体液蛋白质组

体液因其可及性及反映邻近器官功能状态的特点，成为生物标志物的主要来源。其中最显著的是血液（血浆或血清），由于其与人体几乎所有器官直接接触，能反映个体的整体健康状况。更局部的体液如脑脊液（CSF）、尿液、唾液和鼻黏液则分别反映脑、肾脏及口腔/呼吸道等邻近器官的功能变化。

随着新一代质谱平台（Astral Zoom）在样本通量、鉴定深度及定量分析能力取得跨时代跃升，生物标志物发现研究取得了更大成功。由此产生的候选生物标志物不仅能够经受独立验证，在某些情况下其检测效能已超越现有最先进临床检测方法。

分析体液成分存在诸多挑战，其中最具难度的是区分由疾病过程引起的变化与自然引起的变化。体液成分因内源性（可能具有病理学意义）过程、环境因素（如饮食与生活方式）以及机体应对机制（例如代谢与解毒作用）而产生差异。体液是高度复杂的生物样本，含有细胞、蛋白质、肽类及多种代谢产物。以血浆样品为例，20种蛋白（高丰度）占总蛋白量的99%，蛋白含量动态范围跨越10个数量级。对样品处理过程提出极高的挑战。

14种高丰度蛋白占比约95%

微纳菲自研的血液低丰度蛋白富集试剂盒采用特殊的纳米磁珠，可以对血液中低丰度蛋白进行富集分离，去除占比95%以上的高丰度蛋白，可以发现常规方法无法检测的低丰度生物标志物，极大拓展血液蛋白质组学的应用价值。

复旦大学丁琛、叶定伟团队发表于Nature Biomedical Engineering题为“Cancer biomarkers discovered using pan-cancer plasma proteomic profiling”的大队列泛癌蛋白质组学研究文章，纳入2251例（包含癌症患者、良性疾病和健康对照）临床样品，进行高通量血浆蛋白质组分析，将泛癌患者分为7个蛋白质组亚型。整合组织与血浆蛋白，筛选出47个核心肿瘤标志物。研究开发的机器学习诊断模型可有效区分多种癌症与健康对照，并发现免疫激活与糖代谢正相关、与脂代谢负相关等新机制。

发现队列：1088例癌症患者（17种以上肿瘤类型）+ 278例良性疾病 + 200例健康对照。

独立验证队列：585例癌症患者 + 100例健康对照（多中心来源）。

组织样本：6种肿瘤的FFPE肿瘤与癌旁组织（用于组织-血浆整合分析）

分析方法：

• 泛癌血浆蛋白质组图谱及分子分型
• 系统特异性蛋白与肿瘤亚型精细标志物
• 组织-血浆整合筛选核心肿瘤标志物
• 手术疗效监测与机器学习诊断模型

全癌样本的血浆蛋白质组学分析