过去几周，蛋白组学领域有哪些新发现？｜Proteomics Snapshot 040

View :40
文献目录：

 1   (Cell Discov) 结直肠癌免疫微空间：巨噬细胞-T细胞互作驱动免疫治疗响应

 2   (‌Nature Biomed Eng) 泛癌血浆蛋白质组图谱揭示代谢-免疫交互新机制

 3   (Sci Transl Med) 食管鳞癌蛋白-基因组学解析染色体扩增驱动机制 

 4   (Mol Cell Proteomics) 鸟枪法蛋白质组学实现广谱病毒精准筛查

 5   (iScience) 结构互作组学预测遗传病分子机制 

 6   (iMeta) 宏蛋白质组学技术指南推动微生物组功能解析

一起来看看本期的蛋白质组学精选优质文献吧！

1.（Cell Discovery，IF：38.1）结直肠癌免疫微空间：巨噬细胞-T细胞互作驱动免疫治疗响应

2025年7月1日，浙江大学第一附属医院方维佳、包轩文团队与西湖大学郭天南实验室合作，在Cell Discovery发表了一项关于结直肠癌免疫治疗的研究。
他们利用空间多组学技术，在单细胞分辨率下绘制了接受免疫治疗的转移性结直肠癌患者的“免疫微环境地图”，发现无论肿瘤属于微卫星稳定型（MSS）还是不稳定型（MSI），疗效好的患者体内都有一群特殊的C1QC⁺ 驻留巨噬细胞（RTMs）与CD4⁺ T细胞紧密相邻，距离不足50微米，形成活跃的“抗癌微环境”。这些巨噬细胞通过高表达MHC-II分子，像“指挥官”一样向CD4⁺ T细胞呈递肿瘤抗原，激活免疫反应；而在疗效差的患者中，癌症相关成纤维细胞（CAFs）却像“屏障”一样横亘其间，阻断了巨噬细胞与T细胞的交流。
这一发现不仅揭示了空间微环境决定免疫治疗响应的关键机制，也为克服结直肠癌免疫治疗耐药性提供了新的干预靶点。

2.（Nature Biomed Eng，IF：27.7）泛癌血浆蛋白质组图谱揭示代谢-免疫交互新机制

2025年7月2日，Nature Biomedical Engineering刊登了由复旦大学丁琛、贾友超、杨文军团队牵头的泛癌血浆蛋白质组研究。团队共采集并分析了来自11种实体瘤、总计1,982例患者及1,043名健康对照的外周血样本，利用DIA-MS质谱技术定量到1,463种核心蛋白，构建出覆盖肺癌、结直肠癌、胃癌等高发癌种的“血液蛋白指纹图谱”。
通过对其中1,127种差异蛋白的多重机器学习建模，筛选出由14种蛋白组成的“Pan-Cancer-Signature”，在独立验证队列（n=1,105）中实现平均AUC 0.94的早期诊断效能，对Ⅰ期肿瘤的检出率仍达87%，显著优于传统CEA/CA19-9组合（AUC 0.72）。纵向随访数据显示，该组蛋白水平在术后3天内即显著下降，而复发患者血浆中相关蛋白浓度较影像进展提前4.2个月出现上升，提示其可实时反映微小残留病灶。
此外，研究通过CRISPR-Cas9功能筛选进一步证实，标志物之一LGALS3BP的高表达与肿瘤转移潜能呈正相关（P=2.3×10⁻⁶），为后续联合靶向干预提供了线索。

3.（Sci Transl Med，IF：17.1）食管鳞癌蛋白-基因组学解析染色体扩增驱动机制

2025年6月11日，复旦大学生物医学研究院丁琛团队、军事医学研究院秦钧团队与河北大学贾友超、杨文军团队联合在Science Translational Medicine发表研究，通过对293例食管鳞癌（ESCC）样本进行全外显子、转录组、蛋白质组和磷酸化蛋白质组四维整合分析，首次揭示染色体扩增通过“脂滴生成”加速肿瘤进展的核心机制。
数据显示，12q13.13扩增通过上调JAK-STAT通路及角蛋白表达，使中高分化患者预后显著恶化；8q扩增则通过将非经典WNT信号切换为经典通路，导致淋巴结转移率升高（P＜0.001）。最具侵袭性的2p扩增亚型中，脂滴包被蛋白perilipin-2与载脂蛋白E的协同高表达使肿瘤细胞脂质滴大量积聚，诱导促肿瘤细胞因子分泌，进而招募T细胞却又令其功能耗竭，最终促进间质化与免疫逃逸。功能实验证实，敲低PLIN2后脂滴减少48%，肿瘤迁移能力下降62%（P＜0.01），为ESCC提供了新的分子分型依据和靶向干预方向。

