该文发表于《Lab on a Chip》,聚焦于精准医学场景下质谱蛋白质组学样品制备自动化不足这一关键瓶颈。当前,基于质谱(MS)的蛋白质组学虽然已显示出在分子分型、诊断支持和治疗决策中的独特价值,但在临床常规流程中推广仍受限,核心障碍之一即为样品前处理流程复杂、人工依赖性强、标准化难度高。尤其在自下而上蛋白质组学中,液相色谱-串联质谱(LC-MS/MS)分析依赖高质量肽段生成,而蛋白聚集捕获(PAC)或单锅固相增强样品制备(SP3)虽然具有良好的去污染能力和重现性,却包含大量磁珠转移、洗涤和消化步骤,通常需要熟练人员操作。现有KingFisher或BRAVO等半自动平台虽可减少部分手工劳动,但仍依赖复杂设备、软件交互和有机溶剂处理,且更偏向高通量场景,不适合临床中每日个位数样本的应用需求。因此,研究人员开展本研究,旨在建立一种面向低样本量、低人工干预、低培训门槛且可标准化运行的全自动PAC样品制备系统。
在“Comparative performance of the AutoPAC-disk, the manual, and KingFisher PAC workflows”部分,研究人员使用20 μg HEK293裂解液对三种流程进行比较。结果表明,AutoPAC-disk获得79 436条肽段和7643个蛋白组,显著高于KingFisher流程的57 832条肽段和6962个蛋白组,以及手工流程的53 088条肽段和6223个蛋白组。尽管AutoPAC-disk的蛋白组CV为7.5%,略高于KingFisher的3.2%和手工流程的4.1%,但均维持在10%以下,显示良好重现性。序列覆盖度分析进一步表明,AutoPAC-disk更高的肽段鉴定数转化为更高的蛋白序列覆盖。消化效率和肽长分析未发现其增加来源于非特异或半胰蛋白酶切割,因此其优势并非来自消化偏差。
在“Application of the AutoPAC-disk to clinically relevant FFPE prostate tumor samples”部分,研究人员进一步将该平台应用于患者来源FFPE前列腺肿瘤样本。采用15 μg组织裂解物比较AutoPAC-disk与手工流程后发现,前者得到71 124条肽段和7336个蛋白组,较手工流程分别提高7.5%和9.9%。两种流程的CV分别为6.3%和5.9%,均表现出良好的定量稳定性。此外,AutoPAC-disk产生更多独有肽段和独有蛋白组,并在多数蛋白上实现更高的序列覆盖。HEK293中观察到的总体规律,包括无显著理化偏倚和对较低丰度分子的轻度偏向性增强,在FFPE样本中亦得到保持,证明该平台适用于临床相关复杂样本基质。