蛋白组学样本选择犯难？血清血浆如何取舍，一文理清思路！

一、血清与血浆：到底差在哪？

1.1

成分差异（核心区别）

血浆（plasma）：血液的成分含有纤维蛋白原（fibrinogen）及各类凝血因子（在凝血过程中起关键作用），此外还包括水、白蛋白、球蛋白、电解质、营养物质等。

血清（serum）：血液自然凝固后析出的液体，不含纤维蛋白原及大部分凝血因子（因凝血过程中纤维蛋白原已转化为纤维蛋白并凝集去除），但含有白蛋白、球蛋白、电解质、激素、代谢废物等。

1.2

外观与制备差异

1.3

功能与临床应用差异

血浆：因保留完整凝血系统，主要用于凝血功能检测（如凝血酶原时间 PT、活化部分凝血活酶时间 APTT），以及临床输血治疗中补充血容量与凝血因子（用于凝血障碍、大出血、烧伤等患者）。

血清：因不含凝血因子，避免了凝血过程对检测指标的干扰，广泛用于临床生化检验（肝功能、肾功能、血脂、血糖、激素、肿瘤标志物）与免疫学检测。

1.4

一句话公式

二、文献实证：血清与血浆，近年研究如何取舍？

2.1

DIA 定量蛋白质组学的功能比较

文章题目： Data-Independent Acquisition-Based Quantitative Proteomics for Pairwise Comparison of Serum and Plasma

🔷 研究设计：基于数据非依赖采集（DIA）的蛋白质组学，对同一供体的 10 对血浆-血清样本做发现集、8 对做验证集，系统比较两者蛋白谱。

🔷 功能通路差异：血浆中显著富集的蛋白主要参与吞噬体与免疫相关通路（如补体激活途径）；血清则突出表现为氨基酸代谢相关蛋白过表达，尤其是苯丙氨酸与色氨酸代谢途径。

🔷 器官来源偏好：肝脏来源蛋白在血浆中更高（与肝脏合成多数凝血因子的特性一致）；而血清中骨骼肌分泌蛋白占比更高，提示凝血过程可能释放肌源性蛋白。

🔷 肿瘤标志物线索：整合 TCGA 与 HPA 数据库，鉴定出血浆特异性标志物 CD5L（与卵巢癌预后相关）与血清特征蛋白 APOA4（在结直肠癌中异常表达）。

研究路线图

启示：在 DIA 无靶向检测中，血清与血浆在生物学功能与器官来源上并非"同一份样本"，跨样本类型的结论不宜直接平移。

2.2

孕期中Olink血液检测预测孕周的效能比较

文章题目：Comparative predictive power of serum vs plasma proteomic signatures in feto-maternal medicine

🔷 研究设计：取自一项多国前瞻性队列生物样本库，对 73 名女性的配对血清-血浆样本进行检测；采用 Olink（Target 96，13 个 panel）共测量 1,116 个蛋白（88 个配对样本）。

🔷 核心结果：血浆蛋白质组特征的预测力（R = 0.64）显著高于血清（R = 0.45）；血清与血浆的特征蛋白高度重叠，但血清蛋白与孕周的关联强度更弱。

🔷 结论：血清蛋白质组学信息量低于血浆，可能与样本处理中血清蛋白的部分体外降解与修饰有关；作者认为血浆是更优基质（preferred matrix）。

血清与血浆蛋白之间的关联强度

血清和血浆中与孕周显著相关的蛋白质的预测能力比较

启示：在以“预测生理/疾病结局”为目标的队列研究中，若样本类型可选，血浆通常能提供更稳健的信号。

2.3

阿尔茨海默病 NULISA 平台的基质对比

文章题目：Evaluation of serum as an alternative matrix to plasma for NULISA-based proteomic blood biomarker measurements

🔷 研究设计：评估新型 NULISAseq CNS 面板在 AD 诊断中的潜力，比较来自记忆门诊队列的 43 对匹配血清-血浆样本，对 124 个蛋白靶标定量。

🔷 相关性与差异：79 个蛋白的血清-血浆相关性强；48 个靶标差异显著，其中 32 个在血浆中更高。血浆中红细胞富集蛋白更多（HBA1、PGK1、SOD1、PRDX6），血清中血小板来源蛋白更多（CD40LG、BDNF、VEGFA、Aβ40）。

🔷 经典 AD 标志物：所有 tau 亚型在血浆中显著高于血清；GFAP 与 NfL 在两者相近；p-tau217/Aβ42 比值（对应 Lumipulse 已获 FDA 批准的临床指标）仅在血浆中显著，血清中不显著。

🔷 诊断效能：12 个靶标 + p-tau217/Aβ42 与 AD 诊断相关，血浆效应量（effect size）普遍更大。

血清与血浆之间NULISAseq中枢神经系统面板测量的相关性

血浆与血清的蛋白表达差异比较

启示：在靶向免疫检测（如 NULISA）中，尽管两者整体高度相关，但绝对量值与部分核心标志物存在基质依赖性差异——该研究支持血清可用，但显示血浆在该面板下表现更佳。

2.4

跨越鸿沟：血清-血浆SomaScan数据整合的"桥接"策略

文章题目：Bridging the gap: A systematic approach to integrating serum and plasma proteomic datasets for biomarker studies

🔷 研究设计：利用 SomaScan 平台，对 3 个独立队列中 177 对匹配的癌症患者血清-血浆样本进行高通量蛋白质组学分析（覆盖 7,289 个蛋白）。

🔷 桥接方法：基于配对样本，估计每类蛋白在血清与血浆之间的线性缩放因子（linear scaling factor），将因子应用于血清测量值，将其转换到血浆可比尺度（即"系统性变换"），使两类数据可合并分析。

🔷 结果：线性缩放因子在三个队列间高度一致，说明具备可推广性；91.6% 的蛋白在血清与血浆间存在显著相关（p < 0.05）。

🔷 验证：利用 OncoHost 的 PROphet^® AI 血浆蛋白质组模型（预测非小细胞肺癌 NSCLC 免疫治疗结局）验证桥接策略——将缩放后的血清数据输入模型，其临床获益预测与生存分层结果与血浆数据相当。

血清‑血浆蛋白质组数据桥接流程

启示：当研究需合并不同基质的历史队列时，“桥接”策略提供了可行的数据整合方案。它与前文 NULISA 研究恰好构成“问题”与“解法”的互补：前者揭示差异，后者消除差异。

三、样本选择建议

参考文献：

关于中科新生命