[编辑本段]蛋白质组学的研究内容
主要有两方面，一是结构蛋白质组学，二是功能蛋白质组学。其研究前沿大致分为三个方面：
① 针对有关基因组或转录组数据库的生物体或组织细胞，建立其蛋白质组或亚蛋白质组及其蛋白质组连锁群，即组成性蛋白质组学。
② 以重要生命过程或人类重大疾病为对象，进行重要生理病理体系或过程的局部蛋白质组或比较蛋白质组学。
③ 通过多种先进技术研究蛋白质之间的相互作用，绘制某个体系的蛋白，即相互作用蛋白质组学，又称为“细胞图谱”蛋白质组学。
此外，随着蛋白质组学研究的深入，又出现了一些新的研究方向，如亚细胞蛋白质组学、定量蛋白质组学等。
[编辑本段]蛋白质组学研究中的主要技术
1 双向凝胶电泳技术(2-DE)
双向凝胶电泳技术与质谱技术是目前应用最为广泛的研究蛋白质组学的方法。双向凝胶电泳技术利用蛋白质的等电点和分子量差别将各种蛋白质区分开来。虽然二维凝胶电泳难以辨别低丰度蛋白，对操作要求也较高，但其通量高、分辨率和重复性好以及可与质谱联用的特点，使其成为目前最流行、可靠的蛋白质组研究手段。双向凝胶电泳技术及质谱基础的蛋白质组学研究程序为样品制备→等电聚焦→聚丙烯酰胺凝胶电泳→凝胶染色→挖取感兴趣的蛋白质点→胶内酶切→质谱分析确定肽指纹图谱或部分氨基酸序列→利用数据库确定蛋白。蛋白质组研究要求有高分辨率的蛋白质分离及准确、灵敏的质谱鉴定技术。凝胶电泳中蛋白质的着色不仅影响蛋白质分离的分辨率，同时也影响后续的质谱鉴定。蛋白质的染色可分为有机试剂染色、银染、荧光染色及同位素显色四类。
Unlu 等提出了一种荧光差异显示双向电泳(F-2D-DIGE)的定量蛋白质组学分析方法。差异凝胶电泳(DIGE)是对2-DE 在技术上的改进，结合了多重荧光分析的方法，在同一块胶上共同分离多个分别由不同荧光标记的样品，并第一次引入了内标的概念。两种样品中的蛋白质采用不同的荧光标记后混合，进行2-DE，用来检测蛋白质在两种样品中表达情况，极大地提高了结果的准确性、可靠性和可重复性。在DIGE技术中，每个蛋白点都有它自己的内标，并且软件可全自动根据每个蛋白点的内标对其表达量进行校准，保证所检测到的蛋白丰度变化是真实的。DIGE 技术已经在各种样品中得到应用。
2 高效液相色谱技术(HPLC)
尽管二维凝胶电泳（2-DE）是目前常用的对全蛋白组的分析方法，但其存在分离能力有限、存在歧视效应、操作程序复杂等缺陷。对于分析动态范围大、低丰度以及疏水性蛋白质的研究往往很难得到满意的结果。Chong 等使用HPLC/ 质谱比较分析恶性肿瘤前和癌症两种蛋白质差异表达。利用HPLC 分离蛋白质，并用MALDI-TOF-MS 鉴定收集的组分，从而在两种细胞中的差异表达中对蛋白质进行定量分析。多维液相色谱作为一种新型分离技术，不存在相对分子质量和等电点的限制，通过不同模式的组合，消除了二维凝胶电泳的歧视效应，具有峰容量高、便于自动化等特点。二维离子交换- 反相色谱(2D-IEC-RPLC)是蛋白质组学研究中最常用的多维液相色谱分离系统。
3 表面增强激光解吸离子化飞行时间质谱(SEL-DI)技术
表面增强激光解吸离子化飞行时间质谱技术于2002 年由诺贝尔化学奖得主田中发明，刚刚产生便引起学术界的高度重视。SELDI 技术是目前蛋白质组学研究中比较理想的技术平台，其全称是表面增强激光解吸电离飞行时间质谱技术(SELDI-tof)。其方法主要如下：通常情况下将样品经过简单的预处理后直接滴加到表面经过特殊修饰的芯片上，既可比较两个样品之间的差异蛋白，也可获得样品的蛋白质总览。因此，在应用方面具有显著优势。SELDI 技术分析的样品不需用液相色谱或气相色谱预先纯化，因此可用于分析复杂的生物样品。SELDI 技术可以分析疏水性蛋白质，PI 过高或过低的蛋白质以及低分子质量的蛋白质( <25 000) ，还可以发现在未经处理的样品中许多被掩盖的低浓度蛋白质，增加发现生物标志物的机会。SELDI 技术只需少量样品，在较短时间内就可以得到结果，且试验重复性好，适合临床诊断及大规模筛选与疾病相关的生物标志物，特别是它可直接检测不经处理的尿液、血液、脑脊液、关节腔滑液、支气管洗出液、细胞裂解液和各种分泌物等， 从而可检测到样品中目标蛋白质的分子量、PI、糖基化位点、磷酸化位点等参数。