4.（Mol Cell Proteomics，IF：6.1）鸟枪法蛋白质组学实现广谱病毒精准筛查

2025年5月29日，荷兰应用科学研究院(TNO)的Armand Paauw团队在Molecular & Cellular Proteomics发表研究，推出名为P4PP（Proteome for Pandemic Preparedness）的通用鸟枪蛋白质组学病毒识别工作流程。团队整合来自6家实验室、9套UHPLC-Orbitrap质谱平台、174份细胞培养样本的数据，构建了覆盖32个病毒科、1896种人类致病病毒株的P4PPv01数据库，并开发了可一键运行的在线分析平台。
验证结果显示，在160份已知感染样本中，146份准确鉴定到种、4份鉴定到科，总体灵敏度达93.8%；14份阴性对照中除1例因携带效应出现假阳性外，其余均为阴性。对甲型H1N1、H3N2、H5N1以及SARS-CoV-2 Alpha、Beta、Gamma、Delta等毒株的亚型识别全部正确；当SARS-CoV-2载量≥10⁷ gc/mL时，可稳定检出≥14条种特异肽段。
该无偏倚、免引物、免抗体的“液相-质谱-云端”方案可在任何实验室快速部署，为应对未知、突变或重现的病毒威胁提供了全球可复制的技术平台。

5.（iScience，IF：4.6）结构互作组学预测遗传病分子机制

2025年7月18日，瑞士洛桑联邦理工学院（EPFL）和瑞士生物信息学研究所的Ali Saadat与Jacques Fellay在iScience杂志发表研究，提出一种基于结构互作组学的蛋白质组范围预测方法，用于揭示遗传病的遗传模式和分子机制。研究团队整合蛋白质-蛋白质相互作用网络和高分辨率蛋白质结构，通过图神经网络（GNNs）和图的图（graph-of-graphs）方法，对所有常染色体基因编码的蛋白质的遗传模式进行预测，并对显性相关蛋白的功能效应进行分类。团队收集了4737个标记了遗传模式（MOI）的蛋白质数据，其中53%为常染色体隐性（AR），30%为常染色体显性（AD），17%为AD和AR兼有。此外，他们还收集了1276个具有注释功能效应的蛋白质数据，其中20%为显性负效应（DN），29%为单倍剂量不足（HI），20%为功能获得（GOF），其余蛋白质具有多种效应组合。通过构建包含17248个节点和375494条边的全面蛋白质相互作用网络，并利用AlphaFold数据库中的预测蛋白质结构，团队构建了基于氨基酸残基的图，用于表征蛋白质。
在模型开发方面，团队将MOI预测设计为蛋白质相互作用网络中的节点分类任务，将功能效应预测设计为图分类任务。他们评估了多种图神经网络架构，包括图卷积网络（GCN）、图注意力网络（GAT）和图同构网络（GIN）。在数据分割上，他们使用MMseqs2以20%序列相似性和20%比对覆盖率为阈值对人类蛋白序列进行聚类，以减少信息泄露风险并促进模型泛化能力。在超参数调整和模型训练中，他们评估了25种配置，通过改变隐藏层大小和学习率来选择最佳超参数，并使用二元交叉熵损失进行训练，最多可达100个周期，并基于验证损失应用早停机制以防止过拟合。在模型性能评估中，GAT模型在MOI预测上取得了最高的F1分数0.750，而GCN模型在功能效应预测上取得了最高的F1分数0.627。这些模型不仅优于传统的线性判别分析（LDA），还通过特征归因分析揭示了生物学见解。例如，在AD预测中，最重要的预测因子是与约束和保守性相关的特征，如UNEECON（统一推断变异效应和基因约束），其衡量进化压力。在AR预测中，最重要的特征是pLI（功能丧失不耐受概率），它估计敲除一个基因副本导致表型的可能性。对于功能效应预测，DN蛋白最重要的特征是基于DRNApred的RNA结合分数，HI蛋白最重要的特征是拓扑结构域，而GOF蛋白最重要的特征是螺旋结构。
在蛋白质组范围的推断中，团队对所有常染色体蛋白进行了MOI预测，其中54%被预测为AR，38%为AD，7%为ADAR（常染色体显性和常染色体隐性）。他们还对所有预测为AD或ADAR的蛋白质进行了功能效应预测，其中28%被分类为仅DN，15%为仅HI，6%为仅GOF，其余蛋白质具有多种效应组合。通过通路富集分析，他们发现AD蛋白在基因调控通路中显著富集，而AR蛋白在线粒体通路中显著富集。此外，DN蛋白在丝状组织通路中富集，HI蛋白在转录调控通路中富集，GOF蛋白在离子跨膜运输通路中富集。这项研究提供了一个可扩展的方法来理解遗传病机制，为预测遗传病的遗传模式和分子机制提供了新的框架。所有预测结果均已公开，以便其他研究人员进一步探索和验证。

