樊鋒旭，高慧英，徐忠偉，翟琳輝，衣泰龍，張濤，吳飛林，崔春萍，徐平1,

1 安徽醫(yī)科大學(xué)，安徽 合肥 230032

2 軍事醫(yī)學(xué)科學(xué)院放射醫(yī)學(xué)研究所，北京 100850 3 北京蛋白質(zhì)組研究中心，北京 102206

蛋白質(zhì)組學(xué)是繼基因組學(xué)后出現(xiàn)的一門在整體水平上研究細胞內(nèi)蛋白質(zhì)組成及其活動規(guī)律的新興學(xué)科[1-2]。定量蛋白質(zhì)組學(xué)是對細胞、組織或體液等生物樣本在某些過程中蛋白質(zhì)的含量進行比較分析。定量蛋白質(zhì)組學(xué)中最常用的是基于穩(wěn)定同位素代謝標記 SILAC (Stable isotope labeling with amino acids in cell culture)方法，使用輕、重穩(wěn)定性同位素合成的氨基酸標記不同來源的體外培養(yǎng)細胞。由于輕、重穩(wěn)定性同位素標記肽段具有完全一致的物理化學(xué)性質(zhì)，因此在色譜分離過程中能夠被共洗脫出來，同時經(jīng)離子化而進入質(zhì)譜被檢測，但重穩(wěn)定同位素標記蛋白質(zhì)的肽段與輕標記肽段的離子在質(zhì)量上會出現(xiàn)偏移，因此可辨識不同處理的樣品來源。而這些成對離子在質(zhì)譜圖中的信號強度與各自的含量相關(guān)，因此可用于樣品豐度的定量分析[3-4]。SILAC方法具有樣本需求量少、定量結(jié)果準確、重復(fù)性好等諸多優(yōu)點，已經(jīng)成為定量蛋白質(zhì)組學(xué)研究中的金標準[5]。然而在體外培養(yǎng)的細胞難于復(fù)制機體復(fù)雜的內(nèi)環(huán)境，亦無法反映研究模型的生長發(fā)育階段、生理甚至心理狀態(tài)等要素，使得基于細胞水平的SILAC定量蛋白組學(xué)并不能完整闡釋生理狀態(tài)下生物的生長、發(fā)育過程和疾病的發(fā)生發(fā)展過程的蛋白質(zhì)功能調(diào)控及其規(guī)律[6]。因此，基于動物水平SILAC標記技術(shù)的發(fā)展極為重要。

小鼠的生理生化和發(fā)育過程與人類相似，并且基因組和人類 90%同源，所以人類疾病的小鼠模型可真實模擬人類疾病的發(fā)病過程[7-8]。但由于技術(shù)限制，目前國內(nèi)尚無整體小鼠SILAC標記研究的報道，而國外SILAC小鼠購買價格昂貴，動物源性材料引進的風險等諸多因素和限制，使得我國蛋白質(zhì)組學(xué)科學(xué)家難于開展SILAC小鼠的定量蛋白質(zhì)組學(xué)研究發(fā)展。本研究旨在通過評價SILAC小鼠制備方法及其標記的心、肝、脾、肺和腎等臟器的標記效率，研究整體小鼠標記過程中蛋白質(zhì)組水平的標記特性，并通過構(gòu)建接近完全標記的SILAC小鼠，為腫瘤、心血管、代謝疾病以及老年病等定量蛋白組學(xué)研究提供重穩(wěn)定性同位素標記的蛋白質(zhì)組學(xué)內(nèi)標樣品，促進我國相關(guān)疾病發(fā)病機制的系統(tǒng)而深入的研究。

1 材料與方法

1.1 材料

1.1.1 小鼠品系基本情況

SPF級C57BL/6J品系雌性小鼠4只，4周齡，12?14 g；雄性小鼠 2只，4周齡，13?15 g，由中國人民解放軍軍事醫(yī)學(xué)科學(xué)院實驗動物中心提供，許可證號 SCXK-(軍)2012-0004，并按實驗動物使用的3R原則給予人道關(guān)懷。

1.1.2 小鼠SILAC鼠糧

含有 1%13C6-Lysine (純度≥98%)重標鼠糧購自于Silantes公司 (Munich，German網(wǎng)址：http://www.silantes.com/)[9-10]。鼠糧在 4 ℃保存。

