单细胞蛋白基因组学，向精准医疗又迈进一步

基因组学告诉我们哪些细胞表达基因，但没有告诉我们这个基因是否已翻译成蛋白质，而蛋白质组学只告诉我们蛋白质存在与否。对于我们想了解的基因与蛋白之间的关系，两种方法都没有告诉我们，但蛋白基因组学（proteogenomics）却可以做到。

蛋白基因组学是一种多组学分析体系，旨在将基因组、转录组和蛋白质组的数据整合起来。然而，样本量一直是组学研究中长期存在的问题，也成为多组学分析的限制条件。美国临床蛋白质组肿瘤分析联盟（Clinical Proteomic Tumor Analysis Consortium）建议从100 mg的样本开始，但穿刺活检通常只能获得20 mg。

由贝勒医学院Matthew Ellis领导的研究小组近日报告了一种样本制备方法，能够降低蛋白基因组学分析中对材料的要求，从手术切除材料降低至穿刺活检材料。Ellis表示：“尽管测序能够检测到体细胞突变，但我们不一定了解它们对下游蛋白质的影响。”

Ellis博士的研究重点是对细针穿刺样本进行多组学分析，从而将蛋白基因组学广泛地应用于基础研究和精准医疗。

单细胞蛋白基因组学

肿瘤样本的总体分析只提供了整个样本中目的基因或蛋白的平均值。单细胞蛋白基因组学（scPG）则可以根据特定的基因组或蛋白质组标志物对细胞进行分组。因此，它可以揭示基因与蛋白之间的新关系，包括基因沉默、过度激活、肿瘤逃逸机制，以及其他一些对治疗癌症很重要的关系。

新加坡Proteona公司的CEO Andreas Schmidt博士称，若要在常规的癌症诊断和治疗中采用蛋白基因组学，则需要采用可靠且重现性好的单细胞方法。“70%的癌症药物最终失败，原因是多种多样的，但肿瘤异质性是根本原因。肿瘤中存在多个失调的亚克隆，其中任何一个都可能导致复发。”

Proteona的专长是对付多发性骨髓瘤，顾名思义，这种疾病源于几个不同的癌症谱系。“你需要一种治疗手段，将所有有问题的细胞都杀死。如果只能杀死90%的细胞，那么幸存下来的细胞将具有竞争优势，并且肿瘤会变得更强大，”Schmidt博士说。

《Nature Methods》杂志在2013年将单细胞测序评为“年度方法”。此后，归功于PCR等扩增方法，单细胞基因组学技术有了很大进步。2018年，随着全球数百个科研和商业机构陆续开展单细胞RNA-seq研究，《Science》杂志又将其评为“年度突破”。

就蛋白质组学而言，因没有类似的扩增技术，它要在最低检测限和总体可靠性上赶上基因组学，还需要一段时间，但它已经在尽力追赶。如今，人们已经能够从单个细胞中获得可靠的多组学结果。因此，单细胞多组学技术在2019年被《Nature Methods》杂志评为“年度方法”。

无论是单细胞分析还是大量组织分析，蛋白基因组学都比任何一种单独的方法提供了更全面的细胞活性图谱，实现了“1+1>2”。通过蛋白基因组学数据，人们可以了解细胞最终命运以及它对药物的反应，因此他们希望将单细胞蛋白基因组学作为个性化诊断和预后的平台。

ESCAPE多组学分析平台

Proteona公司的ESCAPE（Enhanced Single Cell Analysis with Protein Expression）平台可以实时查询蛋白质组和基因组信息。它利用带DNA条形码的抗体来定量70多个蛋白质组标志物，同时测定同一细胞中的所有mRNA。基于人工智能的算法可以根据基因组和蛋白质组内容对细胞进行分层，从而发现许多与肿瘤进展或复发相关的独特细胞群。ESCAPE还会查询数据库，以确定哪些数据库能够提供特定细胞的信息。

