受訪者：Alain van Gool，Radboud大學醫(yī)學中心個性化醫(yī)療教授；Hans Wessels，Radboud大學醫(yī)學中心轉(zhuǎn)化代謝實驗室蛋白質(zhì)組學科學家

Alain Van Gool是荷蘭奈梅根大學醫(yī)學中心（Radboud University Medical Center）個性化醫(yī)療教授，其主要職責是管理奈梅根大學的19個技術中心，這些中心涉及生物醫(yī)學科學的多個領域。同時，他還擔任轉(zhuǎn)化代謝實驗室（TML）負責人的職位。TML實驗室擁有研究人員120名，主要從事疾病的代謝基礎研究，將疾病相關分子和代謝產(chǎn)物轉(zhuǎn)化為可用于疾病診斷的生物標志物，質(zhì)譜（MS）是這項工作的不可或缺的一部分。

Van Gool對他的實驗室如何使用MS數(shù)據(jù)進行了解釋：“我們的實驗室專注于遺傳代謝診斷，經(jīng)常涉及遺傳變異，在這種情況下，不是總能確定變異的因果關系。在某些案例中，患者有一定的表型，而我們知道導致這種表型的獨特變異。然而，在許多案例中，存在多種意義不明的變異，很難找到原因。在我們的代謝組學方法中，我們利用對預選代謝產(chǎn)物的MS分析，來闡明先天性代謝缺陷的機制。通過了解特定患者有哪些代謝物發(fā)生了變化，可以將基因組信息與背景因素聯(lián)系起來?！?/span>

Van Gool及其團隊整合MS信息的另一個關鍵領域是糖蛋白質(zhì)組學研究，即通過研究添加到蛋白上的碳水化合物這種翻譯后修飾來研究蛋白，包括在人類健康和疾病中具有重要作用的那些糖蛋白。在這項研究中，Van Gool與奈梅根大學醫(yī)學中心的遺傳學系密切合作?！拔覀兝L制了大量在血液中循環(huán)的糖鏈，對與糖代謝和蛋白質(zhì)糖基化相關的基因變異進行了不同的功能性解讀。這種方法對基因組篩選提供了很好的補充，反之亦然，基因組分析也可指導糖基化分析。我們對正在開發(fā)新型的糖肽分析方法，并對將這種方法用于診斷寄予厚望。”

研究糖蛋白的關鍵是它們在疾病中的可變狀態(tài)——這些蛋白質(zhì)的改變不僅是由于基因突變，往往還因為受到某些感染和疾病的影響。為了研究這些修飾，Van Gool及其同事們試圖優(yōu)化他們的分析，以獲得在完整蛋白質(zhì)水平的視角，Van Gool解釋說，經(jīng)典蛋白組學方法是將蛋白酶解為小塊的肽段進行分析，在完整蛋白水平的分析方法則優(yōu)于經(jīng)典的蛋白組學方法?！巴ㄟ^使用免疫方法或基于肽段的MS方法分析一個表位或某個蛋白質(zhì)，并不能揭示這種‘糖蛋白’的復雜性，”Van Gool表示：“我們利用這一附加層面的分析來更好地理解生物學功能，并開發(fā)出更好的和更具代表性的蛋白質(zhì)診斷工具?！?/span>

他列舉了一個2014年研究的實例，他的團隊在其中開發(fā)了一種針對影響糖基化的先天性疾病的診斷分析方法。在這種疾病中，將碳水化合物分子連接到糖蛋白的糖基化過程存在缺陷。為了實現(xiàn)診斷分析目標，他們研究了在一種叫做轉(zhuǎn)鐵蛋白的蛋白質(zhì)，此蛋白上有兩個不同的糖基化位點，同時對這兩個位點的分析才能起到疾病生物標志物的作用。Van Gool指出，如果不在完整蛋白水平進行分析，就無法同時測量這兩個位點，也無法進行診斷分析。

