一、蛋白质组学概述：从基因组到蛋白质组的必然跨越
说起蛋白质组学，我总会想起刚入行时带我的老前辈说的一句话：「基因组是乐谱，蛋白质才是演奏出来的音乐」。这么多年下来，我越来越觉得这个比喻真贴切。
什么是蛋白质组学？简单来说，就是对一个细胞、组织或生物体中全部蛋白质进行大规模研究。你想想看，基因组基本上是不变的，但蛋白质的表达水平、修饰状态、空间定位和相互作用却是动态的。这就好比同一台手机，装不同APP、连不同网络、在不同温度下跑，性能表现千差万别。
核心定义：蛋白质组学（Proteomics）是在大规模水平上研究蛋白质的组成、表达、修饰、相互作用及功能的一门学科。它回答的不是「某个蛋白质是什么」，而是「此时此刻，所有蛋白质在做什么」。
1.1 为什么需要蛋白质组学？
坦白讲，光靠基因组学，很多问题根本说不通。我在一个肿瘤早筛项目里遇到过这样的事：某个抑癌基因的DNA序列完全正常，mRNA表达量也没有明显差异，但蛋白水平就是检测不到活性。后来发现是翻译后修饰出了问题——这种事儿，转录组数据根本看不出来。
来看一组对比，你就明白了：
| 维度 | 基因组学 | 转录组学 | 蛋白质组学 |
|---|---|---|---|
| 对象 | DNA序列 | mRNA | 蛋白质 |
| 稳定性 | 高度稳定 | 半衰期分钟~小时 | 动态范围极大 |
| 信息层次 | 潜在能力 | 转录调控 | 功能执行 |
| 修饰复杂性 | 低（甲基化等） | 中（剪接变体） | 极高（300+种PTM） |
| 与表型的关联度 | 间接 | 较间接 | 直接 |
一个小经验：我在做多组学整合时发现，转录-蛋白相关性通常在0.4~0.6之间。这意味着有将近一半的蛋白变化是转录后调控导致的。如果你只看RNA-seq做生物标志物筛选，可能会漏掉大量真正有效的靶点。
1.2 蛋白质组学的研究目标
蛋白质组学不是漫无目的地「看」蛋白。我个人习惯把它的目标拆成三个层次：
- 鉴定（Identification）——样本里有哪些蛋白？
- 定量（Quantification）——每个蛋白到底有多少？
- 功能与互作（Function & Interaction）——它们怎么工作？和谁配合？
说起来简单，但每一层都有坑。
拿鉴定来说，一次LC-MS/MS实验能鉴定到几千个蛋白。但问题是，低丰度蛋白经常被高丰度蛋白「淹没」。我记得在做血浆蛋白质组时，白蛋白和IgG占了总蛋白量的70%以上。如果不做高丰度蛋白去除，那些真正有价值的细胞因子和信号分子根本测不到。
定量就更复杂了。有标记定量（TMT、iTRAQ、SILAC）和无标记定量（LFQ、DIA）。我在项目中踩过最大的坑是TMT标记效率不均——同一批样本，有个通道的标记效率只有60%，最终导致那个样本的定量值整体偏低。后来我养成了习惯，每批样本都跑一个QC通道做内部校准。
功能互作层面，Co-IP、AP-MS、Crosslinking-MS是主流手段。但要注意，体外互作不等于体内互作。我见过不少文章用Co-IP数据直接推断体内互作网络，结果在后续验证时翻车。
避坑指南：我曾经在一个激酶-底物筛选项目里，完全依赖数据库注释来做互作网络。结果发现数据库中70%的互作信息来源于高通量Y2H实验，假阳性率非常高。从那以后，我坚持用「实验证据等级」来过滤互作数据，至少要求有低通量验证记录。
1.3 主要技术路线
目前主流的蛋白质组学技术路线大致可以分为两类：质谱驱动型和亲和力驱动型。我自己90%的项目走的是质谱路线，尤其是Shotgun和DIA。
给你看一张整体技术路线的框架图：
嗯，这张图基本概括了主流的技术框架。我来拆开说说每个环节的要点。
1.3.1 质谱驱动路线（Shotgun / DIA）
这是目前最主流的技术路线。样本经过酶解成肽段，进入液相色谱分离，再通过质谱采集谱图，最后用数据库搜索引擎匹配肽段序列。
常用的搜库软件和参数我整理了一下：
| 软件 | 适用数据 | 我最常用的参数组合 |
|---|---|---|
| MaxQuant | DDA / SILAC | FDR 1%, 最小肽段长度7, 酶切 Trypsin/P |
