Blog

原文见笔者个人网站 www.liangxiao.pro。内容经AI校正和润色，可能存在不准确之处，仅供研究参考。

蛋白质组学的工具箱里，TMT多路复用与DIA采集长期被当作气质相反的两条路线：前者把样本混在一起，靠报告离子定量，用通量换准确度的妥协；后者逐窗口扫描，靠碎片谱定量，用采集时间换覆盖深度。Thierer等人在维也纳IMP蛋白组学技术中心的新预印本，把两者装到了同一台Orbitrap Astral上，给出迄今最系统的一次TMT-DIA杂交工作流基准测试^[1]。他们的出发点并不玄妙：单细胞蛋白质组学推动样本通量飙升，SCoPE-MS式的carrier设计^[2]需要高plexing的TMT，而Astral的采集速度恰好让DIA在这种场景下首次变得现实——问题在于，两件好事拼在一起，各自的坏毛病会不会也一起拼进来。

这项基准测试的实验设计具有较强的针对性。18-plex TMTpro混样里放了HeLa对照三复孔与三组不同比例的酵母spike-in（对应2、5、10倍的预期倍率变化），再用一个自研Python工具READ从原始谱图中提取报告离子并计算共隔离纯度，使Spectronaut、DIA-NN这类并不原生支持TMT定量的DIA搜索引擎也能拿到报告离子信号^[1]。三种搜索引擎给出的蛋白鉴定数依次为DIA-NN最高、PD居中、Spectronaut最低，过滤后都在3400到4300之间，定量精度差异却很小——READ的定位是桥梁，不是竞争者。

结果的第一层是可行性确认。输入从100 ng滴定到3 ng，鉴定蛋白从9702降到5609，3 ng大约相当于12个250 pg的单细胞合并物，54 ng对应典型的SCoPE-MS carrier设计；在单蛋白组负载、共隔离干扰最小的设计里，理论倍率3.32的四条路线实测中位都落在3.33到3.38之间，准确度没有问题。但第二层就不那么体面了：一旦回到真实复杂度的混样，固定隔离窗口下的DIA只有10.1%到33.3%的谱图纯度达标（DDA为76.5%到78.8%），按纯度不低于70%、报告离子信噪比不低于20、分辨率不低于45000的标准过滤之后，DIA在鉴定数上的优势基本被抹平。比率压缩的老问题依旧——自iTRAQ与TMT时代初期就有人系统测量并尝试管理它^[3]，MS3也是为消除它而生^[4]——酵母10倍变化实测只有3.48到4.31，而恒定的人源背景蛋白被共隔离进来的酵母信号”膨胀”到1.53到1.68。DDA与DIA在这件事上半斤八两，压缩主要由样本复杂度而非采集模式驱动，这与此前He等人在Astral上做TMT化学蛋白质组学的观察一致^[5]。

作者同时测了两种替代定量思路。TMTc互补离子定量天然抗共隔离，酵母倍率实测2.31对理论2.32，接近LFQ的准确度，代价是只能用3-plex且蛋白组深度大减——Johnson与Wühr此前已证明互补离子能在MS2级提升多路复用的准确度^[6]，Wang等人也已把它引入DIA框架^[7]；DIA-LFQ逐通道采集则完全无压缩，代价是通量。三者按通量、深度与准确度各占一角，作者的结论也相当克制：在无MS3的Astral上，DIA-TMT可行，但不优于DDA-TMT。

在笔者看来，这篇预印本最大的诚实之处，恰恰是它的标题与内容之间的张力。”scalable low-input”是口号，但实验里没有真正的单个细胞，全部数据来自商业化标准品与培养细胞消化物；3 ng输入下过滤标准会丢掉将近九成的鉴定，”scalable”的代价其实被写进了过滤阈值里。此外，报告离子纯度只统计已鉴定谱图，未鉴定的前体不计入，共隔离效应很可能被系统性低估；18-plex与TMTc实验也不是同一混样设计，两者的对比并非严格头对头。工具链上READ依赖CHIMERYS的鉴定结果，可移植性以额外的环节为代价。这些都是可以列出的保留意见，但都不妨碍它成为后续TMT-DIA论文绕不开的基准线。

把蛋白切三遍：multiDIA与proteoform覆盖

Slavov实验室与MGH合作的另一篇预印本走的是完全不同的加法路线：同一个样本分成三份，分别用胰蛋白酶、Lys-C和Glu-C消化，各自跑一轮DIA（timsTOF Ultra，60个窗口，Spectronaut库无关检索），再把结果合并——不做任何多维分级分^[8]。用多把酶换深度的思路并不新鲜，此前多酶组合主要作为分级分策略的一部分出现在深度蛋白组流程里^[9]；Slavov组自己在单细胞领域也用过类似的样本多路复用逻辑，即plexDIA^[10]。所谓multiDIA，本质上是把”切酶的多样性”当作分级分的替代货币。

