2023年1月4日，由哥本哈根大學諾和諾德基金會蛋白質研究中心的科學團隊發表在Seminars in Immunopathology ( IF=11.759 )期刊上題為“Proteomics tostudy cancer immunity and improve treatment”的文章，本篇綜述討論了基于質譜（MS）的蛋白質組學在腫瘤免疫和癌癥免疫治療背景下的臨床前和臨床研究方面的潛在貢獻。

基于MS的蛋白質組學于1988年首次被引入，現在是全面的方法用于定量分析蛋白質、研究蛋白與蛋白之間相互作用、亞細胞定位以及用于蛋白質翻譯后修飾（PTMs）等。

圖1：三種基于MS的蛋白質組學策略的比較

（單細胞和深度視覺蛋白質組學、組織和細胞培養蛋白質組學、血漿蛋白質組學）

基于MS的腫瘤免疫研究的蛋白質組學臨床樣本類型通常有：腫瘤活檢組織、熒光激活細胞分選（FACS）的細胞、患者來源的細胞培養物、外周血單個核細胞（PBMCs）、血漿等。

Harel等人的一項開創性研究代表了對免疫治療反應的早的深度蛋白質組學分析。作者分析了116例福爾馬林固定石蠟包埋（FFPE）組織的蛋白質組，這些活檢組織來自接受TIL或抗PD1免疫治療的IV期黑色素瘤患者。生信分析顯示在兩種治療中，應答者的氧化磷酸化和脂質代謝均高于非應答者。FFPE蛋白質組學分析的優點是對樣本進行回顧性分析，但這也存在一些缺點，FFPE組織切片中PTM沒有被完全保存。其次會丟失了所有關于腫瘤微環境(TME)復雜性的信息。

另一種處理TME復雜性和腫瘤異質性的潛在方法是FACS分選細胞的蛋白質組學分析。目前已經提出了多種樣品制備方案，如Amon等人基于基于DIA的無標記蛋白質組學方法，將肽檢測量降低到300 ng，相當于25000個已分類的細胞。

血漿由于其可獲得性和相對穩定性，是生物標志物發現的一個有吸引力的樣本來源。事實上，它是測量大多數與宿主免疫相關的蛋白質的樣本類型，包括細胞因子、趨化因子、補體蛋白和免疫球蛋白。利用質譜分析血漿樣本的主要挑戰是蛋白質豐度的極端動態范圍。高豐度蛋白（如白蛋白、纖維蛋白原和免疫球蛋白）占蛋白總量的99%，進而掩蓋低豐度蛋白的信號。不同的策略已經被用于減少豐度的動態范圍，增加血漿中低豐度蛋白的識別(圖3)。選擇性去除高豐度蛋白如白蛋白和免疫球蛋白，會增加蛋白質的檢測數量，但會影響樣本的完整性，因為許多可溶性蛋白與白蛋白結合。另一種增加血漿蛋白質組深度的方法是富集細胞外囊泡（EVs），檢測位于EV中的細胞內蛋白和膜蛋白，為分析提供了一個新的生物學思路。

圖3：基于質譜的蛋白質組學提高血漿蛋白質組分析靈敏性的策略

未來的展望

采用質譜法進行單細胞分析

為了更深入地了解癌癥免疫，基于MS的蛋白質組學技術將很快被應用于單細胞水平的TME研究?；蚪M中的DNA或RNA可以通過聚合酶鏈式反應進行擴增，相反蛋白和肽信號不能以類似的方式擴增，因此，用于分析單細胞蛋白質組的質譜儀需要具有高靈敏度來檢測低細胞豐度的蛋白質。為了克服單細胞蛋白質組學中的一些挑戰，采用串聯質譜標簽（TMT）技術，通過在每一個TMT通道中加入數百個細胞作為載體蛋白組從而增加MS信號。

單細胞蛋白質組學的另一種替代策略是引入的深度視覺蛋白質組學（DVP），它將的顯微技術和數字病理學以及基于MS的單細胞蛋白質組學和人工智能結合在一起。DVP在表征腫瘤組織異質性和TME的研究方面特別有前景。它將人工智能驅動的細胞表型圖像分析與自動化的單細胞或單核激光顯微解剖以及超高靈敏度質譜相結合，能夠在保留空間背景信息的同時分析來自單細胞類型的數千種蛋白質。

此外，作者還綜述了質譜流式細胞技術，流式細胞術是在單細胞水平上評估免疫系統的理想平臺，結合質譜技術可以對單細胞進行多參數檢測，并在單細胞水平上研究免疫系統，也是流式細胞技術一個新的發展方向。