傳統的和最新的
蛋白質組學研究策略
雖然到目前為止,還沒有一種蛋白質組學研究策略能夠對某個蛋白質組進行常規的、完整的分析,但是現在的技術已經非常強大,我們相信,很快就能進行全蛋白質組學研究了。而且,對某個亞蛋白質組(比如某個細胞器或亞細胞結構的蛋白質組)進行研究早就已經不是什么難題了,這已經成為了一種常規的研究手段。不過,蛋白質組學研究方法也需要視研究目的而做出相應的調整,不能千篇一律,比如,有很多研究都是描述性的研究項目,主要的關注點都著眼在發現、鑒定出蛋白質以及這些蛋白質的翻譯后修飾情況,而最近又開始逐漸興起蛋白質組學定量研究了。
實際上,每一個以質譜檢測為基礎的蛋白質組學研究工作都包括以下3大部分:(i)分離、消化蛋白質樣品,然后對樣品進行進一步裂解;(ii)對樣品進行質譜定性和定量檢測;(iii)用相應的軟件對質譜檢測結果進行分析處理,獲得蛋白質的氨基酸序列,并且如果可能的話,進行定量分析。蛋白質的鑒定工作主要由MS-MS質譜儀負責,然后通過將質譜檢測結果與數據庫中的數據進行比對,最后確定出蛋白質的氨基酸序列。需要提醒的是,對結果的統計分析工作是保證結果正確性的關鍵。
下面,我們用最“古老”的蛋白質組學研究方法——2維凝膠電泳法(two-dimensional gel electrophoresis, 2DE)結合質譜分析法對純化蛋白進行質譜分析的策略為例進行介紹(圖2A)。首先,待測目標蛋白經消化、酶解之后經由質譜儀進行鑒定,通常使用的都是MALDI-ToF質譜儀來獲取肽鏈指紋圖譜(peptidemass
fingerprint)。最近,出現了好幾種該策略的改進方法,即將各種連續電泳分離方法(sequential electrophoretic
separation method)或色譜分離方法(chromatographic separation
method)結合進來,以提高質譜檢測時的峰容量,這樣就提高了對復雜樣品的分辨率。定量分析則是在蛋白質水平通過比較不同樣品中目標蛋白的信號強度來完成的。這種策略的優劣取決于它們區分相關(近)蛋白質的能力,即分辨率的高低,比如要能夠區分出經不同類型修飾的蛋白質,還取決于待測樣品的復雜程度。這種研究策略最大的問題是動態范圍太窄,而且處理樣品的能力也不夠高,不具備高通量分析的功能,因此不足以進行蛋白質組學研究。而且,一些比較重要的蛋白質,比如膜蛋白等還不能用該方法進行分析,因為該方法只能用于分析復雜度比較低的樣品,或者用于對某一特定蛋白進行分析的實驗。
對復雜樣品進行質譜檢測時也用到了人類基因組研究項目中用到的“鳥槍法”策略。即首先將蛋白質組樣品進行裂解,這樣獲得的多肽片段才能夠用于自動化MS/MS分析,我們常用的是快速掃描設備如IT質譜儀(圖2B)。用這種方法可以對完整細胞裂解物或組織提取物進行分析,也可以對亞細胞結構、提純的細胞器或其它亞蛋白質組樣品進行檢測。
如果給待測樣品帶上穩定的同位素標記,我們就可以對樣品中不同蛋白質的豐度進行檢測了,這些蛋白質可能在化學性質方面是一樣的,但是我們可以通過不同的同位素信號強度比對它們進行區分(圖3A)。也可以使用如圖3B中所示的串聯標記(tandem mass tag)方法對樣品進行多次質譜分析。還可以在進行質譜分析之前往待測樣品中添加定量的同位素標記肽段,以獲得樣品準確的定量數據(圖3C)。
