📚 课程目录第1章临床蛋白质组学定量概述

1. 临床蛋白质组学定量概述

做临床蛋白质组学，本质上就一句话：从样本里找差异。但要是真上手做，你会发现事情远没有那么简单。我刚开始接触这个领域时，以为无非就是质谱跑一跑，MaxQuant算一算，差异蛋白就能自己蹦出来。后来被现实抽了好几次耳光，才慢慢摸清这里头的门道。

1.1 为什么我们要做定量？

蛋白质组学早期阶段，大家还在拼命鉴定——谁发现了更多蛋白，谁就厉害。静态的蛋白列表能告诉你样本里有什么，但临床问题很少关心“有没有”。医生问的是：病人血液里哪个蛋白升高了？组织里哪个通路被激活了？

我把这个阶段叫“定性只是入场券，定量才是硬通货”。

你想想看，如果对照组和疾病组各跑了三次质谱，鉴定到同样的5000个蛋白，但所有蛋白的强度在两组间都几乎一样，那这5000个蛋白对临床来说就是没意义的。我们需要的是那些在表达量上有显著变化的蛋白——生物标志物、药物靶点、通路关键节点，都是靠着定量差异才浮出水面的。

定量是让蛋白质组学从“存在性描述”进化到“功能性洞察”的关键一步。没有定量，蛋白质组学就只能给你一本谁去了派对的签到簿，给不出谁在认真干活的绩效单。

我记得有一次帮合作医院看一批阿尔茨海默症的脑脊液数据，他们之前只做了DDA鉴定，蛋白列表绵延几页纸。我问他们差异蛋白是哪些，对方说“我们没做定量”。这就好比你拿到了几千本护照，却不知道谁在边境异常松动——信息量巨大，但关键决策点一个也抓不住。

1.2 定量的两种主流策略

临床定量，路线基本就两条。一条是往样本里加化学“标签”，另一条是什么都不用加，靠原始信号硬算。两种我都跑过，各有各的脾气。

维度	标记定量（TMT/iTRAQ）	非标记定量（LFQ）
样本通量	一次最多跑16个（TMTpro）	理论无上限，实际看仪器
成本	试剂昂贵，一张标签几百元	仅消耗常规试剂
缺失值	少（同批次相对比较）	多（跨批次比对严重）
定量准确性	较高（内标校正）	依赖数据采集稳定度
操作难度	步骤长，容易引入误差	流程短，但质控要更细
适用场景	队列对比、多时间点多组比较	大样本筛查、差异挖掘

我个人习惯在小于30例样本的探索性项目里先用LFQ快速摸底。LFQ上手快、不被试剂批间差异捆绑。我有个项目，头一轮跑了40个脑组织样本，直接用LFQ扫了一遍，从数据里挑出了10个候选蛋白。第二轮换成TMTpro 16plex做了确证，前后衔接非常顺。

小技巧：如果你计划用TMT做正式实验，建议先用LFQ跑一个小预实验，确保样本质量过关、酶解效率在线。我见过太多次大张旗鼓上了TMT，结果跑了两次质谱发现样本不行，一万块的试剂打了水漂。

非标记定量有一个容易被忽略的坑：数据采集的稳定性。时间跨度一长，质谱柱效会慢慢改变，母离子信号漂移，两个月前跟两个月后的数据根本没法直接比较。我曾经见过一个项目，前后跑了三个月，MaxQuant跑完LFQ，一堆蛋白在两组间“显著差异”，结果一查是仪器状态漂移造成的假象。所以，非标记定量一定要做批次校正，无论用什么工具。

1.3 定量前你必须搞定这几件事

定量的成败，早在质谱开机之前就定了七七八八。我梳理了几个关键点：

样本处理的一致性：如果组织样本必须研磨，那就统一研磨方式、时间、温度。血清要记得去除高丰度蛋白，不然白蛋白能吃掉你80%的鉴定量。
酶解效率：没酶解好，肽段出不来，所有定量都是空谈。我在项目里经常用同一条肽段（比如来自血清白蛋白的某些特定位点）的漏切率来做质控，超过20%的样本直接标记不合格。
色谱稳定性：液相的压力曲线、保留时间漂移，每天都要记录。保留时间漂移超过2%会影响后续的匹配合并。
峰容量与采集速度：临床样本背景复杂，你的质谱必须能以足够快的速度扫描。我个人建议DDA模式下循环时间控制在1.5秒以内，不然动态范围会丢得很厉害。

警告：千万不要跳过预实验去找感觉。我在一个帕金森项目上因为样本珍贵，直接上了正式实验，结果内标一致性很差，最后只能把那批数据当废品用。后来我学乖了，任何新样本类型都先跑3个样本做技术重复验证，确认CV值可以接受再说。