4 同位素标记亲和标签(ICAT)技术
同位素亲和标签技术是近年发展起来的一种用于蛋白质分离分析技术，此技术目前是蛋白质组研究技术中的核心技术之一。该技术用具有不同质量的同位素亲和标签( ICATs) 标记处于不同状态下的细胞中的半胱氨酸，利用串联质谱技术，对混合的样品进行质谱分析。来自两个样品中的同一类蛋白质会形成易于辨识比较的两个不同的峰形，能非常准确的比较出两份样品蛋白质表达水平的不同。ICAT 的好处在于它可以对混合样品直接测试；能够快速定性和定量鉴定低丰度蛋白质，尤其是膜蛋白等疏水性蛋白等；还可以快速找出重要功能蛋白质。
由于采用了一种全新的ICAT 试剂，同时结合了液相色谱和串联质谱，因此不但明显弥补了双向电泳技术的不足，同时还使高通量、自动化蛋白质组分析更趋简单、准确和快速，代表着蛋白质组分析技术的主要发展方向。针对磷酸化蛋白分析以及与固相技术相结合ICAT 技术本身又取得了许多有意义的进展，已形成ICA T 系列技术。用具有不同质量的同位素亲和标签( ICATs) 标记处于不同状态下的细胞中的半胱氨酸，利用串联质谱技术，可对混合的样品进行质谱分析。
5 生物信息学
近年来，生物信息学在生命科学研究中起着越来越重要的作用。利用生物信息学对蛋白质组的各种数据进行处理和分析，也是蛋白质组研究的重要内容。生物信息学是蛋白质组学研究中不可缺少的一部分。生物信息学的发展，已不仅是单纯的对基因组、蛋白质组数据的分析，而且可以对已知的或新的基因产物进行全面分析。在蛋白质组数据库中储存了有机体、组织或细胞所表达的全部蛋白质信息，通过用鼠标点击双向凝胶电泳图谱上的蛋白质点就可获得
如蛋白质鉴定结果、蛋白质的亚细胞定位、蛋白质在不同条件下的表达水平等信息。目前应用最普遍的数据库是NRDB 和dbEST 数据库。NRDB 由SWISS2PROT 和GENPETP 等几个数据库组成，dbEST是由美国国家生物技术信息中心（NCBI）和 欧洲生物信息学研究所(EBI)共同编辑的核酸数据库；计算机分析软件主要有蛋白质双向电泳图谱分析软件、蛋白质鉴定软件、蛋白质结构和功能预测软件等。
说明：此篇笔记系2016-2017年由克里克学院与康昱盛主办的蛋白质组学网络大课堂整理而成，侵删。该课程由复旦大学生物医学研究院（IBS）的刘晓慧博士所授。
我们通过上一篇笔记里介绍的各种方法把蛋白质提取出来以后，这事儿还没完，因为我们需要对提取出来的蛋白进行一下质控，以确认是否成功提取出了足够的蛋白，是否有污染等。
如上图，质量控制分两个部分：
含量测定 ：检测是否有充足的蛋白被提取出。注意上图里提到的不兼容问题，如果你样品里加过SDS，就不要用Bradford法来测定蛋白浓度，而可以选用BCA方法；反之，如果你样品里加入了还原剂，就不要用BCA方法来测定蛋白，可以选用Bradford法。
SDS-PAGE ：检测蛋白的提取效率，以及是否有污染。比如我们上了50个样，能看到的条带却很少，说明定量不准确。如果想从几组样品中寻找差异蛋白，特别需要做一次SDS-PAGE检测同类样品蛋白的提取效率。
以上图为例，0号样品中间的条带不见了，可能是提取蛋白不充分引起的差异，也可能是样品本身的差异。我们可以重新提取一次，先排除是否是提取造成的差异；如果是样品本身的差异，建议用label free的方法，每个样品单独做定量，而不要用iTRAQ或TMT标记定量，否则会因为中间这个高丰度蛋白的影响，而导致定量不准。
