计。如果我们把西方国家的实验室数量看作是约50,000个，并更合理的假设占总经费的5%的资金分配给蛋白质组学研究，我们估计在全球发达经济体中的蛋白质组学研发TAM为500亿美元。

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。

2013年9月7日， 重庆 &ndash 在今天开幕的第八届中国蛋白质组学大会上，GE医疗生命科学部以&ldquo 成功的要素&rdquo (Ingredients for Success)为主题精彩亮相。通过仪器展示、技术培训等多种形式，向参会嘉宾、学者全面展示其完整的蛋白质研究解决方案。 GE医疗此次从&ldquo 探索、 发现、纯化、鉴定、确证&rdquo 五个方面展示了其领先的蛋白质研究解决方案。从组学的解析和修饰的鉴定，到分子及细胞水平的结构与功能的探索，GE医疗都可以提供一系列的世界领先的科研工具，以跨学科的技术与手段，帮助科学家解决蛋白质组学研究中的难题。 GE展台 会议期间，GE医疗展示了AKTA Pure 和AKTA Avant蛋白纯化系统，这两款世界知名的生物大分子纯化系统已经成为基础科研机构和医药企业的必备工具，而其丰富的色谱柱与填料产品，更是为应对分离纯化的各种挑战提供了多样化的选择。就在会议前夕，GE医疗发布了最新的AKTAPure150纯化系统，其系统单泵最高流速可以达到150mL/min，且可以兼容直径范围在70~100mm的工业层析柱。伴随着这款高流速系统的推出，Ä KTApure 系列选择将更丰富，涵盖从实验室级别到小规模工业级别的梯度解决方案，用户可以根据预期的纯化规模选择更为合适贴心的系统。 GE医疗的Biacore与 MicroCal非标记生物物理技术，是全面解析生物分子相互作用的不二选择，此次展示的ITC200从高灵敏的热力学角度解密分子间的相互作用，及其结构和功能，在分子水平上描述相互作用的发生机制，在药物设计、蛋白质和酶工程，以及蛋白质结构等领域有这广泛的应用。此外GE医疗还展出了DeltaVision高分辨活细胞显微镜，DV Elite拥有创新的优秀光学组件，是目前最灵敏的显微镜之一，已成为长时间活细胞成像和研究的利器。 GE医疗员工向参会代表介绍高分辨活细胞成像系统 在大会举办的&ldquo 蛋白质组学新技术培训&rdquo 中，GE医疗生命科学部应用工程师张名昌进行题为&ldquo 如何成功进行荧光Westernblotting实验&rdquo 的技术培训，介绍了运用GE医疗生命科学部的ImageQuant LAS和Typhoon系列成像系统实现荧光WesternBlotting的整体解决方案。同时，还与到场嘉宾一同分享和讨论荧光Western Blotting的实验经验和应用。 更多相关信息，请咨询GE医疗生命科学部热线：800-810-9118 或 400-810-9118。

2012年3月23-25日，第五届蛋白质和多肽大会（五周年庆）在北京国际会议中心隆重召开，本届会议的主题是“强大的蛋白质和多肽”。除主论坛外，大会科技议题还包括：蛋白质科技前沿、蛋白质组学与宏蛋白质组学、人类疾病与蛋白质发现、蛋白药物及其临床意义、非人类蛋白的研发、多肽科学、多肽化学与合成方法、多肽药物发现、对生物活性肽及其应用的探索、肽的新应用、蛋白质工程技术、仪器设备的创新等14大分会和100多个分论坛。赛分科技作为全球知名的生物分离色谱领航者，积极参加了此次会议，并带来了赛分科技的最新科技成果——“抗体分析方法包”。 赛分科技最新解决方案——“抗体分析方法包” 在此次会议中，赛分科技总裁兼首席技术官黄学英博士应邀主持了“蛋白质质量控制/质量评价与分析工具”专场，并发表了“单克隆抗体在分离与鉴定中的全套解决方案”的主题报告。 黄学英博士在报告中 单克隆抗体作为一种重要的治疗蛋白质，越来越受到关注。赛分科技推出的抗体分析方法包为单克隆抗体的分析和鉴定提供了完整的解决方案。其中，Zenix™ 300体积排阻色谱柱可高效分离抗体单体、多聚体、片段、轻链和重链；Antibodix™ 阳离子交换色谱柱用于分离在结构上差异很小的单克隆抗体异构体。Bio-C8反相色谱柱可分离Fab和Fc以及轻重链。 与会观众和专家们对赛分科技的“抗体分析方法包”产生了浓厚的兴趣，积极提问，并纷纷索取相关产品资料。会议交流热烈，气氛友好。 赛分科技展台 赛分科技 赛分科技有限公司（Sepax Technologies, Inc）总部位于美国特拉华州高新技术开发区，致力于开发和生产药物与生物大分子分离和纯化领域的技术和产品。赛分科技是集研发、生产和全球销售为一体的实业型企业。公司主要产品为液相色谱柱及耗材、固相萃取柱（SPE）及耗材、液相色谱填料以及分离纯化仪器设备。在液相色谱领域里，赛分科技已开发出了100多种不同型号的液相色谱材料，涵盖了反相、正相、超临界（SFC）、手性（Chiral）、离子交换、体积排阻、亲和、HILIC等各种类别，为世界范围内液相色谱产品最为完善的企业之一。 赛分科技的创新技术使之生产出具有最高分辨率及最高效的生物分离产品，包括体积排阻、离子交换、抗体分离、和糖类化合物分离色谱填料和色谱柱，可广泛地应用于单克隆抗体、各种蛋白、DNA、RNA、多肽、多糖和疫苗等生物样品的分析、分离和纯化。赛分科技先进的技术和完善的产品线已使赛分成为全球生物分离的领航者。