1.4 临床定量的一条典型工作流

下面这个流程图是我在项目里多次打磨后的版本，拿来跟大家共享。

临床样本采集（血清/组织/脑脊液等）
        │
        ▼
样本预处理（去除高丰度蛋白 / 研磨 / 裂解）
        │
        ▼
蛋白质定量与质检（BCA / SDS-PAGE）
        │
        ▼
蛋白酶解（Trypsin，37 ℃，16 h）
        │
        ▼
肽段脱盐与分步（StageTip / High-pH 分级）
        │
        ▼
质谱采集（DDA / DIA）
        │
        ▼
MaxQuant 定量流程
    ├─ 搜库（Andromeda）
    ├─ 非标记定量（LFQ algorithm）
    └─ 标记定量（Reporter ion MS2/MS3）
        │
        ▼
下游统计分析（缺失值填充 / 假设检验 / 倍数筛选）

这个流程看起来长，但每一步都不能缩水。我见过有人为了一周出结果，跳过样本质检直接上机，最后跑出一堆含大量遗漏酶切位点的数据。在MaxQuant里那些数据看起来鉴定数量不少，但真正可信的定量结果非常少——全是污染肽段和假阳性。

1.5 定量的核心参数：你真正要关心的

去翻MaxQuant说明书，参数快上百个。但对于临床定量，你必须盯紧这几个：

FDR（False Discovery Rate）：蛋白质和肽段水平都设1%。我说的是真实FDR，不是默认参数跑出来好看的数字。我习惯做反向库验证。
LFQ min ratio count：我一般设为2。设高了能减少缺失值，但也会引入更多噪音；设低了你丢失的信息太多，统计检验都做不了。
Match between runs：这是MaxQuant的王牌功能，但对于临床样本需要谨慎。我会确保匹配窗口不超过0.7分钟的洗脱时间，不然跨批次匹配出来的都是假正确的肽段。
Re-quantify：这个功能在TMT数据里很有用，但在LFQ里偶尔会引入异常值。我建议在正式分析时关掉，用单独的缺失值质控步骤去处理。

# 我常用的 mqpar.xml 关键参数示例（非标记定量，DDA 数据）
<parameterGroup>
  <param name="searchType">Standard</param>
  <param name="enzymeName">Trypsin</param>
  <param name="maxMissedCleavages">2</param>
  <param name="fixedModifications">Carbamidomethyl (C)</param>
  <param name="variableModifications">Oxidation (M);Acetyl (Protein N-term)</param>
  <param name="peptideFDR">0.01</param>
  <param name="proteinFDR">0.01</param>
  <param name="minRatioCount">2</param>
  <param name="matchBetweenRuns">True</param>
  <param name="matchTimeWindow">0.7</param>
  <param name="reQuantify">False</param>
  <param name="lfq">True</param>
  <param name="iBAQ">False</param>
</parameterGroup>

提示：以上参数是我针对血清和脑脊液定量的通用设置，不同组织类型需要微调。比如组织样本肽段复杂度高，我可能会把Match time window缩到0.5分钟。养成每次建新项目都重新审核这些参数的习惯。

1.6 盲区与底线

让我说几句大实话。临床蛋白质组学定量不是万能的。有些蛋白的表达变化非常微小，你的样本量不够大，再好的算法也救不了。我遇到过有人只有3个病例和3个对照，却想用非标记定量找到差异蛋白——这基本是把希望交给随机性。临床样本生物变异大，通常每个队列至少需要10例以上才能得到可重复的结果。

还有一个容易被忽略的点：数据完整性。质谱本身就是一个有缺失值的检测平台，一些低丰度蛋白在某些样本里压根没被检测到。如果直接在软件里留下空白就去做差异分析，你最后会看到很多蛋白的p值非常小，但那只是因为你对比的东西本就不存在。我曾经在项目里看到MaxQuant输出的evidence文件中有一堆条目只有1个样本有数值，其他全是NaN。如果不管这些，单纯运行下游统计，很容易得出假阳性结论。

定量分析的第一原则：不要在缺失值的废墟上盖统计学大厦。

对于这一章，我的建议是：先别急着跑MaxQuant。先把你的样本量、样本类型、研究目标放在一起进行评估。如果是探索性研究，非标记定量加上保守的参数设定最稳妥。如果是验证性研究，TMT可能更适合，但要做好预算和操作难度的准备。

最后，我画了一张图，把这一章的知识做一个结构化的收束。

这张图把我这一章讲的临床蛋白质组学定量流程、策略和关键节点都串起来了。无论你选标记还是非标记路线，最终都要落到质谱数据采集和MaxQuant定量分析这一步上。我希望你之后跑数据的时候，能随时把这张图拉出来看看，提醒自己每一步该注意什么。