我们再看来几种常见的问题，以及解决方法，如下图：
情况1：提取出来的结果差异很大。这种情况需要重新提取，以检测到底是提取不充分造成的差异，还是样品本身的差异；
情况2：左边是分子量marker,右边是实际样品，可以看到实际样品的条带很少，可能是提取不充分，需要重设提取参数，使用更剧烈的条件，更长的时间，重新提取；
情况3：横纹、纵纹比较多，很可能是核酸或脂蛋白的影响，这种情况需要进行脱盐处理，也就是利用脱盐柱与肽段结合，而与其它物质不结合，从而达到去除污染的目的。
情况4：两个条带很类似，但一条明显比另一条淡。可能造成这种情况的原因有哪些呢？第一种情况，由于这是同样类型的样品，比如都是小鼠肌肉组织，一个样品的蛋白质抽提充分，而另外一个样品蛋白抽提不充分，就会导致两条带不一样，这种情况下需要重新抽提。还有一种可能，考虑到是等量上样跑的SDS-PAGE，如果两个条带显示出的蛋白含量差别很大，则可能因为参考的含量测定结果不准确引起的，这时候需要重新定量。
蛋白提取后，还需要做脱盐处理，我们来看看可以用哪些方法实现。
超滤： 可以截留10kDa及以上的蛋白分子，适用于体积较小的样品。操作步骤可以是，从100μL超滤浓缩到40μL，再加缓冲液至100μL，再超滤到40μL，反复几次。事实上，超滤是很难把污染（比如SDS）完全去掉的，最终仍然会有极少量的污染物存在，但当这些污染物的浓度降到一定程度时，则样品的纯净度我们认为是可以接受的了。
透析 ：也是可以截留10kDa及以上的蛋白分子，适用于体积比较大的样品，比如尿液，可以将盐透析至外面的透析液里。
丙醇沉淀 ：-20℃丙酮（V 样品 ：V 冷丙酮 =1：3以上）沉淀2个小时以上。
C18色谱柱脱盐法 ：Waters公司生产的XBridge C18色谱柱，利用柱子上的填料与蛋白结合，而盐类物质则流穿过去，从而达到分离的目的。
脱盐完成以后，接下来我们就要进行相当重要的一步：还原烷基化及酶解。整个流程，大伙儿看下面这张图：
这里面有两件事要先跟大伙儿聊聊。
首先，我们来说说为什么步骤里要把丙酮沉淀放在烷基化以后。通过之前的学习，我们知道丙酮可以溶解样品的去污剂、还原剂等，而蛋白是不会在丙酮中溶解的，而是会沉淀下来，这样就达到了去除杂质的目的。
烷基化以后，球状蛋白变成链状，再通过丙酮沉淀去掉尿素或SDS等污染物，然后复溶（即重新溶解，以备下一步酶解操作），那么链状的蛋白比球状蛋白的复溶效果会更好，可以避免因为复溶不充分而造成的损失。因此，丙酮沉淀要放在烷基化之后再做。
另外，关于酶切这一步，有些抗体如果只用胰酶进行酶切，由于酶切位点太少，导致切出来的肽段太长，不便于质谱检测。这种情况下可以结合其它酶，比如Lys-C，进行多酶酶切，使肽段变得短一些。经过测试我们发现，用Lys-C+胰酶酶切，比只用胰酶酶切，可以提高10%-20%的鉴定率。
酶解需要在buffer体系下完成，比如25mM碳酸氢铵体系（易挥发，pH 7-8）最为常用，或者也可以使用TEAB（ triethyl ammonium bicarbonate，三乙基二乙胺盐，10-100mM）。
酶的用量可以参考以下的公式：
W（酶）：W（底物）=1:20 – 1:50
此外，需要注意的是胰酶酶解的兼容性问题。胰酶只能耐受最多1M的尿素，且不能与SDS同时使用。
前面提过，质谱仪是一种离子饱和性仪器，高丰度蛋白的存在会对低丰度蛋白的信号产生抑制，并且质谱仪反应也需要一定的时间。例如，人的细胞内通常会表达20300种蛋白，它们酶解后，每种蛋白会产生10-20种肽段，那么就有几十万种肽段，质谱很难同时检测到这么多种肽段。所以对肽段混合物进行分级，可以降低检测的难度，得到更多的肽段/蛋白鉴定结果。
