微量蛋白組技術在探索 FFPE 樣本中的應用
導讀
人的記憶會隨著時間的進展以及年齡的老去逐漸模糊，通常我們會采用影像及文字等形式留存住值得紀念的片刻時光。
在疾病的研究中，為了探索更針對性的個性化治療方案，疾病進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，這是非常值得關注的問題。
醫(yī)生們通常將手術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期的“記憶”，便于后續(xù)研究。FFPE 樣本是生物醫(yī)學研究珍貴的“記憶”庫，蘊藏了非常多的有價值的信息。有研究表明 FFPE 樣本中的蛋白質能夠在數(shù)十年內保持穩(wěn)定，非常適合做蛋白質組學（Proteomics）研究[1]。
石蠟塊切下來的一張 FFPE 切片有多大？
其實非常小，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），鑒定到的蛋白質數(shù)量竟然可以達到數(shù)千個。這些蛋白參與了疾病的進展、調控通路等，與臨床表型息息相關。
由于 FFPE 樣本的低微量，使得樣本前處理過程和高通量質譜采集變得有難度，基于質譜的“FFPE”蛋白質組學具有非常大的挑戰(zhàn)性。
PCT 技術亮相蛋白質組學領域
2015年，一篇關于結合 PCT 壓力循環(huán)技術應用于蛋白質組學的文章發(fā)表在 Nature Medicine 上[2]，西湖歐米創(chuàng)始人郭天南研究員獨創(chuàng)的微量蛋白質組學方法得到學術界認可。自此，在蛋白質組學研究領域，PCT 技術開始高頻地與“微量”概念綁定。
PCT 技術是一種專門適用于微量樣本的前處理技術，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技術詳解：歐米技術丨讓蛋白質組感受壓力：PCT 如何深度處理微量組織樣本
近幾年，郭天南團隊不斷對基于 PCT 的微量樣本蛋白質組學方法進行優(yōu)化，以期能夠用更少的樣本量鑒定到更多的蛋白質。2022年8月5日，此技術再次實現(xiàn)了升級。升級后的 PCT 前處理方法能夠實現(xiàn)低至 0.1mg 極微量組織，以及針對細胞、糞便、淚液試紙等樣本的高通量蛋白質組分析，該方法非常適合 FFPE 石蠟樣本和活檢穿刺樣本的臨床大隊列蛋白質組學研究[3]。
最新方法學文章詳解：Nature Protocols | 西湖大學郭天南團隊詳細報道低至0.1毫克微量臨床樣本的高通量蛋白質組學制備方法
西湖歐米 PCT 微量樣本蛋白質組學優(yōu)勢
（1） 無縫體系：將組織裂解-蛋白質提取-酶解消化集成一體，盡可能減少因樣本轉移帶來的損失。
（2） 極少樣本量：最低可達 0.1 mg 組織分析。
（3） 高重現(xiàn)性：每個步驟精確控制，最大限度地減少技術誤差，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 樣本的蛋白鑒定結果中位數(shù)可達 7991。
目前，西湖歐米的微量樣本蛋白質組學服務項目僅需 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 樣本的蛋白質組學合作案例
2020年，正值新冠疫情嚴峻時刻，COVID-19 患者多器官損傷的分子病理學尚不清楚，研究通過對 7 種不同器官的FFPE樣本進行分析，描繪了 COVID-19 尸檢的多器官蛋白質組學景觀，發(fā)現(xiàn) COVID-19 患者的肺部組織蛋白酶 L1 明顯上調，且在多個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。該研究進一步加深了我們對新冠肺炎病理學生物學基礎的理解[4]。
往期解讀：Cell報道丨西湖大學郭天南等首次揭示新冠患者蛋白質分子病理全景圖
2022年9月6日，大隊列甲狀腺結節(jié)良惡性評估文章上線 Cell Discovery[5]，西湖歐米聯(lián)合國內外多個團隊共同合作，對 1724 個甲狀腺結節(jié)的石蠟樣本進行分析，通過 PCT-DIA 方法采集其蛋白質組學定量表達數(shù)據(jù)，自主研發(fā)人工智能神經(jīng)網(wǎng)絡模型，從中篩選出 19 個特征性蛋白質分子，用以判別甲狀腺結節(jié)的良惡性。
FFPE 的“層次記憶”探索
實現(xiàn) FFPE 樣本的微量蛋白組開發(fā)后，西湖歐米團隊又將目光投向“空間維度”上的 FFPE，開始探索 FFPE 樣本中的“層次記憶”。我們通過將樣本放大，探索不同區(qū)域部位的空間差異。
總結
FFPE 樣本在醫(yī)院的存儲資源大，是較好的回顧性研究材料。我們可以期待，從一張小小的切片窺見蛋白質數(shù)據(jù)的驚喜變化，助力精準醫(yī)療的進化與發(fā)展。
“Tonight, I’m launching a new Precision Medicine Initiative to bring us closer to curing diseases like cancer and diabetes — and to give all of us access to the personalized information we need to keep ourselves and our families healthier.”
2015年精準醫(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：0571-86780630
掃描下方二維碼即可添加業(yè)務咨詢微信
參考文獻：
[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.
