精准诊断疾病标志物破解健康悬梁之剑

要让癌症分型更精准，仅有测序是不够的。蛋白基因组学(Proteogenomics)，就是通过基因组学、转录组学和蛋白质组学的整合，在蛋白质水平上和后修饰层面上对癌症分型，发现与验证肿瘤相关基因突变、表达量变化、所调控的下游分子等，为基因组提供了更接近表型的验证和解释，为癌症早期发现、良恶性诊断、分型和个性化用药、疗效监测和预后判断。年初，奥巴马提出精准医学计划，意在大规模测定癌症病人的全基因组，获得大数据，挖掘癌症驱动基因，实现个性化精准用药，解决癌症对人类的威胁。年初，拜登的癌症登月计划（CancerMoonshot）使精准医学计划正式落地。精准医学很快红遍全球，在世界各地、在国内也迅速催生出大量的聚焦精准医疗的创业公司。基因检测是目前癌症精准分型与精准用药的主要方法。但是，基因与生命活动的最终执行者——蛋白质之间仍然存在较大差异，难以直接反映生命变化。中心法则告诉我们，基因水平信息反映的是疾病发生的概率（即可能性），而蛋白质作为生命活动的最终执行者，其状态的改变更为直接地反映了疾病的发生、发展状况。相比于基因来说，蛋白质更适合作为一种动态指标，精准地发现与诊断疾病。因此，精准医学离不开蛋白质组学。蛋白质解析速度的飞跃

是的，蛋白质研究受限于技术手段，比核酸困难太多。纯化，扩增，测序，对核酸来说都不是问题，特别是新一代测序技术的突飞猛进，成为助飞当今精准医学热的最大动力。但，这些对于蛋白质来说都是难题。今时今日，蛋白质解析速度是否也有突破，一如当年的基因组研究？有。年，人类全蛋白质组草图绘制完成，这是继人类基因组计划后的第二个生命科学里程碑。时至今日，1个小时即可完成酵母全蛋白质组分析、1天时间即可完成人全蛋白质组的深度覆盖（50%基因产物）分析。这些成果均得益于静电场轨道阱Orbitrap超高分辨质谱技术，基于Orbitrap的蛋白质组已经能够像基因组一样，作为常规分析手段，大规模应用于临床研究与检测。Orbitrap解析速度已达每分钟65种蛋白。蛋白质解析速度的飞跃催生了哪些研究热点？

临床肿瘤蛋白质组分析联盟（CPTAC）与癌症基因组图谱集（TCGA，TheCancerGenomeAtlas）合作，对已完成TCGA基因组分析的肿瘤活检样本再进行在蛋白质组学层面的分析和表征，期望分别在基因组和蛋白质组层面对肿瘤样本进行大规模分析，获得大数据，挖掘癌症机理，实现真正的精准医学。随之而来了一个新名词——蛋白基因组学(Proteogenomics)。随着第一、第二期肿瘤蛋白质组分析的完成，越来越多的科学家意识到蛋白质组对理解癌症的重要性。联盟宣布进行TCGA肿瘤活检样本蛋白基因组的第三期研究，针对第二期的研究成果开展大规模临床试验，验证蛋白质组和修饰组层面的癌症表征对更快速、更精准地制定治疗方案的指导作用。此外，7个国家和地区（澳大利亚、韩国、中国大陆、中国台湾、瑞士、加拿大、德国）联合宣布加入癌症登月计划，合作开展大规模癌症样本的蛋白质组学研究。年7月，美国退伍军人事务部（VA）、国防部（DoD）、国立癌症研究所（NCI）三部门联合宣布建立第一个同时进行基因和蛋白信息表征的医学系统，将基因组和蛋白质组作为常规检测手段，对癌症病人进行个性化蛋白基因组（Proteogenomics）表征，为更快速、更精准地用药提供指导。该计划第一步将进行个癌症病人的蛋白基因组队列研究（AppliedProteogenomicsOrganizaionaLLearningandOut







































鍖椾含娌荤枟鐧界櫆椋庡尰闄㈠摢瀹舵瘮杈冨ソ
鏃╂湡濡備綍娌荤枟鐧界櫆椋庡ソ