| DIA-NN | DIA | 文库模式, MBR开启, 定量策略 Robust LC |
| Spectronaut | DIA | BGS Factory默认, q-value 0.01 |
| FragPipe | DDA / DIA | MSFragger搜库, Philosopher过滤, IonQuant定量 |
举个实际的搜库命令，我习惯用FragPipe的批处理模式：
java -jar /tools/FragPipe/FragPipe.jar --headless \
--workflow /projects/phospho/phospho.fragpipe \
--manifest /projects/phospho/manifest.txt \
--output-dir /results/phospho_202503个人习惯：我每次跑DIA数据前，都会先跑一个pooled QC sample来生成 spectral library。直接用项目样本建库会引入batch效应，用pooled样本可以最大化覆盖度，同时保持一致性。
1.3.2 亲和力驱动路线（互作组学）
如果你关心的是「谁和谁在一起」，那亲和路线更合适。Co-IP结合质谱（AP-MS）是经典方案。但这里面有个容易被忽略的细节——非特异性结合。
我做过一个GREB1蛋白的互作筛选，第一次跑出来200多个候选互作蛋白。后来用GFP-only的空白对照一过滤，发现其中130个是非特异性结合。说白了，如果你不做严格的对照和背景扣除，得到的互作网络就是一团噪声。
常用的背景扣除策略：
- SAINTexpress：基于概率模型的打分，需要对照样本
- CompPASS：基于加权互作频率，适用于多次重复
- MIST：综合置信度评分，适合大规模AP-MS数据
1.3.3 翻译后修饰组学（PTMomics）
这算是蛋白质组学里最「烧钱」也最「烧脑」的方向。磷酸化、乙酰化、泛素化、糖基化……每种修饰都有专门的富集方法。
我踩过最大的坑是磷酸化肽段富集时的pH控制。TiO2富集法在pH 2~3时结合效率最高，但有一次我配的loading buffer pH偏到了4.5，结果富集效率直接掉了一半。嗯，从那以后我每次都会用pH计校准，不再相信试纸了。
避坑指南：我曾经在一个大规模磷酸化组学项目中，为了赶进度同时处理了96个样本的TiO2富集。结果因为洗脱步骤的乙腈浓度没控制好，导致批间变异系数高达40%。后来我改成每批最多32个样本，并在每批之间插入一个标准肽段混合物做归一化，CV才降到15%以下。
1.4 技术路线选择的决策思路
你可能要问：这么多路线，我到底选哪个？
我个人的决策框架是这样的：
| 你的研究问题 | 推荐技术路线 | 预算参考（$/样本） |
|---|---|---|
| 发现新的生物标志物 | DIA 无标记定量 | 200~400 |
| 研究信号通路调控 | 磷酸化组学 + TMT定量 | 500~800 |
| 寻找蛋白互作伙伴 | AP-MS + SAINT打分 | 300~600 |
| 验证特定蛋白的修饰变化 | PRM/MRM靶向定量 | 150~300 |
| 大规模队列筛查 | 高流速DIA + 自动化前处理 | 100~200 |
说实话，没有「最好」的技术路线，只有「最合适」的。我见过有人在发现阶段就用PRM做全蛋白组定量，结果又贵又慢；也见过有人用DIA做互作验证，结果假阳性率居高不下。关键还是想清楚你的科学问题到底是什么。
我的建议：如果你刚开始接触蛋白质组学，从DIA无标记定量入手是最稳妥的。数据量适中，软件生态成熟，后续做差异分析、富集分析、甚至简单的机器学习建模都有现成工具。等你跑通一个完整的分析流程后，再根据需要往PTM或互作方向延伸。
好了，这一章关于蛋白质组学的基本概念、研究目标和技术路线就讲到这里。记住一句话：蛋白质组学不是「看蛋白」，而是「理解蛋白在做什么、和谁做、怎么做」。后面我们会一步步深入模型训练和评估指标的具体内容——确保你拿到数据后，能真正用起来。