微量蛋白組技術(shù)在探索 FFPE 樣本中的應(yīng)用

導(dǎo)讀
人的記憶會(huì)隨著時(shí)間的進(jìn)展以及年齡的老去逐漸模糊，通常我們會(huì)采用影像及文字等形式留存住值得紀(jì)念的片刻時(shí)光。

在疾病的研究中，為了探索更針對性的個(gè)性化治療方案，疾病進(jìn)展期間和治療期間的“記憶”如何被保存下來？一代又一代的科研工作者們又如何破解開這些“記憶”的密碼，這是非常值得關(guān)注的問題。

醫(yī)生們通常將手術(shù)切下來的樣本制作成福爾馬林固定石蠟包埋組織 FFPE（formalin-fixed paraffin-embedded），用于保存樣本在不同時(shí)期的“記憶”，便于后續(xù)研究。FFPE 樣本是生物醫(yī)學(xué)研究珍貴的“記憶”庫，蘊(yùn)藏了非常多的有價(jià)值的信息。有研究表明 FFPE 樣本中的蛋白質(zhì)能夠在數(shù)十年內(nèi)保持穩(wěn)定，非常適合做蛋白質(zhì)組學(xué)（Proteomics）研究^[1]。
 
石蠟塊切下來的一張 FFPE 切片有多大？

其實(shí)非常小，奇妙的是，規(guī)格5 mm * 5 mm * 5 μm 的一張切片（不到小指甲蓋一半大），鑒定到的蛋白質(zhì)數(shù)量竟然可以達(dá)到數(shù)千個(gè)。這些蛋白參與了疾病的進(jìn)展、調(diào)控通路等，與臨床表型息息相關(guān)。

由于 FFPE 樣本的低微量，使得樣本前處理過程和高通量質(zhì)譜采集變得有難度，基于質(zhì)譜的“FFPE”蛋白質(zhì)組學(xué)具有非常大的挑戰(zhàn)性。

PCT 技術(shù)亮相蛋白質(zhì)組學(xué)領(lǐng)域
2015年，一篇關(guān)于結(jié)合 PCT 壓力循環(huán)技術(shù)應(yīng)用于蛋白質(zhì)組學(xué)的文章發(fā)表在 Nature Medicine 上^[2]，西湖歐米創(chuàng)始人郭天南研究員獨(dú)創(chuàng)的微量蛋白質(zhì)組學(xué)方法得到學(xué)術(shù)界認(rèn)可。自此，在蛋白質(zhì)組學(xué)研究領(lǐng)域，PCT 技術(shù)開始高頻地與“微量”概念綁定。
  PCT方法學(xué)文章解讀：文獻(xiàn)解讀 | Nature Medicine：實(shí)現(xiàn)活檢微量樣本高效、高穩(wěn)定蛋白組學(xué)檢測分析

PCT 技術(shù)是一種專門適用于微量樣本的前處理技術(shù)，通過讓FFPE組織樣本接受“壓力”，從而高效地破碎組織，提取蛋白。

PCT技術(shù)詳解：歐米技術(shù)丨讓蛋白質(zhì)組感受壓力：PCT 如何深度處理微量組織樣本
 

最新方法學(xué)文章詳解：Nature Protocols | 西湖大學(xué)郭天南團(tuán)隊(duì)詳細(xì)報(bào)道低至0.1毫克微量臨床樣本的高通量蛋白質(zhì)組學(xué)制備方法
 

西湖歐米 PCT 微量樣本蛋白質(zhì)組學(xué)優(yōu)勢

（1） 無縫體系：將組織裂解-蛋白質(zhì)提取-酶解消化集成一體，盡可能減少因樣本轉(zhuǎn)移帶來的損失。

（2） 極少樣本量：最低可達(dá) 0.1 mg 組織分析。

（3） 高重現(xiàn)性：每個(gè)步驟精確控制，最大限度地減少技術(shù)誤差，CV＜20%。

（4） 高深度鑒定量：文章數(shù)據(jù)表明，經(jīng)由 PCT 處理的8種臨床腫瘤 FFPE 樣本的蛋白鑒定結(jié)果中位數(shù)可達(dá) 7991。