我们既可以从蛋白水平进行分离，也可以从肽段水平进行分离，还可以将多种分离手段结合起来。从蛋白水平的分离，大家都比较熟悉吧？通常我们用SDS-PAGE或IEF等技术，利用蛋白质的分子量、形状、等电点等理化性质的不同，将混合在一起的蛋白质分开。
第二种分离方案是在肽段水平上进行，根据肽段的不同性质，使用不同填料进行分离。
SCX（Strong Cation Exchange）：是以硅胶为基质的强阳离子交换柱，可以与阳离子结合，并通过buffer进行离子交换，将阳离子分离和洗脱出来，达到与其它不带阳离子的肽段分离的目的。
SAX（Strong Anion Exchange）：硅胶键合季铵基团的强阴离子交换柱，可以与阴离子结合，并通过buffer进行离子交换，将阴离子分离和洗脱出来，达到与其它不带阴离子的肽段分离的目的。
RPLC（Reverse Phase Liquid Chromatography）：反相液相色谱柱，与正相柱在表面键合极性官能团不同，反相柱的表面键合的是非极性的官能团，例如，键合十八烷基官能团，称为C18柱，其它常用的还有C8，C4和C2等。这里我们选用C18柱，根据肽段疏水性的不同，达到分离的目的。
HILIC（Hydrophilic interaction liquid chromatography ）：亲水色谱柱可以用来分离极性化合物。由于强极性肽段在反相色谱柱中保留情况都比较差，很难将它们分开，而亲水色谱柱却可以用来固定强极性的肽段，并结合高比例有机相与低比例水相组成的流动相，来实现分离的目的，且这样的流动相组成尤其有利于提高电喷雾离子化质谱（ESI-MS）的灵敏度。
High pH - Low pH RPLC：用pH10的液相条件，结合pH2的RPLC酸性条件，进行分离。
多维分离：例如，先从蛋白水平进行分离，再从肽段水平进行分离，或者多种肽段水平的分级分离结合起来使用。接下来我们重点聊一下各种多维分离的策略和效果。
我们先来看看上面这张图。左上角的“A图“展示的是通过High pH - Low pH RPLC将样品分成了40个馏分，然后进行叉开的合并，合并为20个馏分，这样的合并可以让样品中的肽段分布更加均匀。
右上角的”B图”展示的是通过SDS-PAGE进行分离，也分成20个馏分，然后用两种合并方案，分别合并为5个馏分和6个馏分，这样做的目的也是为了让样品的肽段分布更加均匀。
左下角的“C图”针对同一种样品，对High/Low pH RPLC和SDS-PAGE两种分离策略进行了比较，发现经过两种分离方法后，有5408个蛋白是都可以鉴定到的，另外有1951种蛋白是只在High/Low pH RPLC分离策略中鉴定到的，而用SDS-PAGE分离，则可以鉴定到其它389种蛋白。从这个图上看，两种方法有互补性。
右下角的四幅小图说明，当我们在做分级分离时，分的级别越多，能鉴定到的蛋白也就越多。不过这种增长并不是呈线性关系的，分级的级数达到一定程度时，能鉴定到的蛋白数量的增长就会饱和。所以比较省时省力又能保证效果的做法时，选择一个合适的分级数即可。
我们来看一下目前发表的文献里，利用多级分离所能鉴定到的蛋白数量。
就像前面说到的，对蛋白及多肽分离的级数越多，能鉴定到的蛋白也就越多，但常常因为机时的限制，再加上这种变化趋势到一定程度总会饱和，所以我们通常有个权衡。比如常规的分10个馏分，基本上可以鉴定到5000-8000个蛋白。如果是血清样品，可以馏分更多一些，尤其是RPLC一维，如果分到40或60个馏分，再合并为10或20个馏分，比直接分成10个或20个馏分能鉴定到的蛋白要多30%左右！
样品前处理的各个步骤就介绍到这，下篇将继续分享样品前处理的最新方法与进展