這種“鳥槍法”最大的優勢就是簡單,不論從理論層面來說還是從實驗操作層面來說都很簡單,該方法相比前面所述的各種方法能夠對蛋白質組分進行更大程度的覆蓋,同時定量的準確性更高。不過該方法也有其局限性,具體表現在動態范圍不夠,難以使用生物信息學方法從大量的、高冗余的、復雜的蛋白質組樣品質譜數據中推斷出蛋白質序列。幸好這些問題已經部分得到了解決,通過裂解的方法可以降低樣品的復雜程度。常用的裂解方法主要針對的都是蛋白質組中生物信息學資料豐富的部分,比如富含半胱氨酸的肽段、磷酸化的肽段、糖基化的肽段等等。這種“鳥槍法”策略最適合用于快速鑒定復雜樣品中的組分,也非常適合用于對不同樣品中同一蛋白質的定量比較研究。在“鳥槍法”策略中,在蛋白質水解過程里,不同肽段間的聯系信息以及肽段與其來源蛋白質間的聯系信息都已經丟失了,因此該方法不太適合用于對具有多重修飾的蛋白質進行鑒定工作。
Protein(s):待測蛋白質樣品;Enz.Digestion:酶解;Pep. Mixture:裂解產物混合物;
MS Analysis:質譜檢測分析;DB Search:數據庫比對搜索;Identities:鑒定;
Prot.DB :蛋白質數據庫;Proteome:蛋白質組;Sample prep:樣品準備(裂解);
LC/MS& MS/MS:LC/MS以及 MS/MS分析;Quantification:定量研究;
Abundances:豐度;List of targets:挑選出待測樣品;Pep.lib:待測靶樣品;
圖2 蛋白質組學研究策略示意圖。
A:經由2維電泳或pull-down實驗發現的待測蛋白質樣品prot隨即被酶解,然后用質譜儀對酶解片段pep進行質譜檢測分析。最后根據肽質指紋圖譜(PMF)鑒定出肽段以及它們的來源蛋白。其它的MS/MS數據也能用來進行肽段鑒定。
B:隨機蛋白質鑒定和定量分析方法,即鳥槍法。該方法可以對樣品同時進行鑒定以及定量研究。被選出的肽段如圖1A中所示,經過串聯質譜儀進行離子掃描分析。在這里,母離子是被隨機選出的,通常母離子的裂解片段中只有一個片段能夠被檢測到,也就是說存在采樣不足的問題。MS1質譜儀采集到的離子強度信息與參考分子信息比對可以進行定量分析,這里使用的參考分子通常都會標記上穩定的同位素標簽。
C:定量研究方法能去除蛋白質定量研究與鑒定過程中的干擾信號。首先,MS1質譜儀會通過比對不同樣品的肽模式,即肽段分子量相對色譜保留時間作圖的結果,挑選出不同樣品間豐度不同的肽段。然后被挑出的肽段進入下一輪MS/MS質譜檢測。
D:基于各種假說的檢測方法。該方法可以對各種預先被設定肽段的豐度進行高精度的檢測,我們通常都是根據以往的實驗結果來挑選這些靶肽段。在這里常用的方法是圖1D中所示的MRM方法。如果在試驗中選用合適的參考肽段會進一步提高實驗的準確性。
圖2C中所示的比較模式分析法其實在原理上與2維電泳方法是相似的,就像在2維電泳中一樣,每一個蛋白質都是一個獨立的點,可以借此對它們進行定量和定性的分析。而且還可以進一步對蛋白質進行分析,比如進行蛋白質測序或進行翻譯后修飾情況鑒定等。不過在以質譜檢測手段為基礎的分析方法中,蛋白質樣品首先需要被降解、片段化,然后再用液相色譜-質譜儀LC/MS進行分析。借助色譜洗脫時間和分子量這兩個參數,我們就可以鑒定出一個多肽離子。將所有離子的數量信息整合起來就得到了蛋白質的定量信息。這種方法主要的優勢在于它可以對質譜儀發現的所有信息進行定量處理。與“鳥槍法”相比這是非常明顯的優勢,因為在“鳥槍法”里,只能對被鑒定出來的肽段進行定量化處理。不過在實際運用過程中,這種比較模式分析方法的重復性很差,也沒有非常好的配套軟件對檢測結果進行分析。用這種方法可以獲得一些數據,根據這些數據能夠推測出蛋白質序列,這些數據包括質荷比(m/z)、帶電荷狀態、洗脫時間以及離子強度等。需要被測序的多肽(比如在兩個樣品中表達豐度不同的同一蛋白質)會出現在檢測結果列表中,然后,我們會將該蛋白(多肽)進行新一輪的直接質譜檢測,專門只采集它的MS/MS質譜圖信息。這種研究方法也可用于MALDI/MS/MS質譜檢測平臺,因為蛋白質樣品都被“固定”在樣品板上,因此可以對它們進行不受時間限制的連續檢測。
