巨人肩膀上看世界——组学领军大牛频发DIA蛋白质组学高水平文章
2021-12-27
中科新生命
1497
DIA技术由于其无偏见全覆盖的扫描模式，具有传统组学技术无法超越的定量稳定性以及重复性等特点，在各类顶级期刊中的应用越来越火热，也受到了多位国内外蛋白质组学大牛的青睐。今天小编就带大家一起来欣赏学习下各位大牛的研究成果吧！
1 Ruedi Aebersold教授、Thorsten Zenz教授、Wolfgang Huber博士三大团队
文章题目：The Protein Landscape of Chronic Lymphocytic Leukemia (CLL)
影响因子：22.1
发表期刊：Blood
发表时间：2021.06
实验技术：基因组、转录组、DIA蛋白组
样本类型：117例CLL病人血液单核细胞
实验设计：
总结：该研究基于基因组、转录组和DIA蛋白组，结合临床数据和药物体外反应实验，全面展现了慢性淋巴细胞白血病的蛋白组学特征，涵盖了疾病的遗传和临床异质性等因素。研究数据支持一个新的模型，即高STAT2水平使细胞更容易接受趋化因子和细胞因子，为后续的研究提供了新的方向。
深度解读（点击下方标题即可查看阅读）
Blood (IF 22.1) | 血液病顶刊！组学领军大牛Ruedi利用DIA蛋白组绘制慢性淋巴细胞白血病图谱
2 Matthias Mann教授团队
文章题目：Urinary proteome profiling for stratifying patients with familial Parkinson's disease
影响因子：12.1
发表期刊：EMBO Molecular Medicine
发表时间：2021.03
实验技术：DIA蛋白组+机器学习
样本类型：两个独立横断面队列，235例帕金森病患者及健康人的尿液
实验设计：
总结：本研究对家族性帕金森病患者的尿液进行了蛋白质组学分析，发现PD患者和健康对照组之间以及两个队列中LRRK2 G2019S携带者和非携带者之间的尿液蛋白质组存在显著差异，揭示了LRRK2 G2019S突变的个体中溶酶体失调。当与机器学习相结合时，仅尿蛋白质组数据就足以很好地对突变携带者的突变状态和疾病表现进行分类，并识别到一些关键差异蛋白。研究验证了尿蛋白质组学是发现生物标志物和对患者分类的一种有价值的策略。
深度解读（点击下方标题即可查看阅读）
EMBO Mol Med：DIA+机器学习筛选帕金森氏病尿液标志物
3 水雯箐教授、胡霁教授、钟桂生教授三大团队
文章题目：Multiregional profiling of the brain transmembrane proteome uncovers novel regulators of depression
影响因子：14.13
发表期刊：Science Advances
发表时间：2021.07
产品类型：深度学习、DIA蛋白质组学
样本类型：成年雄性小鼠大脑不同脑区
实验设计：
总结：本文借助于深度学习模型全面分析了小鼠多个脑区的跨膜蛋白家族。多区域蛋白质组分析突出了信使RNA和蛋白质分布之间的巨大差异，特别是对于区域丰富的GPCR，并预测了大脑中内源性GPCR相互作用网络。此外，还揭示了小鼠抑郁模型大脑中的跨膜蛋白质组重构景观，从而识别出两种以前未知的抑郁样行为的GPCR调节因子。本研究提供了有利的技术和丰富的数据资源，增强了对大脑跨膜蛋白质组和动力学的理解，并加速发现抑郁症治疗的潜在治疗靶点。
4 郭天南教授团队
文章题目：Convergent network effects along the axis of gene expression during prostate cancer progression
影响因子：13.6
发表期刊：Genome Biology
发表时间：2020.12
实验技术：基因组、转录组、DIA蛋白组
样本类型：105例前列腺肿瘤及良性增生样本
实验设计：
总结：利用蛋白基因组对105例前列腺肿瘤及良性增生样本进行了基因组、转录组及蛋白质组检测，揭示了不同拷贝数改变对常见下游蛋白的聚合效应，描绘了一幅全景式的分子调控网络，为深入了解前列腺肿瘤的发生机制、更科学的临床诊断以及更有效的干预手段提供了大量信息。
深度解读（点击下方标题即可查看阅读）
Genome Biology | 西湖大学郭天南团队利用蛋白基因组揭示前列腺癌发生及恶化分子调控网络
5 黄超兰教授、高福院士、陈扬副研究员、谭文杰教授四大团队
文章题目：Immune suppression in the early stage of COVID-19 disease
影响因子：12.1
发表期刊：nature communication
发表时间：2020.11
实验技术：4D-DIA定量蛋白质组学
样本类型：37例 COVID-19患者、非COVID-19肺炎患者及健康对照组尿液样本
实验设计：
总结：研究人员使用4D-DIA定量蛋白质组学分析了来自COVID-19感染病例、健康供体和非COVID-19肺炎病例的尿液样本，分子变化表明免疫抑制和紧密连接（TJ）受损发生在COVID-19感染的早期。将COVID-19患者进一步细分为中度和重度类型后的研究显示，在感染后期的重症患者中也发现了某种程度激活的免疫应答。对于COVID-19这种不寻常的病毒感染发病机制，课题组提出“两阶段”的机理，提高了对COVID-19感染的临床特征的了解，并为将来的机理探索和治疗研究提供了资源。
深度解读（点击下方标题即可查看阅读）
中科优品推荐
中科新生命自提供DIA技术服务以来，不仅在常规样本的大队列样本检测方面积累了大量的经验，也可提供一站式的标志物研究DIA+PRM+机器学习服务 ，基于肿瘤的蛋白基因组分型研究以及基于新一代色谱Evosep DIA的临床大样本蛋白质组学技术服务，感兴趣的老师欢迎来咨询。