1.1.3 主要試劑與儀器

色譜級乙腈、甲醇、十二烷基硫酸鈉(SDS)、甲叉雙丙烯酰胺和丙烯酰胺、碳酸氫銨(NH4HCO3)均購自 Sigma-Aldrich公司；質(zhì)譜級蛋白質(zhì)酶 Lys-C (Wako公司)；二硫蘇糖醇(DTT)和碘乙酰胺 (IAA)為 Amresco公司產(chǎn)品；蛋白酶抑制劑 Cocktail購自 Roche公司；超聲破碎儀為寧波新芝生物科技有限公司JY98-IIIDN型號的產(chǎn)品；高精度質(zhì)譜儀 LTQ Orbitrap Velos為Thermo Fisher Scientific公司產(chǎn)品；超高壓納升級高效液相色譜儀 (Ultra-high Performance Liquid Chromatography)為Waters公司產(chǎn)品。

1.2 方法

1.2.1 小鼠飼養(yǎng)方法

圖1 SILAC小鼠代謝標記以及標記效率檢測流程圖Fig. 1 Overview of the SILAC labeling and labeling efficiency examination workflow.

小鼠于屏障級設(shè)施內(nèi)飼養(yǎng)，二級動物飲水標準，每周換水 2?3次，雌雄小鼠分別喂食含有 1%13C6-Lysine的重穩(wěn)定性同位素標記的SILAC鼠糧和SPF級繁殖飼料，每周添料3?4次。如圖1所示，飼養(yǎng)至8周齡，將1只成熟期雄鼠與2只喂食SILAC鼠糧的標記小鼠 (記為F0代)合籠，隔日以陰道栓檢測有無受孕情況。受孕后及時取出雄性小鼠，隔離。雌性受孕小鼠成功受孕后繼續(xù)飼喂SILAC鼠糧，直到生產(chǎn)仔鼠，為F1代。挑選F1代雌性小鼠，繼續(xù)以SILAC鼠糧喂養(yǎng)至8周齡，與雄鼠交配后生產(chǎn)，為F2代標記小鼠。

1.2.2 小鼠組織分離及蛋白提取

選取5周齡F2代小鼠，經(jīng)過眼球摘除法取血，降低血清中高豐度蛋白對于后續(xù)實驗的影響。如圖 1所示，眼科剪分離出大腦、肺臟、心臟、胃、小腸、肝臟、脾臟、腎臟和肌肉 (臀大肌)組織，磷酸鹽緩沖液 (Phosphate buffer solution，PBS)清洗殘留血液，濾紙吸干后置于液氮中速凍，然后放入–80 ℃冰箱凍存。

取上述9種組織各0.3 g，置于盛有液氮的研缽中速凍，均勻研磨成粉狀，加入500 μL蛋白質(zhì)裂解液 (8 mol/L尿素、50 mmol/L NH4HCO3、蛋白酶抑制劑和5 mmol/L IAA)，冰浴條件下進行超聲破碎細胞，功率 300 W，工作1 s，間歇5 s，60個循環(huán)。細胞破碎后4 ℃低溫12 000×g離心10 min，收集上清，分裝后置于–80 ℃貯存?zhèn)溆谩?/p>

1.2.3 蛋白質(zhì)組樣品制備

樣品制備參考Zhai等[11]的方法進行，取分裝9種組織全蛋白各10 μL，加入10 mmol/L的DTT，50 ℃恒溫水浴 5 min，冰浴冷卻后加入IAA (終濃度20 mmol/L)避光反應(yīng)0.5 h。再加入10 μL 2×SDS上樣緩沖液，均勻混合后，采用10% SDS-PAGE電泳，待樣品入分離膠1 cm時停止電泳。再經(jīng)考馬斯亮藍G250染色、脫色后，將膠條均分成1 mm3膠粒，脫色、干燥。為確保每個來自 SILAC樣品的肽段可用于定量，我們選用對賴氨酸特異的 Lys-C蛋白酶進行酶解、抽提肽段，蒸干后置于–20℃保存?zhèn)溆谩?/p>

