蛋白質(zhì)組學(xué)研究是一項涵蓋蛋白質(zhì)表達、蛋白間相互作用,、蛋白功能,、蛋白結(jié)構(gòu)和翻譯后修飾的綜合科學(xué)研究。蛋白質(zhì)組學(xué)的研究具有重大的潛力,，可以解開疾病復(fù)雜機制,，尋找疾病早期診斷的分子標志物和解決方案，促進疾病研究發(fā)展,。蛋白質(zhì)組學(xué)的研究在各個領(lǐng)域都具有廣泛的應(yīng)用,，如臨床與健康學(xué)研究、食品技術(shù)、生物標志物的發(fā)現(xiàn),，以及藥物靶標的鑒定,。

蛋白質(zhì)組學(xué)實驗流程復(fù)雜，有較高的操作和實驗技能的要求,。完整的實驗步驟一般包括實驗設(shè)計、樣品前處理,、LC-MS/MS分析,、數(shù)據(jù)庫檢索、生物信息學(xué)分析等多重步驟,。其中蛋白質(zhì)組樣品前處理是確保數(shù)據(jù)重現(xiàn)性,、一致性的關(guān)鍵,，對于穩(wěn)定的下游分析至關(guān)重要。質(zhì)譜檢測多肽質(zhì)荷比,，鹽類以及其他離子化的物質(zhì)都可能對結(jié)果產(chǎn)生干擾,。同時，手工實驗需要投入大量人工操作時間,，壓縮了分析時間,。此外，勞動密集型步驟導(dǎo)致人為誤差比率增大,，不同個人和實驗室間的準確性和重現(xiàn)性差異大,，特別是在高通量條件下。自動化樣本制備的方法可減少手動操作時間,，提高蛋白質(zhì)覆蓋率,，幫助獲得高重現(xiàn)、高質(zhì)量的結(jié)果,。

貝克曼庫爾特生命科學(xué)利用功能強大的自動化設(shè)備和豐富的自動化經(jīng)驗,，開發(fā)了一套標準的自動化實驗流程包括變性、還原,、烷基化,、淬滅、稀釋,、消化和脫鹽,，應(yīng)用于LC-MS/MS分析全血，血漿,，干血斑等樣品中產(chǎn)生的多種血漿蛋白,，為不同類型樣本用于疾病診斷、生物標志物發(fā)現(xiàn)和常規(guī)臨床分析提供可靠的實驗數(shù)據(jù)依據(jù),。

圖1：蛋白質(zhì)組學(xué)樣本自動化處理實驗流程

成功的蛋白質(zhì)組學(xué)分析實驗始于精心設(shè)計的樣品前處理方法和自動化解決方案,，對于自動化樣品前處理，Biomek i7 Hybrid自動化樣品前處理系統(tǒng)為雙機械臂系統(tǒng),，每個機械臂同時配備移液系統(tǒng)和抓板手,，2個抓板手可同時運行。擁有45個有效標準板位的臺面容量,，臺面通過簡單配備溫控和震蕩功能模塊以及整合正壓固相萃取模塊,，即可完成包括蛋白變性、還原,、烷基化,、蛋白酶解,、脫鹽和肽段純化所有前處理流程,。

圖2：系統(tǒng)示意圖

使用該系統(tǒng)實現(xiàn)自動化蛋白質(zhì)樣品前處理,，可大大減少操作差異、樣品處理錯誤,，并節(jié)省人力,。預(yù)先優(yōu)化驗證的方案支持無人值守，每個人只需通過簡單的培訓(xùn)即可實現(xiàn)自動化操作,。下圖為系統(tǒng)使用集成的正壓模塊進行自動化固相萃取,，完成脫鹽流程。

本實驗開發(fā)了一種更高效,、穩(wěn)定,、適用性強的標準蛋白質(zhì)組樣本制備流程，將樣品分為中等通量（20樣本/天）和高通量（57個樣品/天）通過自動化的樣本處理流程產(chǎn)生高質(zhì)量的肽段,，然后利用液相色譜和質(zhì)譜聯(lián)用平臺（LC-MS/MS）對肽段進行分析,，獲得3日內(nèi)、日間不同樣本的CV和不同數(shù)量的肽段,。

圖4：Biomek 自動化標準實驗流程和桌面布局（附帶正壓模塊PPA照片）

圖5：總蛋白組學(xué)工作流CV=工作站CV + LC-MS/MS CV

圖6：總蛋白組學(xué)工作流CV

自動化樣品制備的日內(nèi)重現(xiàn)性CV：4%-20%,，結(jié)果表明自動化流程對高通量樣本處理的穩(wěn)定性滿足需求。

圖7：A）中通量樣品分析和肽段鑒定   

B)高通量樣本分析和肽段鑒定

每個樣本做5次重復(fù),，一共重復(fù)3日,，并且利用LC-MS/MS平臺對中通量數(shù)據(jù)和高通量數(shù)據(jù)進行了分析，對于中通量樣本的研究發(fā)現(xiàn)全血樣本可鑒定出最大數(shù)量為365的肽段,，對于高通量樣本的研究發(fā)現(xiàn)干血斑可鑒定出最大數(shù)量為324的肽段,。

總而言之:自動化蛋白質(zhì)組樣本前處理系統(tǒng)對于不同類型的血液樣本（血漿，全血,，血斑等）,，都可以獲得重現(xiàn)性高，質(zhì)量高的肽段,，用于下游的定量和分析,。

（備注：該自動化平臺不僅可用于蛋白質(zhì)組學(xué)樣本研究，而且可進一步擴展適用于代謝組學(xué)和脂質(zhì)體的研究,。）

綜上,，小貝為您總結(jié)了自動化蛋白質(zhì)組樣本前處理的優(yōu)勢：

參考文獻

1. Wright, I. & Van Eyk, J. E. A Roadmap to Successful Clinical Proteomics. Clinical Chemistry 63,245–247 (2017).

2. Malsagova, K. et al. Dried Blood Spot in Laboratory: Directions and Prospects. Diagnostics(Basel, Switzerland) 10, (2020).

3. Fu Q, Kowalski MP, Mastali M, et al. Highly Reproducible Automated Proteomics Sample Preparation Workflow for Quantitative Mass Spectrometry. Journal of Proteome Research. 2018;17(1):420-428.doi:10.1021/acs.jproteome.7b00623.

4. Mc Ardle A, Binek A, Moradian A, Chazarin Orgel B, Rivas A. et al. Standardized Workflow for Precise Mid- and High-Throughput Proteomics of Blood Biofluids. Clinical Chemistry. 2021 Oct 23: hvab202. doi: 10.1093/clinchem/hvab202. Epub ahead of print.

5. Casey W Coutelin Johnson et al. Fully Automated Peptide Desalting for Liquid Chromatography–Tandem Mass Spectrometry Analysis Using Beckman Coulter Biomek i7 Hybrid Workstation.Beckman Coulter Life Sciences.