6.（iMeta，IF：23.8）宏蛋白质组学技术指南推动微生物组功能解析

这篇由Metaproteomics Initiative集体撰写的综述The Microbiologist's Guide to Metaproteomics于2025年4月发表在iMeta期刊上，核心作者团队中包括来自中国国家蛋白质科学中心（北京）的李乐园（Leyuan Li），与Tim Van Den Bossche、Jean Armengaud等24位国际专家共同完成。文章指出，宏蛋白质组学（metaproteomics）通过直接检测微生物群落中实际表达的蛋白质，能揭示传统宏基因组学无法捕捉的实时功能动态——例如李乐园团队参与的研究发现，海洋微生物在锌限制条件下氨氧化效率下降20%，奶牛瘤胃微生物通过功能冗余使饲料转化效率差异达15%，以及炎症性肠病患者中粪便钙卫蛋白无法检出的新型炎症标志物。
该综述系统整合了实验设计、样本预处理、质谱技术、数据库构建和统计分析的完整流程，特别强调李乐园等开发的自动化96孔板体系（RapidAIM 2.0平台）可将通量提升10倍，并首次证实数据非依赖采集（DIA）在宏蛋白质组学中的重现性优于传统DDA模式（识别率提高34%，变异系数降低至5%）。
这些技术突破使研究者能在单一样本中同时追踪宿主、膳食和微生物的蛋白质互作，为环境监控、精准营养和疾病诊断提供了跨越物种界限的功能解码工具。

免责声明：本篇文章由人工智能（ChatGPT 4o）撰写，内容基于相关文献、研究成果和现有科技进展的综合分析。虽然我们力求确保文章信息的准确性和可靠性，但由于AI生成内容的局限性，本文的观点和见解仅供参考。读者在应用或引用本文内容时，请自行核实相关信息和数据的有效性。我们不对任何因使用本文内容所导致的直接或间接损失承担责任。

文献目录：

 1   (Cell Discov) 结直肠癌免疫微空间：巨噬细胞-T细胞互作驱动免疫治疗响应

 2   (‌Nature Biomed Eng) 泛癌血浆蛋白质组图谱揭示代谢-免疫交互新机制

 3   (Sci Transl Med) 食管鳞癌蛋白-基因组学解析染色体扩增驱动机制 

 4   (Mol Cell Proteomics) 鸟枪法蛋白质组学实现广谱病毒精准筛查

 5   (iScience) 结构互作组学预测遗传病分子机制 

 6   (iMeta) 宏蛋白质组学技术指南推动微生物组功能解析

一起来看看本期的蛋白质组学精选优质文献吧！

1.（Cell Discovery，IF：38.1）结直肠癌免疫微空间：巨噬细胞-T细胞互作驱动免疫治疗响应

2025年7月1日，浙江大学第一附属医院方维佳、包轩文团队与西湖大学郭天南实验室合作，在Cell Discovery发表了一项关于结直肠癌免疫治疗的研究。
他们利用空间多组学技术，在单细胞分辨率下绘制了接受免疫治疗的转移性结直肠癌患者的“免疫微环境地图”，发现无论肿瘤属于微卫星稳定型（MSS）还是不稳定型（MSI），疗效好的患者体内都有一群特殊的C1QC⁺ 驻留巨噬细胞（RTMs）与CD4⁺ T细胞紧密相邻，距离不足50微米，形成活跃的“抗癌微环境”。这些巨噬细胞通过高表达MHC-II分子，像“指挥官”一样向CD4⁺ T细胞呈递肿瘤抗原，激活免疫反应；而在疗效差的患者中，癌症相关成纤维细胞（CAFs）却像“屏障”一样横亘其间，阻断了巨噬细胞与T细胞的交流。
这一发现不仅揭示了空间微环境决定免疫治疗响应的关键机制，也为克服结直肠癌免疫治疗耐药性提供了新的干预靶点。