Van Gool的研究顯示了現(xiàn)代蛋白質(zhì)組學的威力，但挑戰(zhàn)仍然存在。他強調(diào)說，分析MS數(shù)據(jù)的過程是他的團隊想要克服的一個關鍵障礙。“現(xiàn)在，數(shù)據(jù)分析成為一個日益重要的問題，MS儀器生成的數(shù)據(jù)具有越來越高的分辨率和覆蓋范圍，揭示出更多有關生物樣本復雜性的信息。對肽、蛋白質(zhì)及其修飾和相互作用的鑒定和研究是關鍵的挑戰(zhàn)，需要先進的機器和深入的學習方法，才能透過表面獲得更深刻見解并識別其中蘊含的信息。蛋白質(zhì)組學數(shù)據(jù)的規(guī)模龐大，我們能夠在一天內(nèi)輕松生成數(shù)百萬個數(shù)據(jù)點，需要采用先進的方法來處理研究結(jié)果?！?/span>

可用數(shù)據(jù)量在增加，同時數(shù)據(jù)類型的多樣性也在增加。整合來自多個組學的數(shù)據(jù)是生物醫(yī)學研究的一個共同目標，但這對于LC-MS數(shù)據(jù)并不總是容易的事情。Van Gool描述了當兩名研究人員試圖結(jié)合他們的數(shù)據(jù)時可能出現(xiàn)的困惑，“通常，一名研究人員從應用和生物學的角度關注，而另一名研究人員則從生物信息學的角度關注。在這兩種情況下，他們都能形成生物學方面的見解，但這些解釋可能并不總是重疊的。”他回憶起在最近一次會議上遇到的一位生物信息學家所提的建議，即研究人員應試著將重點放在由不同組學產(chǎn)生的信息的主要核心上，而不是試圖產(chǎn)生復雜的網(wǎng)絡，當網(wǎng)絡的復雜性達到一定程度時，通常會變成像一團纏結(jié)的“毛球”。

診斷學研究的另一個癥結(jié)，是生物標志物研究與有價值的疾病臨床結(jié)果之間明顯脫節(jié)。例如，在前列腺癌研究方面，已在同行評審期刊上以大約每年2000個的速度鑒定出生物標志物。這一相對快速的鑒定過程隨后是一個艱難的驗證過程。Van Gool說，這需要1到3年，而診斷開發(fā)過程甚至更長，需要耗費10年。為什么診斷管道中存在這種不平衡？Van Gool指出了兩個關鍵方面，“首先，我們的研究成果沒有標準化，無法讓人100%地再現(xiàn)所有的研究成果。原因可能有很多，例如，研究材料的處理可能稍有不同；方法可能被修改；質(zhì)譜調(diào)諧可能不同；數(shù)據(jù)的整理可能有所不同?！盫an Gool繼續(xù)說：“第二，生物標志物的研究和研發(fā)管道很少存在相互關聯(lián)。生物標志物的鑒定需要不同于生物標志物驗證的技能，生物標志物的驗證與運行和開發(fā)臨床試驗來評估現(xiàn)實生活中的生物標志物也不同。這些步驟通常由不同的各方進行?！?/span>

Van Gool認為，要解決這一問題，就需要在整個領域?qū)崿F(xiàn)統(tǒng)一化和標準化，特別是在MS數(shù)據(jù)處理方面。“正確的數(shù)據(jù)管理是幫助提高MS數(shù)據(jù)重現(xiàn)性的關鍵，最近已經(jīng)按照FAIR數(shù)據(jù)原則對主要步驟制定出了標準?！盕AIR是一套旨在根據(jù)“可發(fā)現(xiàn)性、可訪問性、互操作性和可重用性”四大目標改進研究數(shù)據(jù)的標準，在研究人員、行業(yè)領導者、資助機構(gòu)和出版商進行了大量協(xié)同工作后，于2016年首次提出。Van Gool說，他對FAIR在整個行業(yè)的采用感到鼓舞，其中也覆蓋了布魯克這樣的儀器制造商。

綜上所述，Van Gool對MS在診斷研究中的未來持樂觀態(tài)度。但他認為，現(xiàn)在應該將工作重點從潛在生物標志物的發(fā)現(xiàn)轉(zhuǎn)移到實際診斷應用上面來。?！拔蚁嘈?，我們生物醫(yī)學研究領域能夠真正提高工作質(zhì)量。關于生物標志物的發(fā)現(xiàn)，到了應該重質(zhì)量而非重數(shù)量的時候了。”

小編推薦會議  2019臨床質(zhì)譜與高端醫(yī)學檢驗發(fā)展論壇

http://meeting.bioon.com/2019CMSPMT？__token=liaodefeng