孟德尔随机化（Mendelian randomization,MR）是以孟德尔独立分配定律为基础进行流行病学研究设计和数据分析，论证病因假说的一种方法。由基因型决定中间表型（暴露）的差异， 因果方向明确。通过引入一个称之为工具变量的中间变量，来分析暴露因素和结局之间的因果关系
2.孟德尔随机化 vs RCT
孟德尔随机化的目的不是估计遗传效应的大小，而是估计暴露对结果的因果效应，所以与遗传变异相关的结局的平均变化幅度可能与干预措施导致的变化幅度不同
即使遗传变异与结果之间的关联程度很小，暴露的人群归因风险也不一定很低，因为暴露可能会比遗传变异解释更大的变化程度（例如，他汀类药物对低密度脂蛋白胆固醇水平的影响比低密度脂蛋白胆固醇水平与HMGCR基因变异的关联要大几倍，因此对后续结果的影响更大。）
孟德尔随机化要求大样本研究，变异发生率不能太小（最小等位基因频率MAF>5%)
3.工具变量
工具变量本身是一个计量经济学的概念，在孟德尔随机中，遗传变异被用作工具变量评估暴露对结局的因果效应，遗传变异满足工具变量的基本条件总结为(孟德尔随机化核心假设)：
关联性假设——遗传变异与暴露有关
独立性假设——该遗传变异与暴露-结果关联的任何混杂因素均不相关
排他性假设——该遗传变异不会影响结果，除非可能通过与暴露的关联来实现
某研究组想了解非洲村落里的儿童补充维生素A和其死亡情况的关联，如果仅仅利用维生素A的服用情况和死亡情况去判断两者的关联，那极有可能会产生很大的偏倚，这是因为维生素A的服用情况和很多潜在因素相关，比如家庭的经济困难程度、家庭成员以及实验儿童的依从性，而这些潜在的因素也可能对儿童的身体健康有很大的影响。因此，在研究起始设计中，研究者便利用工具变量来解决这个问题。
在这里，工具变量Z是指服用维生素A这个任务，类似于随机抽签。这样的话工具变量Z便只和X服用维生素A这个行为相关，与除X以外的混杂因素不相关。
4.应用范围
行为因素与健康：基因变异引起各个倾向某行为，决定暴露状态。如ALDH2变异引起乙醛代谢障碍，改变饮酒行为，不同ALDH基因型代表饮酒量多少；
机体代谢产物与疾病关系，估计长期效应。代谢产物是基因表达的中间表型，酶的底物或者体外难测量的代谢指标：如LDL受体基因变异引起家族高胆固醇血症，比较不同基因型之间CHD发病情况的差异，可模拟血胆固醇水平和CHD发病关系；
子宫内环境暴露于子代健康关系。
5.发文分析
孟德尔随机化研究均发表在影响因子5分以上的期刊中
6.基础分析流程——TwoSampleMR
找工具变量，我们要的是基因作为工具变量，这些基因都是从别人的研究中挑出来的，所有的基因研究有个专门的库叫做genome wide association studies (GWAS)。我们需要做的就是从这个库中挑出来我们自己需要的和我们暴露相关的基因变量SNPs。
估计工具变量对结局的作用，工具变量对结局的作用也是从所有的研究中估计出来的整体效应，这样可以拒绝单个研究的偏倚。
合并多个SNP的效应量，这个效应量是我们得到暴露和结局因果效应的前提。
处理数据，用合并后的数据进行孟德尔随机化分析和相应的敏感性分析。
7.TwoSampleMR代码实现
安装相关R包
install.packages('devtools')
library('devtools')
install_github("MRCIEU/TwoSampleMR") #安装TwoSampleMR包
library('TwoSampleMR')
devtools::install_github("mrcieu/ieugwasr",force = TRUE)
获取MR base的表型ID，将结果保存为pheno_info.csv这个文件
ao <-available_outcomes(access_token=NULL) #获取GWAS数据，但近期Google限制，容易被墙
