📚 课程目录第4章蛋白质组学与相互作用网络

4. 蛋白质组学与相互作用网络

蛋白质组学，说白了就是研究细胞、组织或生物体中所有蛋白质的“全家福”。它比基因组学更复杂，因为蛋白质的数量、修饰状态、定位和相互作用都是动态变化的。我在项目中遇到过不少次，转录组数据看起来很美，但蛋白水平完全对不上——这就是为什么我们必须直接看蛋白质。

4.1 质谱技术：蛋白质组学的“眼睛”

质谱法（Mass Spectrometry, MS）是当前蛋白质组学最核心的技术。没有它，我们几乎无法高通量地鉴定和定量蛋白质。它的基本原理其实不复杂：把蛋白质酶解成肽段，按质荷比分离，然后检测信号。

质谱工作流程三件套：

酶解：蛋白酶（如胰蛋白酶）把蛋白质切成肽段。
电离：肽段带上电荷，变成气相离子。常用的有ESI（电喷雾离子化）和MALDI（基质辅助激光解吸离子化）。
质量分析：根据质荷比把离子分离开。主流分析器有Q-TOF（四极杆-飞行时间）、Orbitrap（轨道阱）和FT-ICR（傅里叶变换离子回旋共振）。

我个人习惯把质谱获取方法分成两大类：

方法	策略	特点	典型应用场景
DDA（数据依赖采集）	先扫全景，选丰度最高的几个肽段打碎	鉴定深度好，但随机性强；低丰度蛋白容易漏	大规模蛋白鉴定、发现型实验
DIA（数据非依赖采集）	不管丰度，把所有肽段按窗口逐段打碎	定量稳定，覆盖更全，但数据处理更复杂	临床队列、要求高重现性的定量实验

嗯，这里要注意。DIA数据量巨大，分析起来比较吃计算资源。我曾经在分析一个100例血清样本的DIA数据时，单是谱图库构建就跑了大半天。但好处是回头想重新检索某些低丰度蛋白，不用重新跑液质——数据就在那里，换个库搜就行。

4.2 蛋白质定量：到底多“多”才是多

光知道“有”不行，我们还必须知道“有多少”。蛋白定量方法五花八门，但归根结底就两条路：标记定量和非标记定量。

4.2.1 标记定量

说白了就是用同位素给不同样本“打标签”。最主流的是这几类：

SILAC：细胞培养时用重同位素氨基酸替代天然氨基酸。优点是体内标记，误差小。缺点嘛——只能用于培养细胞，没法搞临床组织。
TMT/iTRAQ：每个样本用不同分子量的标记试剂，然后混合进样。可以一次搞10-16个样本，很适合多时间点或者多组比较。我做过一个5组TMT实验，每组3个重复，上机一次搞定15个样本——效率和通道间定量的稳定性都挺好。
Label-free：不做标记，直接比较质谱信号强度或肽段谱图计数。操作简单，成本低，但对仪器稳定性和数据处理要求极高。你想想看，一个样本今天跑和明天跑，峰强度可能就差20%。

避坑指南

我曾经用TMT做大规模标志物筛选，结果发现批次效应很强。后来养成了一个习惯：标记定量实验中，每个批次内一定要加入一个“桥接样本”——就是同一份参考样本，放在每个批次里一起标记、一起跑，方便后面做批次校正。

4.2.2 定量软件与流程

工具很多，我不可能面面俱到，但下面这几个是业界公认的主流产品：

软件	适用场景	定量原理	我的使用建议
MaxQuant	Label-free, SILAC, TMT	基于肽段强度（LFQ Intensity）	学术圈用得最多，新手首选
Spectronaut	DIA定量	基于谱图库与XIC（提取离子流图）	DIA数据的不二选择，非常稳
Skyline	靶向定量/PRM（平行反应监测）	手动选择母离子/子离子对	验证候选biomarker时的黄金工具
Proteome Discoverer	多仪器兼容，全流程	集成多种搜索引擎	公司级比较喜欢，配合Thermo机器