1.2.4 LC-MS/MS分析

肽段樣品用高效液相色譜-串聯(lián)質(zhì)譜(LC-MS/MS)進行檢測。液相色譜柱采用柱內(nèi)徑為75 μm、長15 cm的C18反相色譜柱，C18填料顆粒大小為1.9 μm，孔徑200 ?。將樣品用適當體積的1%乙腈和1%甲酸的水溶液溶解后，取3 μL上樣。流動相A為2%乙腈和0.1%甲酸的水溶液；流動相B為0.1%甲酸的乙腈溶液。使用60 min的梯度洗脫樣品：0?3 min，B相由0%升至3%；3?12 min，B相從3%升至12%；20?55 min，B 相從 12%升至 40%；55?58 min，B相從40%升至80%；58?60 min，B相維持80%，流速0.3 μL/min。洗脫組分經(jīng)納升級電噴霧離子源 (NSI)接口噴出，進入 LTQ Orbitrap Velos分析。質(zhì)譜采用一級質(zhì)譜數(shù)據(jù)依賴的二級質(zhì)譜掃描模式 (Data dependent MS/MS scan)碰撞誘導(dǎo)裂解 (CID)模式碎裂一級離子。一級質(zhì)譜掃描范圍 (300?1 600 m/z)，分辨率設(shè)置為30 000；自動增益控制 (Automatic gain control，AGC)為 106。依次選取一級信號強度最高的 15個離子進行二級碎裂分析，碰撞歸一化能量 (NCE)為35%；AGC為5 000；最大離子注射時間為25 ms，動態(tài)排除為30 s[12]。

1.2.5 蛋白質(zhì)的鑒定和定量分析

使用 SorcererTM-SEQUEST?(version 4.0.4 build, Sage-N Research, Inc.)搜索引擎對質(zhì)譜產(chǎn)出的數(shù)據(jù)文件 (.raw)進行蛋白質(zhì)的數(shù)據(jù)庫搜索，數(shù)據(jù)庫采用從NCBI下載的小鼠蛋白序列數(shù)據(jù)庫 (Version：20110718)。搜庫參數(shù)采用固定修飾為半胱氨酸的烷基化修飾 (+57.021 46 Da)，Lys-C 特異性半酶切，13C6-Lysine修飾(+6.020 13 Da)；可變修飾為甲硫氨酸氧化修飾(+15.994 92 Da)；母離子質(zhì)量誤差20 ppm，子離子質(zhì)量誤差 0.5 Da，允許最大漏切位點數(shù)目為2個，肽段長度≥6個氨基酸，肽段最大修飾數(shù)目為4種。搜庫結(jié)果采用Target-decoy策略進行過濾，并設(shè)定肽段和蛋白質(zhì)鑒定FDR均小于1%。數(shù)據(jù)的定量使用實驗室內(nèi)部編寫軟件，基本策略是提取肽段離子的提取離子色譜圖(Extracted ion currents, XICs)，計算非標記輕標和 SILAC標記的重標肽段對 XICs的信噪比(S/N)比值，進行對數(shù)轉(zhuǎn)換，即為輕重離子對的定量值[12]。

1.2.6 標記效率分析及擬合

將蛋白質(zhì)定量值 (Log2Light/Heavy)采取Gauss方程擬合數(shù)據(jù)分布，正態(tài)分布平均值的95%置信區(qū)間表示標記效率的范圍[13]。SPSS 19.0軟件進行統(tǒng)計學(xué)分析，以P<0.05為差異具有統(tǒng)計學(xué)意義。

標記效率計算公式：

2 結(jié)果與分析

2.1 SILAC鼠糧和普通鼠糧飼養(yǎng)小鼠的生長情況比較

喂食SILAC鼠糧的小鼠與SPF級維持鼠糧的對照組小鼠外觀上無明顯區(qū)別。同樣表現(xiàn)為體毛光滑，食欲旺盛，活動有力，反應(yīng)敏捷，糞便正常呈黑色麥粒狀。F0代小鼠生長至7周齡時，喂食SILAC小鼠的平均體重為17.55 g，對照組小鼠的體重為17.60 g；標記小鼠培養(yǎng)至F2代，7周齡時體重為15.20 g，小鼠體重有輕微下降的趨勢。小鼠合籠交配發(fā)現(xiàn)性成熟期延長。通過記錄對照組、F0代和F2代SILAC標記小鼠 6、7、10和 11周齡的體重，結(jié)果如圖2A所示，進行單因素重復(fù)測量方差分析，組間的顯著性P=0.110，差異不具有統(tǒng)計學(xué)意義，表明SILAC鼠糧飼養(yǎng)小鼠對小鼠生長體重的影響不顯著。