隨著各種質譜儀技術的不斷進步,我們有理由相信會出現敏感度更高、處理速度更快、更可靠的蛋白質組研究設備。不過目前我們還不清楚這些技術上的進步是否足以突破當下蛋白質組學研究工作中的瓶頸。以前我們曾認為蛋白質組學研究策略需要進行有效的變革才能全面、有力的對蛋白質組進行研究和分析。這種變革的核心就是改變以往那種在每一次試驗中都對既往結果進行重復研究的蛋白質組學研究方法,新的研究策略是根據既往的研究成果來設計、指導進行新的實驗研究項目。我們預計與人類基因組計劃一樣,將來也會獲得某個物種的完整蛋白質組序列圖譜,未來蛋白質組的研究目標應該是對蛋白質(多肽)進行具有特定目的的、非冗余的分析研究。對于質譜技術和質譜儀器的發展來說,這種研究策略的轉變需要有更好的檢測設備和檢測手段(流程)做依托,要能夠以更快的速度、更高的靈敏度和更強大的分析能力進行質譜檢測。現在也出現了可供序列組裝、修飾情況查詢的數據庫。可以預計,在不久的將來,各種生物學假說將會給我們設定出許多待檢測的蛋白質靶標。我們可以將這些蛋白質的信息錄入數據庫,構成一個檢測這些假說所必需的極小集蛋白質信息簇。然后,可以用各種方法,比如MRM方法對這些蛋白質進行檢測(圖2D)。因為這種研究方法主要是對非冗余靶標進行質譜檢測,所以,在檢測的敏感度方面和樣品處理能力方面都有很大的提高。如果再配合定量的、標準化的同位素標記參考肽段,還可以進行精確的定量分析。
上述這種研究策略最適合用于Q-Q-LIT質譜儀這類被我們使用了幾十年,主要用于檢測小分子藥品和體內藥物代謝研究領域的三重四級桿質譜儀。在研究藥物代謝時使用的研究方法同樣適用于蛋白質組學研究領域。
作為上述方法的一個補充,Smith又開發出另一種使用精確分子量標簽來鑒定蛋白質的方法。該方法首先測定待測物質的分子量,然后將數據與分子量數據庫進行比對,以此來鑒定蛋白質。這樣就無需再對每一個樣品中的每一條多肽進行測序了。隨著蛋白質組學研究的不斷開展,我們積累的數據也越來越多,并且數據積累的速度也越來越快,同時,各種分析軟件的功能也越來越強大,因此我們相信,基于各種假說的蛋白質組學研究策略一定會被更多的人所接受,所采用。
Labeling:標記
Tag:標記物 Peptide:肽段 Mixing:混合 Analysis:分析 MS:質譜檢測 light:較輕的片段
heavy:較重的片段 Time:時間 Tandem mass tag:串聯標簽 MS/MS:MS/MS模式 m/z:質荷比
No labeling!:為標記 MRM:MRM方法 Internal standards(isotopically labeled peptides):內參,即同位素標記的肽段
圖3 肽段定量分析策略示意圖。
A:同位素稀釋法是進行肽段定量分析時最常用的一種方法,該方法也是進行蛋白質組學研究時常用的一個方法。該方法的原理是在一號樣品所有的待測蛋白質上都帶上一個穩定的同位素標簽,同時在二號樣品所有的待測蛋白質上都帶上另一個穩定的同位素標簽。這樣,這兩組樣品就可以互為參照了。可以借助化學的方法,例如穩定的同位素編碼標簽試劑、代謝標記反應和酶標反應等對蛋白質進行同位素標記。