2.（Nature Biomed Eng，IF：27.7）泛癌血浆蛋白质组图谱揭示代谢-免疫交互新机制

2025年7月2日，Nature Biomedical Engineering刊登了由复旦大学丁琛、贾友超、杨文军团队牵头的泛癌血浆蛋白质组研究。团队共采集并分析了来自11种实体瘤、总计1,982例患者及1,043名健康对照的外周血样本，利用DIA-MS质谱技术定量到1,463种核心蛋白，构建出覆盖肺癌、结直肠癌、胃癌等高发癌种的“血液蛋白指纹图谱”。
通过对其中1,127种差异蛋白的多重机器学习建模，筛选出由14种蛋白组成的“Pan-Cancer-Signature”，在独立验证队列（n=1,105）中实现平均AUC 0.94的早期诊断效能，对Ⅰ期肿瘤的检出率仍达87%，显著优于传统CEA/CA19-9组合（AUC 0.72）。纵向随访数据显示，该组蛋白水平在术后3天内即显著下降，而复发患者血浆中相关蛋白浓度较影像进展提前4.2个月出现上升，提示其可实时反映微小残留病灶。
此外，研究通过CRISPR-Cas9功能筛选进一步证实，标志物之一LGALS3BP的高表达与肿瘤转移潜能呈正相关（P=2.3×10⁻⁶），为后续联合靶向干预提供了线索。

3.（Sci Transl Med，IF：17.1）食管鳞癌蛋白-基因组学解析染色体扩增驱动机制

2025年6月11日，复旦大学生物医学研究院丁琛团队、军事医学研究院秦钧团队与河北大学贾友超、杨文军团队联合在Science Translational Medicine发表研究，通过对293例食管鳞癌（ESCC）样本进行全外显子、转录组、蛋白质组和磷酸化蛋白质组四维整合分析，首次揭示染色体扩增通过“脂滴生成”加速肿瘤进展的核心机制。
数据显示，12q13.13扩增通过上调JAK-STAT通路及角蛋白表达，使中高分化患者预后显著恶化；8q扩增则通过将非经典WNT信号切换为经典通路，导致淋巴结转移率升高（P＜0.001）。最具侵袭性的2p扩增亚型中，脂滴包被蛋白perilipin-2与载脂蛋白E的协同高表达使肿瘤细胞脂质滴大量积聚，诱导促肿瘤细胞因子分泌，进而招募T细胞却又令其功能耗竭，最终促进间质化与免疫逃逸。功能实验证实，敲低PLIN2后脂滴减少48%，肿瘤迁移能力下降62%（P＜0.01），为ESCC提供了新的分子分型依据和靶向干预方向。

4.（Mol Cell Proteomics，IF：6.1）鸟枪法蛋白质组学实现广谱病毒精准筛查

2025年5月29日，荷兰应用科学研究院(TNO)的Armand Paauw团队在Molecular & Cellular Proteomics发表研究，推出名为P4PP（Proteome for Pandemic Preparedness）的通用鸟枪蛋白质组学病毒识别工作流程。团队整合来自6家实验室、9套UHPLC-Orbitrap质谱平台、174份细胞培养样本的数据，构建了覆盖32个病毒科、1896种人类致病病毒株的P4PPv01数据库，并开发了可一键运行的在线分析平台。
验证结果显示，在160份已知感染样本中，146份准确鉴定到种、4份鉴定到科，总体灵敏度达93.8%；14份阴性对照中除1例因携带效应出现假阳性外，其余均为阴性。对甲型H1N1、H3N2、H5N1以及SARS-CoV-2 Alpha、Beta、Gamma、Delta等毒株的亚型识别全部正确；当SARS-CoV-2载量≥10⁷ gc/mL时，可稳定检出≥14条种特异肽段。
该无偏倚、免引物、免抗体的“液相-质谱-云端”方案可在任何实验室快速部署，为应对未知、突变或重现的病毒威胁提供了全球可复制的技术平台。

