在蛋白質組學研究領域，基于液相色譜-質譜聯用（LC-MS/MS）技術可在生物樣本中檢測和相對定量上千個蛋白，目前已被廣泛應用。Label-free技術具有不受樣品標記數量限制，蛋白定量動態范圍廣，樣品起始量低等優點；是目前蛋白組研究領域廣受歡迎的研究方法。
Label-free（DDA，Data Dependent Acquisition）技術對每個樣品分別進行蛋白提取、蛋白酶解、肽段分離和質譜檢測，利用二級圖譜進行蛋白鑒定，利用肽段峰面積信息進行蛋白定量。
華銀康高通量測序中心能提供Label-free DDA 和Label-free DIA兩種檢測技術，助力科研人員對蛋白組定量的研究。
技術參數
|
樣品量 |
細胞類（>2×106細胞，離心沉淀>20ul） |
|
樣品要求 |
樣品無污染 |
|
重復 |
建議至少設置3個生物重復 |
|
數據量 |
1組分*1小時梯度（簡單樣品） |
|
質譜儀 |
QExactive |
技術優勢
(1)更符合樣本真實蛋白表達結果：更全面和權威的數據庫和軟件，同一樣本能鑒定到更多的蛋白質種類；
(2)更專業的生信團隊，具有多年的蛋白組學分析經驗，能提供各種個性化的高級分析。
信息分析
生信分析總流程
標準信息分析
1）蛋白鑒定
2）蛋白功能注釋：GO、KEGG、COG、EggNOG注釋、亞細胞定位分析、轉錄因子分析、蛋白激酶分析
3）蛋白定量：樣品間蛋白強度分布 、聚類、PCA分析、相關性和重復性分析
4）差異蛋白篩選
5) 差異蛋白功能注釋：GO、KEGG、COG、EggNOG注釋、亞細胞定位分析、轉錄因子分析、蛋白激酶分析
6）多比較組分析
7）其他高級分析
高級分析示例圖
案例分析
蛋白質組學衍生的生物標志物組合提高了子宮內膜樣和高度漿液性卵巢癌分類的診斷精度
卵巢癌是一種難治性疾病，在美國女性中的發病率為1.27％，其5年存活率只有46％。上皮性卵巢癌是一種生物學上異質性疾病，根據其組織特異性細分為5種亞型，它們按照發病率遞減排序是：高度漿液（HGSC）、子宮內膜狀、透明細胞型（CCC）、低度漿液性和粘液性卵巢癌。這些亞型代表了潛在的分子改變和臨床癥狀的差異，隨著組織特異性治療理念的發展，準確的分類將成為精確醫學治療的前提。為了揭示兩種最常見的卵巢癌臨床亞型——HGSC和子宮內膜癌之間的差異，研究者通過lable-free方法比較了HGSC（10例）和子宮內膜癌（10例）的蛋白組成。結果鑒定出8種在子宮內膜癌中特異的蛋白標志物，然后使用免疫組化（IHC），在361例樣本中驗證了這8個蛋白的分類效果。
子宮內膜癌和HGSC的蛋白質組之間差異表達的蛋白質有500多種（P<0.05），排名靠前的106種蛋白足以正確區分90％的樣品。IHC驗證出KIAA1324是一種新的子宮內膜癌最有特異性的生物標志物。與僅使用WT1加TP53的診斷標準相比，本研究發現的8個蛋白標記物區分子宮內膜癌和HGSC的準確性更高，可以將HGSC的診斷率從90.7％提高到99.2％。子宮內膜癌特異性診斷標志物，如PLCB1，KIAA1324和SCGB2A1也與子宮內膜癌的良好預后顯著相關，表明該臨床亞型具有生物學異質性。蛋白質組學數據的通路分析顯示子宮內膜癌和HGSC在雌激素和干擾素信號傳導方面的差異。
圖1 子宮內膜癌和HGSC的蛋白組數據比較
圖2 選擇子宮內膜癌蛋白標志物做下游驗證
Dieters-Castator, D. Z., et al. (2019). "Proteomics-Derived Biomarker Panel Improves Diagnostic Precision to Classify Endometrioid and High-grade Serous Ovarian Carcinoma." Clin Cancer Res 25(14): 4309-4319.