B:使用串聯標簽進行定量研究。該方法同樣需要各種穩定的同位素標記物。這些同位素標記物由兩種同位素標記元素組成,它們都有固定的分子量。目前,這些試劑可用于四通道反應。通過在質譜儀的MS/MS模式下檢測連接在蛋白質N端報告基團的相對強度以及CID圖譜中低分子量范圍里的信號可以獲得待測蛋白質的定量信息。
C:使用內參進行定量研究的方法。該方法實際上也是一種同位素稀釋法。在該方法中會往待測樣品中添加一種已知濃度的同位素標記的肽段,然后借助標準曲線進行精確的定量分析。雖然該方法樣品制備過程較為復雜,但是它的前景非常光明。它非常適合用于基于各種假說的檢測方法。
小結 在過去的十年里,是蛋白質分析,更準確的說應該是蛋白質組學分析推動了質譜檢測技術的發展。各種技術進步已經使質譜儀在準確度、分辨力、敏感度、定量分析能力等各方面都有了長足的進展,蛋白質組質譜檢測策略方面也有了新突破。分析完整蛋白質、蛋白質復合體、低豐度蛋白質等各種樣品的檢測操作流程層出不窮。雖然這些質譜檢測技術是為了滿足蛋白質分析的需求而誕生的,但是它們出現之后又反過來推動了生物大分子(包括代謝產物、脂類物質、碳水化合物等等)領域的研究。因此,我們有理由相信,質譜檢測技術必將在生物研究的各個領域里占有重要的一席之地。
中國政府采購網消息,北京市藥品檢驗研究院(北京市疫苗檢驗中心)2024年藥品、醫療器械、化妝品市級監督抽驗其他維修和保養服務賽默飛世爾質譜維保項目采用單一來源招標方式進行招標,賽默飛世爾以124.1萬......
2024年10月25日-28日,2024年中國環境質譜大會在廣東省江門市鶴山市盛大召開。此次盛會匯聚了眾多環境質譜領域的頂尖專家學者。閉幕式上,廈門大學鄭蘭蓀院士、國家食品安全風險評估中心吳永寧研究員......
2024年10月26日-28日,2024年中國環境質譜大會在廣東省江門市鶴山市隆重召開。大會次日的“質譜環境分析新裝置”分會場上,核工業北京地質研究院郭冬發研究員、南京大學劉震教授、中國科學院大連化學......
2024年10月26日,由中國物理學會質譜分會聯合中國化學會質譜分析專業委員會主辦、五邑大學承辦、國家自然科學基金委環境化學學科支持的2024年中國環境質譜大會在廣東省江門市鶴山市盛大開幕。(相關鏈接......
2024年10月25日-28日,2024年中國環境質譜大會在廣東省江門市鶴山市盛大召開。本次大會由中國物理學會質譜分會聯合中國化學會質譜分析專業委員會主辦、五邑大學承辦,并獲得了國家自然科學基金委環境......
由北京市科學技術研究院分析測試研究所(北京市理化分析測試中心)、創新方法研究會科學工具專業委員會、分析測試百科網(安特百科(北京)技術發展有限公司)聯合主辦的“首屆單細胞多組學分析技術及應用會議”將于......
2024年10月21日至10月23日,第九屆中山檢驗液相色譜-質譜技術臨床應用培訓班在復旦大學附屬中山醫院舉辦。培訓班邀請國內外頂尖臨床和檢驗專家教授分享技術、臨床應用經驗和先進理念,推動臨床質譜技術......
2024年10月21日至10月23日由復旦大學附屬中山醫院檢驗科主辦的“第九屆中山檢驗液相色譜-質譜技術臨床應用培訓班”正式開課。培訓班邀請到國內外頂尖臨床和檢驗專家教授前來進行學術分享,旨在推動質譜......
23日,天瑞儀器發布公告,稱公司因涉嫌信息披露違法違規,目前正在被中國證券監督管理委員會(以下簡稱“中國證監會”)立案調查,若后續經中國證監會行政處罰認定的事實,觸及《深圳證券交易所創業板股票上市規則......
中國海關政府采購網消息,2024年10月9日至16日期間,海關總署物資裝備采購中心陸續發布海關總署2024年科技司儀器設備采購招標公告,共計17個項目,累計預算金額10903.05萬元。經統計,本次海......