2.2 小鼠9種器官組織全蛋白檢測結(jié)果

圖2 不同鼠糧飼養(yǎng)小鼠體重對比和F2代SILAC不同臟器總蛋白圖Fig. 2 Weight variation of control, F0 and F2 generations and separation of proteins extracted from different tissues. (A)Comparison of weight variation of control, F0 and F2 generations at 6, 7, 10 and 11 weeks by repeated measure ANOVA analysis. Every generation has two repeats. (B)The extracted proteins from varied SILAC labeled tissues of F2 generation mouse were separated by SDS-PAGE and stained with Coomassie blue. The gel areas cut and followed by destaining and in-gel digestion were indicated by square marking.

將從9種不同組織提取的全蛋白各取10 μL，用10%的SDS-PAGE電泳檢測，經(jīng)考馬斯亮藍G250染色和脫色。結(jié)果如圖2B所示，蛋白條帶清晰沒有彌散現(xiàn)象，說明液氮碾磨裂解和尿素裂解液能較好地防止組織蛋白降解。對比膠圖上蛋白條帶的深淺，我們發(fā)現(xiàn)相同濕重的器官組織，如肝臟、腎臟和肌肉組織等實質(zhì)性器官的蛋白含量較高；而心臟、脾臟、肺和腦組織等蛋白質(zhì)的量較低，我們分析認為是由于這些器官含有較多空腔，造成蛋白的提取效率較低；同樣，由于胃和腸道組織因含有部分食物殘渣，也會造成提取的蛋白質(zhì)較少。

2.3 蛋白質(zhì)鑒定和定量數(shù)目情況

將 9種不同器官樣品的蛋白條帶從SDS-PAGE膠上切下，進行膠內(nèi)蛋白酶Lys-C酶消化后，抽提消化后的肽段，用LC-MS/MS進行蛋白質(zhì)的鑒定和定量。結(jié)果如表 1所示，我們共鑒定1 889個蛋白，有定量結(jié)果的蛋白數(shù)目1 876個，定量蛋白數(shù)占鑒定蛋白數(shù)的98 %以上，表明我們檢測的蛋白質(zhì)的信號較強。每個組織樣品平均鑒定的蛋白質(zhì)數(shù)目為：(531.6±63.3)個，定量為 (521.8±59.3)個。其中在9種組織樣品中被共同鑒定和定量的蛋白質(zhì)有9個，分別是：ATP 合成酶 β 亞基 (ATP synthase β subunit)；延長因子 1α (Elongation factor 1 alpha， eEF1A)；蛋白質(zhì)二硫鍵異構(gòu)酶 A3 (Protein disulfide isomerase A3，PDIA3)；轉(zhuǎn)酮醇酶(Transketolase)；葡萄糖 6磷酸異構(gòu)酶(Glucose-6-phosphate isomerase，GPI)；蛋白質(zhì)二硫鍵異構(gòu)酶 (Protein disulfide isomerase，PDI)；泛素-60S核糖體蛋白L40 (Ubiquitin-60S ribosomal protein L40)；熱休克70蛋白8 (Heat shock 70 kDa protein 8，HSPA8)和 β5微管蛋白(Tubulin beta-5)。

2.4 蛋白質(zhì)代謝標記分析結(jié)果

基于代謝標記的SILAC定量策略是根據(jù)對蛋白質(zhì)同一肽段在一級質(zhì)譜中的輕和重標離子對的強度進行比較，計算的比值就是相對定量的結(jié)果[14]。在本研究中所有組織器官共定量的9種蛋白中，對比Genecard中PaxDb數(shù)據(jù)庫，發(fā)現(xiàn)HSPA8蛋白在各種小鼠組織中均高表達 (數(shù)據(jù)庫含有的肝臟、心臟、脾臟、肺臟、腎臟和大腦 6種器官組織數(shù)據(jù)中，表達豐度均為各器官的蛋白豐度Top 5%)，是較好反映不同組織間標記效率差異的蛋白。如圖3所示，HSPA8中的一個定量肽段 SINPDEAVAYGAAVQAAILS GDK，根據(jù)輕重離子對的比例，計算重離子所占總離子的比例，即被13C6-Lysine標記的肽段占總肽段的比例，就可以計算出代謝標記的蛋白標記效率。分析HSPA8的結(jié)果顯示肝臟標記效率為98.00%，心臟標記效率為93.63%，脾臟標記效率為96.46%，肺標記效率為96.18%，腎臟標記效率為97.88%，胃標記效率為97.02%，腸標記效率為 96.11%，腦組織標記效率為94.52%，肌肉組織標記效率為95.16%。