写一段MaxQuant搜库的典型配置文件（mqpar.xml）片段，大家感受一下：

<ParameterGroups>
  <ParameterGroup>
    <name>Default_Group</name>
    <type>Standard</type>
    <fastaFilePaths>/db/uniprot_human_2024.fasta</fastaFilePaths>
    <fixedModifications>Carbamidomethyl (C)</fixedModifications>
    <variableModifications>Oxidation (M);Acetyl (Protein N-term)</variableModifications>
    <firstSearchTolerance>20 ppm</firstSearchTolerance>
    <mainSearchTolerance>4.5 ppm</mainSearchTolerance>
    <enzyme>Trypsin</enzyme>
    <maxMissedCleavages>2</maxMissedCleavages>
    <labelFreeQuantification>True</labelFreeQuantification>
    <iBAQ>True</iBAQ>
  </ParameterGroup>
</ParameterGroups>

要注意的是，这里面开启后，你会得到一个蛋白的绝对定量近似值，适合做后续的功能富集。

4.3 蛋白质-蛋白质相互作用网络

蛋白不是孤立工作的。它们通过物理结合形成复合物，执行信号转导、代谢调控、转录激活等生物过程。看懂这些“朋友圈”，才能理解疾病机制。

4.3.1 实验方法

常用的PPI筛选方法有两个：

酵母双杂交：把诱饵蛋白和猎物蛋白分别融合到转录因子的DNA结合域和激活域，只要两个蛋白结合，报告基因就表达。高通量、成本低，但假阳性率不低。
亲和纯化-质谱：把诱饵蛋白（带上标签）在细胞中表达，拉下来的结合伙伴用质谱鉴定。优点是能获得天然条件下的复合物信息。缺点是瞬时相互作用容易漏掉，而且你得建稳转细胞系。

如果你打算在项目中搞AP-MS，请注意几点：

对照必须严谨。我建议用空标签作为阴性对照，跑一次DIA定量，设置FC > 4且p-value < 0.01为高置信度互作。
警惕“粘连蛋白”。核糖体、热休克蛋白、角蛋白等是常见污染物，每次都能拉下来，但基本不是特异性互作。
使用CRAPome数据库（Contaminant Repository for Affinity Purification）帮你干掉非特异性结合。

4.3.2 计算与网络构建

拿到一组高置信度的PPI后，怎么变成可读的网络？

数据标准化：对质谱定量值进行log2转换和z-score归一化。
互作评分：计算每个蛋白对在实验组与对照组间的差异倍数值，用t检验或SAINTexpress打分。
网络可视化：我用Cytoscape比较多，布局常用force-directed。节点大小映射蛋白丰度，边粗细映射结合置信度。再配合MCODE或ClusterOne做社区检测，找出子模块。

来，看一下Cytoscape自动生成的网络图里，一个标准PPI节点属性表长什么样：

蛋白名	UniProt ID	平均丰度	连接度	模块归属
EGFR	P00533	15.2	23	信号转导模块
GRB2	P62993	8.7	12	信号转导模块
STAT3	P40763	11.3	18	转录调控模块
HSP90AA1	P07900	25.6	34	蛋白折叠/压力应答

一个高度连接的节点，通常是hub蛋白。如果你在疾病vs正常对比中发现某个hub的度发生显著变化，很可能是信号通路重编程的标志物线索。

4.4 多组学整合中的蛋白质层对齐

最后这一点，是我觉得最值得讲但很多教程避而不谈的：蛋白定量数据怎么能和转录组、代谢组对齐？

蛋白丰度受翻译效率、降解速率和翻译后修饰共同影响，和mRNA的相关系数通常只有0.4-0.6。所以，我建议在整合分析时不要直接套用转录组的差异分析逻辑，而是：

把蛋白保留在它自己的尺度上（scaled log2 intensity）。
在通路层面做富集对齐，而不是单基因/单蛋白对齐。比如你用GSEA发现mRNA里mTOR通路富集，蛋白里也富集，那这个通路的可信度就非常高。
构建“蛋白-蛋白互作+转录因子-靶基因”的联合网络，往往能帮你在因果链上找关键节点。

这就是为什么在biomarker发现里，蛋白质组学不能缺席——它既是功能执行的最终载体，也是在多组学层面补完“从DNA到表型”链条的关键一环。