"稳中带皮"跨实验室比较展示基于DIA的质谱工作流程稳定性及潜力

精准医学（precision medicine ）的发展得益于基因组学（genomics）的不断发展，随着癌症登月计划（Cancer Moonshot Initiative）的提出，越来越多的精准医学项目开始进行。然而仅仅依靠基因组学的数据，无法为临床决策（clinical decision）提供足够的支持，其他数据例如蛋白质组学（proteomics) 数据、健康科学（healthcare）数据等依然需要被纳入到精准医学的数据处理之中。

符合精准医学研究需求的蛋白质组学数据需要提供尽可能多的蛋白质或蛋白质变体（proteoforms）的信息（包括在时间和空间上的变化），并且要满足高通量的实验需求。因此能否高通量并且稳定的提供蛋白质组学数据，就成为评价蛋白质组学实验体系的金标准。

在2020年10月16日的Nature Communication上，来自Thermo Fisher的轩玥博士发表了基于全球11个实验室的实验数据，展示了基于数据非依赖型采集方法（Data-Independent Acquisition, DIA）的完整工作流程及其测试结果(1)。

在该论文中，来自不同地区的实验室都基于相同的DIA流程进行了不间断高通量（24×7）实验，以考察该仪器平台和工作流程的稳定性。标准品（来源于不同物种的蛋白质以特定的比例混合）的引入为实验质控提供了依据；标准化的数据分析流程则为后期分布式数据分析提供了良好的基础。作为核心的液相色谱-质谱平台，则选用了成为行业金标准的QE HF-X（图1）。

图1 | 完整的HRMS1-DIA工作流程

为了展示工作流程的稳定性和重现性，实验选了2个样品（Sample A和 Sample B）在全球11个实验室进行了相同的7×24h的数据采集，共生成了240个DIA数据。后续数据分析鉴定出7600个蛋白质，其中6500个蛋白质可以被稳定的定量（11个实验室均可以定量）；针对单个实验室，其中5784个蛋白质可以被每个实验室定量，证明了整套实验流程的在定性和定量结果上稳定性和重现性（图2）。

图2 | 跨实验室定性/定量结果比较

精准医学的研究需要准确的定量数据，为了进一步展示该工作流程在定量结果上的可靠性，作者对不同实验室对标准品的定量结果进行了比较（图2），以真实值/理论值的偏差和定量重现性对结果进行了展示，显示出该工作流程在定量结果上的优异性能。

图3 | 不同实验室对标准品定量的结果比较

除了日常高通量检测外，精准医学的研究还涉及到生物标志物的发现工作。为了展示该工作流程在更为复杂的临床样品中的作用，作者联合其中3个实验室，将该工作流程运用到卵巢癌组织中，并进行了进一步的差异化分析，展示了该工作流程在研发流程上的应用。

图4 | 卵巢癌组织实验结果

DIA技术的诞生就源自于科研工作者们对定量稳定性的追求，随着色谱、质谱硬件技术的不断发展，数据的获取变得越来越容易，进而带来的结果就是数据的容量也越来越大，精准医学也进入了大数据时代，对数据分析的要求也越来越高，作者在本文中，也采取了云平台对数据进行分析，为今后精准医学大数据的处理，提供了思路。

1.对于精准医学研究来说，理想的实验平台是既能稳定而高通量的产生实验数据，又能为科研提供新的思路。本文通过跨实验室比较，展示了基于QE HF-X质谱平台的DIA工作流程，为精准医学研究，提供了参考方案。

2.鹿明生物在2019年就引进了的文中提到质谱平台（QE HF-X）详情请戳上新啦！分享一次说来就来的蛋白组、代谢组新仪器装机，经过近2年的努力，已成功帮助多位客户完成了实验检测。

3.同时，鹿明生物已经引入了刚刚荣获HUPO技术突破大奖的布鲁克公司的timsTOF Pro质谱，详情请戳鹿明生物再添高端质谱仪：tims TOF Pro—基于捕获离子淌度的4D蛋白质组学，为精准医学研究的客户提供更多的选择方案。

长按扫码咨询鹿明生物DIA蛋白组学技术工程师详情及获取本篇技术原文

参考文献：

1.Y. Xuan et al., Standardization and harmonization of distributed multi-center proteotype analysis supporting precision medicine studies. Nature Communications 11,  (2020).

更多DIA及PCT-DIA咨询

◆4D-DIA：鹿明生物再添高端质谱仪：tims TOF Pro—基于捕获离子淌度的4D蛋白质组学

◆DIA热点：DIA与AI的结合—NM又发新文（IF:28.467），通过神经网络和干扰校正实现高通量蛋白质组的深度覆盖

◆DIA+PRM热点：2019年值得关注的技术：DIA+PRM质谱检测+验证技术

◆PCT-DIA：临床SCI研究福音：FFPE、微量样本等临床样本怎么研究？有这招就够啦

◆PCT-DIA：西湖大学郭天南/李子青团队运用PCT-DIA技术与神经网络机器学习结合分辨良恶性甲状腺结节

◆PCT-DIA:【爆品上市】 强力攻克：石蜡/甲醛处理的组织样本及微量样本的蛋白组学难题----PCT-DIA技术

END

茯苓  撰文

欢迎转发到朋友圈

本文系鹿明生物原创

转载请注明本文转自鹿明生物