表1 各組織器官鑒定和定量蛋白數(shù)量列表Table 1 Protein number of identified and quantified on different tissues

圖3 通過計算HSPA8蛋白的特征肽段的輕重離子對的相對峰強度反映不同臟器的標記效率Fig. 3 Analysis of labeling efficiency by comparing the relative peak intensity between the light and heavy ion pairs.Labeling of a representative peptide across different tissues of F2 generation SILAC mouse was selected. Proteins of nine tissues were extracted, in-gel digested, and analyzed by nanoLC-MS/MS to examine labeling efficiency.

進一步對器官組織的所有蛋白的定量信息進行統(tǒng)計學(xué)分析可以計算出器官的整體標記效率。為減少因標記導(dǎo)致輕標氨基酸肽段過少或缺失引發(fā)的強迫匹配以及由此引起的定量誤差，我們對數(shù)據(jù)進行了過濾，排除了信噪比S/N<10的肽段，并對保留的肽段逐個作了手工檢查，最后各組織得到接近200個定量蛋白質(zhì)。用高斯方程對過濾后蛋白質(zhì)的定量值數(shù)據(jù)分布進行正態(tài)性擬合，如圖 4所示，根據(jù)正態(tài)分布的均值和標準差，利用標記效率計算公式，計算各種組織的整體標記效率：肝臟為96.34%±0.90%；心臟為94.12%±1.42%；脾臟為95.96%±1.19%；肺臟為95.01%±1.86%；腎臟為95.60%±0.94%；胃臟為 95.71%±1.22%；腸為95.71%±1.98%；大腦為92.62%±1.98%；肌肉為94.16%±1.41%。結(jié)果顯示標記效率最高的是肝臟 96.34%±0.90%，標記效率最低的是心臟94.12±1.42%和大腦92.62%±1.98%，而小鼠整體的標記效率為95.80%±0.64%。

德國科學(xué)家Krüger等研究顯示[15]，SILAC定量蛋白組學(xué)穩(wěn)定和準確的定量結(jié)果的前提是作為內(nèi)標的蛋白質(zhì)組樣本的整體標記效率應(yīng)滿足≥95.00%，即在器官/組織中蛋白質(zhì)含有的Lysine至少有95%經(jīng)過代謝替換成13C6-Lysine。本研究中，F(xiàn)2代的 SILAC小鼠整體標記效率95.80%±0.64%，完全符合以上標準，因此可以成為后續(xù)研究中的定量內(nèi)標。

我們分析的結(jié)果如圖5所示，F(xiàn)2代的SILAC小鼠肝臟的標記效率高于整體標記水平，差異具有統(tǒng)計學(xué)差異 (P<0.05)；而小鼠心臟和大腦組織低于整體標記水平，具有統(tǒng)計學(xué)差異 (P<0.05)。因此，F(xiàn)2代SILAC小鼠標記效率具有組織特異性。

圖4 各組織器官定量蛋白的標記效率定量值的高斯擬合圖Fig. 4 Histograms of log2Light/Heavy using the quantified proteins from different tissues. Labeling efficiencies were analyzed using the population of proteins quantified by the log-transformed ratio of heavy versus light peptides representing protein labeling efficiency.

圖5 各組織器官整體標記效率Fig. 5 Comparison of SILAC labeling efficiencies in different tissues. The labeling efficiency of liver was higher than whole labeling efficiency of mouse, and the labeling efficiencies of heart and brain were lower. The differences were statistically significant (P <0.05).