目前，西湖歐米的微量樣本蛋白質(zhì)組學(xué)服務(wù)項(xiàng)目僅需 2 張 FFPE 切片樣本（規(guī)格：5 mm* 5 mm大小，5μm 厚），對于活檢穿刺樣本，2 針即可，極大地節(jié)約了臨床樣本用量。

基于 FFPE 樣本的蛋白質(zhì)組學(xué)合作案例

2020年，正值新冠疫情嚴(yán)峻時(shí)刻，COVID-19 患者多器官損傷的分子病理學(xué)尚不清楚，研究通過對 7 種不同器官的FFPE樣本進(jìn)行分析，描繪了 COVID-19 尸檢的多器官蛋白質(zhì)組學(xué)景觀，發(fā)現(xiàn) COVID-19 患者的肺部組織蛋白酶 L1 明顯上調(diào)，且在多個(gè)器官中檢測到全身性高炎癥和葡萄糖以及脂肪酸代謝失調(diào)。該研究進(jìn)一步加深了我們對新冠肺炎病理學(xué)生物學(xué)基礎(chǔ)的理解^[4]。
 

往期解讀：Cell報(bào)道丨西湖大學(xué)郭天南等首次揭示新冠患者蛋白質(zhì)分子病理全景圖

2022年9月6日，大隊(duì)列甲狀腺結(jié)節(jié)良惡性評估文章上線 Cell Discovery^[5]，西湖歐米聯(lián)合國內(nèi)外多個(gè)團(tuán)隊(duì)共同合作，對 1724 個(gè)甲狀腺結(jié)節(jié)的石蠟樣本進(jìn)行分析，通過 PCT-DIA 方法采集其蛋白質(zhì)組學(xué)定量表達(dá)數(shù)據(jù)，自主研發(fā)人工智能神經(jīng)網(wǎng)絡(luò)模型，從中篩選出 19 個(gè)特征性蛋白質(zhì)分子，用以判別甲狀腺結(jié)節(jié)的良惡性。
 

2015年精準(zhǔn)醫(yī)療被提出^[6]
期待現(xiàn)在，展望未來。
編譯：江燕
審校：劉晶晶
如有意向，歡迎咨詢
聯(lián)系我們 CONTACT US：
郵箱：service@westlakeomics.com
座機(jī)：0571-86780630
掃描下方二維碼即可添加業(yè)務(wù)咨詢微信

參考文獻(xiàn)：

[1] Coscia F, Doll S, Bech JM, Schweizer L, Mund A, Lengyel E, Lindebjerg J, Madsen GI, Moreira JM, Mann M. A streamlined mass spectrometry-based proteomics workflow for large-scale FFPE tissue analysis. J Pathol. 2020 May;251(1):100-112.

[2] Guo T, Kouvonen P, Koh CC, Gillet LC, Wolski WE, Röst HL, Rosenberger G, Collins BC, Blum LC, Gillessen S, Joerger M, Jochum W, Aebersold R. Rapid mass spectrometric conversion of tissue biopsy samples into permanent quantitative digital proteome maps. Nat Med. 2015 Apr;21(4):407-13.

[3] Cai X, Xue Z, Wu C, Sun R, Qian L, Yue L, Ge W, Yi X, Liu W, Chen C, Gao H, Yu J, Xu L, Zhu Y, Guo T. High-throughput proteomic sample preparation using pressure cycling technology. Nat Protoc. 2022 Oct;17(10):2307-2325.

[4] Nie X, Qian L, Sun R, et al. Multi-organ proteomic landscape of COVID-19 autopsies. Cell. 2021 Feb 4;184(3):775-791.e14.

[5] Sun Y, Selvarajan S, Zang Z, et al. Artificial intelligence defines protein-based classification of thyroid nodules. Cell Discov. 2022 Sep 6;8(1):85.

[6] Collins FS, Varmus H. A new initiative on precision medicine. N Engl J Med. 2015; 372(9):793-5.