“结合相同细胞组分中的mRNA，您可以鉴定手头没有抗体的蛋白。您甚至可以通过mRNA来寻找肿瘤逃逸机制，如表面标志物的抑制，”Schmidt解释说。每个实验通常检测4,000个mRNA和70个相关蛋白。

ESCAPE选择治疗方法的依据不是总体诊断结果（比如乳腺癌），而是从肿瘤中采集的每个细胞的蛋白质组内容。Schmidt解释说：“它询问我们是否见过这个细胞，是否有已知药物靶向它，然后针对下一个细胞提出同样的问题。”它的算法对每种独特的基因/蛋白组合进行分类，并提出一种已知的药物或组合，以便尽可能多地消除问题细胞。

多发性骨髓瘤是ESCAPE平台的最佳试验场，因为它涉及到多种细胞，可以采用多种疗法，但长期疗效并不好。目前，医生可以选择的疗法包括骨髓移植、10种靶向疗法，以及大约20种药物组合。Schmidt博士认为与其说是科学，不如说是艺术。

通常而言，组学分析（尤其是多组学平台）的一个主要问题是如何处理大量的数据。Schmidt认为，“手动”注释一项单细胞研究的结果可能需要占用科学家大部分的时间。Proteona利用人工智能来理解基因组和蛋白质组数据。

蛋白基因组学将走向何方？

最终，蛋白基因组学是否能够带来人们负担得起的精准医疗，这是人们想了解的问题。现在看来，单细胞蛋白基因组学对于常规诊断来说太昂贵了，可能还要等待一段时间。

Schmidt指出，测序费用已经大幅下降，并将继续下降。此外，当开发人员将实验室分析应用于诊断时，感兴趣的分子将减少到可管理的数量，对于蛋白质组学和基因组学来说都是如此。因此，采用单细胞蛋白基因组学作为诊断方法的第一步是在高影响力的疾病中验证此方法，也就是那些治疗费用昂贵、危及生命的疾病。

就目前而言，癌症就属于这一类的范畴，特别是那些仅靠蛋白质组学或基因组学无法改善现有护理标准的肿瘤，或者是现有处方药特别昂贵的癌症。

Proteona的首席科学家Jonathan Scolnick解释说：“我们经常看到基因表达与蛋白质表达的组合，表明两种检测都需要。在某些情况下，肿瘤细胞中编码药物靶点的基因达不到检测水平。以多发性骨髓瘤为例，其浆细胞表达CD38蛋白，但CD38基因水平却无法检测。又比如，我们清晰地检测到BCMA RNA，却又无法检测BCMA表面蛋白。这是因为γ分泌酶切割了细胞表面的BCMA蛋白，因此建议用γ分泌酶抑制剂进行治疗。这些药物具有副作用，所以只能开给真正受益的人。”

质谱：将基因组学与蛋白质组学相整合

极少量样本的蛋白基因组学也许无法立即实现，但基于质谱的蛋白质组学在灵敏度和特异性方面已有了很大提升。赛默飞世尔精准医疗科学中心的主管Emily Chen表示：“MS提供的信息不仅仅是蛋白质序列。”通过MS对天然肽段、翻译后修饰（PTM）和蛋白质变体进行鉴定，能够缩小基因组学与蛋白质组学之间的差距。

传统的生化分析采用一种有偏倚的方法来鉴定蛋白，每个感兴趣的分子都需要特异性试剂，比如抗体。相反，质谱分析是依靠分子量，而不是亲和力。它甚至能对低丰度蛋白及其片段进行准确测序，从而轻松区分天然和翻译后修饰的肽段。

高分辨率质谱技术的出现，让蛋白基因组学对样本的要求大大降低。这为基于分子的诊断、预后和药物筛选创造了可能。“在处理患者的样本时可不能从头来过。因此，使用的设备和方法必须灵敏且精确，才能产生高度准确的数据，”Chen谈道。“我们还开发了先进的生物信息学流程来整合和观察蛋白基因组学的数据。”这些现代技术提供了健康或患病个体的分子图谱，让我们向精准医疗又迈进了一步。（生物通 薄荷）