3 討論

目前基于穩(wěn)定同位素代謝標記的SILAC定量蛋白質(zhì)組學(xué)技術(shù)已經(jīng)成為了蛋白質(zhì)組學(xué)發(fā)展的重要方向。SILAC定量方法在不同樣品的細胞或者蛋白質(zhì)層面進行混樣，使得后續(xù)的生物學(xué)處理組和重標對照組樣品的處理過程完全保持一致，可有效排除后續(xù)樣品的純化、預(yù)分離、蛋白質(zhì)消化、肽段抽提等一系列蛋白質(zhì)組學(xué)樣品制備過程各步驟可能引入的誤差，有效提高定量蛋白質(zhì)組學(xué)研究的準確性[3]。

由于標記技術(shù)的限制和標記成本的昂貴，SILAC技術(shù)主要應(yīng)用在微生物以及細胞等的定量研究中，難以拓展到對動物模型的代謝標記。在諸多的模式生物中，小鼠具有與人類高度同源等優(yōu)點，是當前研究中的重要動物模型。穩(wěn)定同位素代謝標記的模式小鼠能為各種疾病小鼠模型、基因敲除小鼠模型和微生物感染小鼠模型的研究提供定量內(nèi)標。這為研究基因或蛋白質(zhì)的功能、代謝或信號通路提供了強有力的技術(shù)支撐[16-18]。

本研究在國內(nèi)首次發(fā)展了用于小鼠模型的SILAC標記方法，利用含有重穩(wěn)定性同位素標記賴氨酸 (13C6-Lysine)的 SILAC鼠糧飼養(yǎng)C57BL/6J小鼠，結(jié)合LC-MS/MS對不同器官組織進行了定量標記分析，證明F2代小鼠的整體標記效率達到 95%以上。由于不完全標記時作為定量內(nèi)標的SILAC重標小鼠中摻雜有未被代謝標記的輕標蛋白，在與需要比較的樣品混合后，殘留的輕標蛋白與樣品蛋白難以區(qū)分，會對依據(jù)輕重標記的離子對定量的結(jié)果帶來干擾，難以實現(xiàn)高精度的準確定量比較。因此基于目前定量蛋白組學(xué)研究中內(nèi)標應(yīng)用的標準，95%的標記效率是代謝標記的基本要求[15]。通過不斷地方法改進提高標記效率是值得繼續(xù)探索的課題。然而標記效率不能無限提升至100%，因為標記效率一方面受到穩(wěn)定同位素的純度的限制 (目前使用的13C6-Lysine的純度為98.00%)；另一方面跟器官/組織細胞的代謝效率和增殖速度有關(guān)。

不同的器官組織存在著不同的標記效率。肝臟是機體代謝的核心器官，擁有肝動脈和門靜脈雙重血液供應(yīng)。腸道吸收的13C6-Lysine經(jīng)過門靜脈進入肝臟為其提供了充足的標記物質(zhì)。肝臟細胞是可再生細胞，這使得肝臟具有良好的自我增殖能力，在應(yīng)對物質(zhì)損傷凋亡后能迅速完成修補，因此肝臟的蛋白質(zhì)更新較快，整體代謝標記效果好。大腦組織作為神經(jīng)系統(tǒng)與心臟組織的心肌細胞相似，均是終末分化細胞，因此這兩個組織的標記效率低于整體水平。這些與 Zanivan等[17]報道結(jié)果一致。在Mann等[14]關(guān)于小鼠蛋白質(zhì)代謝動力學(xué)的研究中，以MRPL12蛋白 (Mitochondrial 39S ribosomal protein L12)為例，肝臟更新速率為0.205/d，心臟更新速率為 0.065/d。標記一半的MRPL12，肝臟只需要3.4 d，而心臟需要10.6 d。對肝臟和心臟定量的242種蛋白進行分析，肝臟的蛋白質(zhì)平均更新速率為 0.16/d，心臟的蛋白質(zhì)平均更新速率為 0.04/d[19]。肝臟蛋白質(zhì)更新速率明顯高于心臟，這使得在相同時間內(nèi)，肝臟更容易被SILAC標記，而心臟標記效率較低。通過延長飼養(yǎng)時間或者對其子代小鼠進行標記可以提高大腦和心臟等不易于代謝標記組織器官的完全標記。

在研究中，課題組成功地將SILAC方法從微生物和細胞系水平拓展到哺乳動物模型，在國內(nèi)首先建立了用于各種動物模型研究的蛋白質(zhì)組學(xué)定量內(nèi)標[11-13-20]。SILAC小鼠能用于各種組織器官的定量蛋白組學(xué)或比較蛋白組學(xué)研究領(lǐng)域，將研究水平從培養(yǎng)的細胞層面，提升到整體動物的組織/器官層面，并且能夠研究某種干預(yù)對于機體的不同器官的影響，闡釋不同器官間的內(nèi)在聯(lián)系。這為定量蛋白組學(xué)研究疾病發(fā)生、發(fā)展機制提供了有力工具。

致 謝：感謝張瑤在英文修改中提供的支持。

[1]Rappsilber J, Mann M. Is mass spectrometry ready for proteome-wide protein expression analysis Genome Biol, 2002, 3(8): comment2008.1–2008.5.