5.（iScience，IF：4.6）结构互作组学预测遗传病分子机制

2025年7月18日，瑞士洛桑联邦理工学院（EPFL）和瑞士生物信息学研究所的Ali Saadat与Jacques Fellay在iScience杂志发表研究，提出一种基于结构互作组学的蛋白质组范围预测方法，用于揭示遗传病的遗传模式和分子机制。研究团队整合蛋白质-蛋白质相互作用网络和高分辨率蛋白质结构，通过图神经网络（GNNs）和图的图（graph-of-graphs）方法，对所有常染色体基因编码的蛋白质的遗传模式进行预测，并对显性相关蛋白的功能效应进行分类。团队收集了4737个标记了遗传模式（MOI）的蛋白质数据，其中53%为常染色体隐性（AR），30%为常染色体显性（AD），17%为AD和AR兼有。此外，他们还收集了1276个具有注释功能效应的蛋白质数据，其中20%为显性负效应（DN），29%为单倍剂量不足（HI），20%为功能获得（GOF），其余蛋白质具有多种效应组合。通过构建包含17248个节点和375494条边的全面蛋白质相互作用网络，并利用AlphaFold数据库中的预测蛋白质结构，团队构建了基于氨基酸残基的图，用于表征蛋白质。
在模型开发方面，团队将MOI预测设计为蛋白质相互作用网络中的节点分类任务，将功能效应预测设计为图分类任务。他们评估了多种图神经网络架构，包括图卷积网络（GCN）、图注意力网络（GAT）和图同构网络（GIN）。在数据分割上，他们使用MMseqs2以20%序列相似性和20%比对覆盖率为阈值对人类蛋白序列进行聚类，以减少信息泄露风险并促进模型泛化能力。在超参数调整和模型训练中，他们评估了25种配置，通过改变隐藏层大小和学习率来选择最佳超参数，并使用二元交叉熵损失进行训练，最多可达100个周期，并基于验证损失应用早停机制以防止过拟合。在模型性能评估中，GAT模型在MOI预测上取得了最高的F1分数0.750，而GCN模型在功能效应预测上取得了最高的F1分数0.627。这些模型不仅优于传统的线性判别分析（LDA），还通过特征归因分析揭示了生物学见解。例如，在AD预测中，最重要的预测因子是与约束和保守性相关的特征，如UNEECON（统一推断变异效应和基因约束），其衡量进化压力。在AR预测中，最重要的特征是pLI（功能丧失不耐受概率），它估计敲除一个基因副本导致表型的可能性。对于功能效应预测，DN蛋白最重要的特征是基于DRNApred的RNA结合分数，HI蛋白最重要的特征是拓扑结构域，而GOF蛋白最重要的特征是螺旋结构。
在蛋白质组范围的推断中，团队对所有常染色体蛋白进行了MOI预测，其中54%被预测为AR，38%为AD，7%为ADAR（常染色体显性和常染色体隐性）。他们还对所有预测为AD或ADAR的蛋白质进行了功能效应预测，其中28%被分类为仅DN，15%为仅HI，6%为仅GOF，其余蛋白质具有多种效应组合。通过通路富集分析，他们发现AD蛋白在基因调控通路中显著富集，而AR蛋白在线粒体通路中显著富集。此外，DN蛋白在丝状组织通路中富集，HI蛋白在转录调控通路中富集，GOF蛋白在离子跨膜运输通路中富集。这项研究提供了一个可扩展的方法来理解遗传病机制，为预测遗传病的遗传模式和分子机制提供了新的框架。所有预测结果均已公开，以便其他研究人员进一步探索和验证。

6.（iMeta，IF：23.8）宏蛋白质组学技术指南推动微生物组功能解析

这篇由Metaproteomics Initiative集体撰写的综述The Microbiologist's Guide to Metaproteomics于2025年4月发表在iMeta期刊上，核心作者团队中包括来自中国国家蛋白质科学中心（北京）的李乐园（Leyuan Li），与Tim Van Den Bossche、Jean Armengaud等24位国际专家共同完成。文章指出，宏蛋白质组学（metaproteomics）通过直接检测微生物群落中实际表达的蛋白质，能揭示传统宏基因组学无法捕捉的实时功能动态——例如李乐园团队参与的研究发现，海洋微生物在锌限制条件下氨氧化效率下降20%，奶牛瘤胃微生物通过功能冗余使饲料转化效率差异达15%，以及炎症性肠病患者中粪便钙卫蛋白无法检出的新型炎症标志物。
该综述系统整合了实验设计、样本预处理、质谱技术、数据库构建和统计分析的完整流程，特别强调李乐园等开发的自动化96孔板体系（RapidAIM 2.0平台）可将通量提升10倍，并首次证实数据非依赖采集（DIA）在宏蛋白质组学中的重现性优于传统DDA模式（识别率提高34%，变异系数降低至5%）。
这些技术突破使研究者能在单一样本中同时追踪宿主、膳食和微生物的蛋白质互作，为环境监控、精准营养和疾病诊断提供了跨越物种界限的功能解码工具。

免责声明：本篇文章由人工智能（ChatGPT 4o）撰写，内容基于相关文献、研究成果和现有科技进展的综合分析。虽然我们力求确保文章信息的准确性和可靠性，但由于AI生成内容的局限性，本文的观点和见解仅供参考。读者在应用或引用本文内容时，请自行核实相关信息和数据的有效性。我们不对任何因使用本文内容所导致的直接或间接损失承担责任。

问询（英文）

公众号