write.csv(ao,'pheno_info.csv',row.names=F）#将数据写入本地存储
查看pheno_info.csv文件，获取与暴露相关的工具变量的信息以及结局信息。这里选择暴露为obesity class 2 （ID = 91）， 结局为 type 2 diabetes (ID = 1090)
exp_dat <- extract_instruments(outcomes=91,access_token=NULL)
obesity_exp_dat <- clump_data(exp_dat)
t2d_out_dat <- extract_outcome_data(snps=obesity_exp_dat$SNP, outcomes=1090, access_token=NULL)#提取结果信息
dat <- harmonise_data(exposure_dat =obesity_exp_dat, outcome_dat= t2d_out_dat)#数据合并，计算基因对结局的合并效应量
孟德尔随机化
results <- mr(dat)
OR值
OR <- generate_odds_ratios(results)
异质性检验
heterogeneity<- mr_heterogeneity(dat)
多效性检验
pleiotropy<- mr_pleiotropy_test(dat)
逐个剔除检验
leaveoneout<- mr_leaveoneout(dat)
散点图
mr_scatter_plot(results,dat)
森林图
results_single<- mr_singlesnp(dat)
mr_forest_plot(results_single)
漏斗图
mr_funnel_plot(results_single)
实例解析
2022年10月10日
西安交通大学生物医学信息与基因组学中心杨铁林教授团队在Nature Neuroscience （IF=28.771）期刊发表了题为：Mendelian randomization analyses support causal relationships between brain imaging-derived phenotypes and risk of psychiatric disorders 的文章。
研究背景
精神类疾病是一组脑功能紊乱的复杂疾病，会导致情感、认知和行为受到干扰和破坏。全球约有数亿人患有不同的精神障碍，被列为严重的公共卫生问题。近年来，脑影像学数据在脑疾病和功能的研究中受到广泛关注。以核磁共振成像为代表的脑影像技术，可用于活体无创定量评估人脑结构、连接和功能的特性。
虽然已有大量的观察性研究证据表明，精神疾病患者与健康正常人的脑影像表型存在显著差异，但脑影像学数据与精神障碍发病机制的因果关系尚不明确，探讨脑影像表型对精神疾病的因果作用具有重要的生物学和临床研究意义。
研究方法和结果
该研究基于大规模基因组数据，对常见的10种精神类疾病（包括注意力缺陷多动症、神经性厌食症、焦虑症、孤独症、双相情感障碍、抑郁症、强迫症、创伤后应激障碍、精神分裂症、抽动症）和587个关键的脑磁共振成像（MRI）结构表型进行了因果关系评估。
正向孟德尔随机化结果发现，脑白质纤维束的上额枕束的FA值和上放射冠的ICVF值、胼胝体内矢状层的MD值、第三脑室的体积等9个脑影像表型是精神分裂症、神经性厌食症和双相情感障碍的风险因素。进一步通过反向孟德尔随机化分析显示，发现精神分裂症的发生会导致额下回眶部的表面积和体积的增加。
该研究将基因组信息作为纽带，使脑影像表型和精神疾病联系起来，避免了观察性研究中由于药物或环境、生活方式等改变引起的样本检测数据偏差的缺点，确保了研究结果的稳健性。
