總裁專訪|蛋白質組學新里程

　　2020年是蛋白質組學發展關鍵的一年，全球新冠疫情突顯了蛋白質組學在應對公共衛生危機中的臨床應用。人類可以從這次新冠疫情中汲取許多經驗，毫無疑問地，這些將在未來幾年內影響蛋白質組學發展。近日，Technology Networks與布魯克·道爾頓生命科學質譜執行副總裁Rohan Thakur博士進行了交流，討論了蛋白質組學的研究現狀以及蛋白質組學在新冠疫情研究中發揮的作用。

　　Q1：請您談談HUPO Connect 2020大會主要有哪些亮點？

　　Rohan Thakur：我認為HUPO Connect 2020大會有兩個特別的亮點：PaSER的推出和實現真正意義上的單細胞分析。

　　首先是PaSER的推出，這是我們IPA并購的第一款基于GPU強大數據處理功能的搜索引擎軟件。PaSER適用于翻譯蛋白質組學，其涉及到很多運算并產生的文件格式較大。當您進行搜庫時，這些生成的大量數據集將遇到很多問題，如假陽率等。PaSER致力于解決減少搜庫時間以至于花費更少的時間用在數據分析上。

　　色譜分析方面，結合timsTOF Pro的穩定性、高掃描速度和覆蓋深度等優勢使其能夠將樣品分析時間由傳統60-90分鐘的運行縮短到11分鐘。例如Roman Fischer博士和Andrew Webb博士的研究就利用timsTOF Pro成功縮短了分析時間。

　　布魯克于2020年5月8日完成了與IPA的資產并購，并在HUPO 2020大會推出了新產品PaSER，實現了“實時數據采集與分析”功能，當數據采集完成時很快即可以獲得蛋白與肽段信息。

　　第二個亮點是Matthias Mann教授發表了關于單細胞蛋白質組學在原型系統上取得了早期數據。從這個系統得到的單細胞的數據實現真正的單細胞蛋白質組學分析，而不是僅僅將多個細胞放在一起并稱之為單細胞分析。這是蛋白質組學中一個突破性成就，Matthias展示的數據非常讓人震撼。

　　Q2：最近發表的研究報告中，您認為哪些研究值得關注？

　　Rohan Thakur：Catherine Wong（黃超蘭）教授在《Nature Communications》上發表的一篇關于COVID-19的研究論文。他們利用timsTOF Pro得到蛋白質組學數據并提出了新冠肺炎兩階段的發病機制。

　　Q3：近年來蛋白質組學在高速分析、高靈敏度方面取得了令人矚目的發展，這一領域的發展是否還面對著新的挑戰？

　　Rohan Thakur：由于許多軟件都是為分析小型數據而編寫的，所以我們現在面臨最根本的挑戰是如何處理成爆發勢態的海量數據。如果需要比較蛋白質組學與基因組學，您需要通過取得基因組學、蛋白質組學、糖組學、代謝組學等一系列數據，比較多組學數據才能提供生物護照或完整個人報告，這也是為什么個性化醫療從五年前開始如此流行的原因。

　　近年來，蛋白組學處理數據速度不同往昔，高速的數據采集與處理允許您首先決定蛋白質組學研究數據是否合理。科學家們可以成功進行全群體的蛋白質組學研究，這些在短短兩三年內取得的進步，實際正在改變人們對數據的看法，我認為這是我們所有人都面臨的挑戰。

　　Q4：考慮到這一點，您將如何在2021年支持客戶開發針對該挑戰的解決方案？

　　Rohan Thakur：MetaboScape是布魯克代謝組學分析的關鍵軟件包，SCiLS是一款出色的成像軟件。在MALDI-2發布后，我們使用SpatialOMx從一個組織樣本中收集蛋白質組學和代謝組學數據。通過綜合這些信息并將其提供給技術人員、病理學家或腫瘤科醫生，他們可以根據治療或疾病進展來查看不同的分子特征，并決定如何進行個性化治療。

　　這就是我們正在進行的工作——連接軟件生態系統，為用戶提供各組學間的無縫體驗，加速或擴寬用戶決策過程并提供更合理的治療方案。但是，目前生成的海量數據只會帶來新的問題，還不能幫助科學家做出具有可行性的決定，這也是布魯克主要想解決的目標。

　　Q5：COVID-19全球疫情如何影響蛋白質組學研究領域？蛋白質組學研究領域對抗擊SARS-CoV-2的努力有何影響？請從布魯克的觀點談談這個問題。

　　Rohan Thakur：我們有兩項主要工作。一個是澳大利亞Jeremy Nicholson教授團隊在研究COVID-19相關代謝和代謝物方面展現了出色的研究成果，為了解新冠后綜合癥鋪平了道路。

圖：澳大利亞國家表型研究中心（ANPC）

　　第二個項目是，Catherine Wong（黃超蘭）教授團隊用timsTOF Pro技術對COVID-19患者與健康志愿者的尿液樣本進行蛋白質組學分析。這項研究利用dia-PASEF等方法可以檢測到更多蛋白質提高了蛋白的覆蓋深度。

　　我認為新冠疫情帶來的積極面在于為組學帶來前所未有的關注度，科學家試圖利用蛋白質組學和代謝組學來了解全世界的疾病，這幾乎接近“登月”式的共同努力，有助于突出“組學”的運用來解決真正影響人類健康的問題。

　　查看最新應用報告：《PASEF enables high-throughput quantitative large-scale plasma proteomics and application to COVID-19》