[2]Cox J, Mann M. Is proteomics the new genomics?Cell, 2007, 130(3): 395–398.

[3]Ong SE, Mann M. Mass spectrometry-based proteomics turns quantitative. Nat Chem Biol,2005, 1(5): 252–262.

[4]Robles MS, Cox J, Mann M. In-vivo quantitative proteomics reveals a key contribution of post-transcriptional mechanisms to thecircadian regulation of liver metabolism. PLoS Genet, 2014,10(1): e1004047.

[5]Mann M. Proteomics for biomedicine: a half-completed journey. EMBO Mol Med 2012,4(2): 75–77.

[6]Geiger T, Velic A, Macek B, et al. Initial quantitative proteomic map of 28 mouse tissues using the SILAC mouse. Mol Cell Proteomics,2013, 12(6): 1709–1722.

[7]Rossant J, Nagy A. Genome engineering: the new mouse genetics. Nat Med, 1995, 1(6): 592–594.

[8]Almodovar AJO, Luther RJ, Stonebrook CL, et al.Genomic structure and genetic drift in C57BL/6 congenic metabolic mutant mice. Mol Genet Metab, 2013, 110(3): 396–400.

[9]Zanivan S, Krueger M, Mann M. In vivo quantitative proteomics: the SILAC mouse.Methods Mol Biol. Humana Press, 2012: 435–450.

[10]Krüger M, Moser M, Ussar S, et al. SILAC mouse for quantitative proteomics uncovers kindlin-3 as an essential factor for red blood cell function. Cell,2008, 134(2): 353–364.

[11]Zhai L, Chang C, Li N, et al. Systematic research on the pre‐treatment of peptides for quantitative proteomics using a C18microcolumn. Proteomics,2013, 13(15): 2229–2237.

[12]Xu P, Duong DM, Seyfried NT, et al. Quantitative proteomics reveals the function of unconventional ubiquitin chains in proteasomal degradation. Cell,2009, 137(1): 133–145.

[13]Xu P, Tan H, Duong DM, et al. Stable isotope labeling with amino acids in Drosophila for quantifying proteins and modifications. J Proteome Res, 2012, 11(9): 4403–4412.

[14]Mann M. Functional and quantitative proteomics using SILAC. Nat Rev Mol Cell Biol, 2006, 7(12):952–958.

[15]Krüger M, Moser M, Ussar S, et al. SILAC mouse for quantitative proteomics uncovers kindlin-3 as an essential factor for red blood cell function. Cell,2008, 134(2): 353–364.

[16]Walther DM, Mann M. Accurate quantification of more than 4000 mouse tissue proteins reveals minimal proteome changes during aging. Mol Cell Proteomics, 2011, 10(2): M110. 004523.

[17]Zanivan S, Meves A, Behrendt K, et al. In vivo SILAC-based proteomics reveals phosphoproteome changes during mouse skin carcinogenesis. Cell Rep, 2013, 3(2): 552–566.

[18]Ostasiewicz P, Zielinska DF, Mann M, et al.Proteome, phosphoproteome, and N-glycoproteome are quantitatively preserved in formalin-fixed paraffin-embedded tissue and analyzable by high-resolution mass spectrometry. J Proteome Res, 2010, 9(7): 3688–3700.

[19]Kim TY, Wang D, Kim AK, et al. Metabolic labeling reveals proteome dynamics of mouse mitochondria. Mol Cell Proteomics, 2012, 11(12):1586–1594.

[20]Ping L, Zhang H, Zhai L, et al. Quantitative proteomics reveals significant changes in cell shape and an energy shift after IPTG induction via an optimized SILAC approach for Escherichia coli.J Proteome Res, 2013, 12(12): 5978–5988.