在帕金森病背外侧纹状体的12例尸检样本上，三条酶路合并把前体鉴定提高1.7倍（377410对225996）、肽段1.6倍（约265000条），序列覆盖过半的蛋白组从2602升到4043，三酶共检的蛋白组中位覆盖从44.5%升到57.6%。更重要的是proteoform层面的收获：剪接跨越肽从584种升到757种，非规范proteoform判别区中位覆盖从38%升到62%；tau的0N与1N亚型连接肽在全部12例供体检出，alpha-synuclein全长140个残基的酸性C端45个残基只有Glu-C覆盖得到——胰蛋白酶和Lys-C在那里几乎无事可做^[8]。

磷酸化的意外收获或许比覆盖度更有意思：不做任何富集，三酶合并把脑组织位点数从2267提到3649，38%的位点被单酶流程漏检，tau 2N4R上的pT181、pS202、pT231等17个位点在完整供体中全部检出，而pT217与pS409只有Lys-C看得到。差异丰度层面，多巴胺合成通路中的DDC与TH在多数PD供体中低2到3.5个log2，与经典的多巴胺能神经元丢失叙事相合；alpha-synuclein N端肽在3个PD供体平均低2倍，作者提示可能是N端截断，但也承认这可能是酶消化偏置的产物^[8]。

需要指出的口径问题不少。队列表里6个”PD”病例的临床诊断实为Lewy body病而非典型帕金森病，标题的宽口径与病理实情之间隔了一层；6对6、单一脑区、尸检组织的统计功效有限，4/1217个proteoform特异差异的q值收获也谈不上丰厚。3倍的仪器时间换来覆盖度，与”scalable”的标题叙事有真实的张力——scalable的是深度维度而不是机器时间。无富集条件下的磷酸化深度也与主流富集式流程不可直接比较。而SNCA N端降低只见于Glu-C而不见于另两种酶，消化偏置与生物学之间的裁决被留给了未来。

这两条路线一个在通量端做加法，一个在覆盖度端做加法，彼此并不竞争，也不指向同一个问题。放在一起读，倒是能把蛋白质组学方法演进的一个隐含逻辑看清楚：当单点技术逼近平台期，进步的来源往往是把原本不兼容的选择重新组合，或者把原本被省略的维度重新付费。TMT遇上DIA如此，三把酶切同一个蛋白亦然。

1. Thierer T, Birklbauer MJ, Dorfer V, Mechtler K, Matzinger M. Making the Impossible Possible: Uniting TMT and DIA for Scalable Low-Input-Proteomics. bioRxiv (2026). doi:10.64898/2026.10.20.760427
2. Budnik B, Levy E, Harmange G, Slavov N. SCoPE-MS: mass spectrometry of single mammalian cells quantifies proteome heterogeneity during cell differentiation. Genome Biol 19, 161 (2018). doi:10.1186/s13059-018-1547-5
3. Savitski MM, Mathieson T, Zinn N, Sweetman G, Doce C, Becher I, et al. Measuring and Managing Ratio Compression for Accurate iTRAQ/TMT Quantification. J Proteome Res 12, 3586-3598 (2013). doi:10.1021/pr400098r
4. Ting L, Rad R, Gygi SP, Haas W. MS3 eliminates ratio distortion in isobaric multiplexed quantitative proteomics. Nat Methods 8, 937-940 (2011). doi:10.1038/nmeth.1714
5. He Y, Sumit M, Martin B, Jennings M, Hsu C-C, Roumeliotis TI, et al. TMT-Based Multiplexed (Chemo)Proteomics on the Orbitrap Astral Mass Spectrometer. Mol Cell Proteomics 24, 100968 (2025). doi:10.1016/j.mcpro.2025.100968
6. Johnson A, Stadlmeier M, Wühr M. TMTpro Complementary Ion Quantification Increases Plexing and Sensitivity for Accurate Multiplexed Proteomics at the MS2 Level. J Proteome Res 20, 3043-3052 (2021). doi:10.1021/acs.jproteome.0c00813
7. Wang Z, Liu P-K, Lu H, Li L. Multiplexed Data-Independent Acquisition-Based Proteomics Enabled by TMTpro Complementary Ions. Anal Chem 97, 26419-26428 (2025). doi:10.1021/acs.analchem.5c03563
8. Kok O, Friedrich C, Altig K, Oakley D, Hyman BT, Collins M, Slavov N. Scalable proteomics with multiDIA resolves proteoforms in neurodegenerative disease. bioRxiv (2026). doi:10.64898/2026.10.16.756994
9. Bekker-Jensen DB, Martinez-Val A, Steigerwald S, Rüther P, Fort KL, Arrey TN, et al. An Optimized Shotgun Strategy for the Rapid Generation of Comprehensive Human Proteomes. Cell Syst 4, 587-599.e4 (2017). doi:10.1016/j.cels.2017.05.009
10. Derks J, Leduc A, Wallmann G, Huffman RG, Willetts M, Khan S, et al. Increasing the throughput of sensitive proteomics by plexDIA. Nat Biotechnol 41, 50-59 (2023). doi:10.1038/s41587-022-01389-w

内容经AI校正和润色，审慎阅读