惊！一个小分子靶点筛选技术，居然还能用来筛选生物标志物？
所属分类： 技术干货
发布时间： 2026-01-30
概要： 一款原本主打“小分子靶点筛选”的技术 —— LiP-MS，如今已经跨界闯进生物标志物筛选领域，还在帕金森病（PD）研究中交出了亮眼答卷！今天我们就来拆解这个“跨界能手”：它到底是什么？原本用来做什么？又如何在疾病诊断标志物领域“弯道超车”？
提到蛋白质组学技术，大家可能会想到它在药物靶点筛选、蛋白质互作分析中的应用，但你知道吗？一款原本主打“小分子靶点筛选”的技术 —— LiP-MS（有限蛋白酶解 - 质谱法），如今已经跨界闯进生物标志物筛选领域，还在帕金森病（PD）研究中交出了亮眼答卷！
今天我们就来拆解这个“跨界能手”：它到底是什么？原本用来做什么？又如何在疾病诊断标志物领域“弯道超车”？
联系丸子，解锁更多小分子靶点筛选、蛋白互作技术干货~
一、知识回顾：LiP-MS 到底是个啥？
1. 核心原理：给蛋白质的“结构”拍快照
蛋白质的功能全靠结构撑着 —— 不管是结合小分子、形成复合物，还是发生错误折叠，都会让它的“外形”变样。LiP-MS就是靠“捕捉外形变化”干活：
第一步：用非特异性蛋白酶（比如PK酶）对样本“有限消化”—— 结构松散、易接触的区域会被剪切成短肽，而折叠紧密或发生互作的区域则会“躲过一劫”；
第二步：对消化后的肽段做质谱检测（常用DIA模式，精准度更高）；
第三步：用专用分析工具MSstatsLiP校正蛋白丰度干扰，筛选出“只因为结构变化而产生的差异肽段”—— 这些肽段就是反映疾病状态的“结构指纹”。
简单说，常规技术看“蛋白质多不多”（丰度），LiP-MS看“蛋白质长得对不对”（结构），相当于给蛋白质做了次“结构体检”。
2. 原本的“老本行”：不止是靶点筛选
在跨界之前，LiP-MS早已是功能蛋白质组学的“得力干将”：
小分子靶点筛选：
快速找到药物在细胞内的结合蛋白及结合位点；
蛋白质互作图谱解析：
捕捉蛋白 - 蛋白、蛋白 - 代谢物的动态结合；
热稳定性分析：
研究蛋白质在不同条件下的折叠状态变化；
酶活性监测：
通过结构变化反映酶的激活 / 抑制状态。
而这次跨界生物标志物筛选，正是因为它能捕捉到常规技术“看不见”的结构变化 —— 很多疾病早期，蛋白质丰度没变化，但结构已经出现异常，这正是LiP-MS的“独家优势”。
二、LiP-MS如何挖出PD的“结构型生物标志物”？
帕金森病是典型的“缺早期标志物”的神经退行性疾病，常规靠α-突触核蛋白的丰度或聚集态检测，但漏诊率不低。来自《Nature Structural & Molecular Biology》的研究，就用LiP-MS给PD的生物标志物筛选打开了新思路，我们一步步看它的操作：
1. 研究设计：从样本到实验的“精准布局”
样本队列：
52名早期PD患者 + 51名年龄匹配健康人（核心样本是脑脊液CSF，与脑组织直接交换，能反映脑部病理），额外加入5对PD患者与健康人的脑样本（验证CSF结果的可靠性）；
实验关键参数：
遵循优化后的LiP-MS protocol —— PK酶与底物比（E:S）1:100（wt/wt），25℃孵育5分钟，热循环仪99℃灭活，数据用DIA模式采集，MSstatsLiP校正年龄、性别、蛋白丰度等干扰因素；
核心目标：
找到能区分PD与健康人的“结构差异肽段”，并验证其与疾病病理的关联。
2. 关键细节：LiP-MS的“破案关键”
为什么LiP-MS能比常规方法更精准？这几个细节很重要：
区分“结构变化”和“丰度变化”：通过平行设置“仅胰酶消化组”（检测丰度）和“LiP组”（检测结构），用MSstatsLiP剔除丰度干扰，确保筛选出的差异只来自蛋白质结构改变；
排除背景干扰：分析健康人CSF的结构蛋白组变异性，发现64种蛋白有高变区域，而PD相关的88个差异肽段中87个是“非变异性”的，避免了个体差异导致的假阳性；
脑样本验证：CSF中发现的76种结构改变蛋白，27种在脑样本中检测到，其中16种存在相同方向的结构变化 —— 证明这些结构变化真的和脑部病理相关，不是“脑脊液独有的噪音”。
3. 结果亮眼：从“结构指纹”到“诊断利器”
找到“核心标志物组”：
76种在PD患者CSF中结构改变的蛋白，富集在突触维持、乙酰胆碱代谢等PD关键通路，其中2种与PD风险基因直接对应；
分类能力超预期：
5个结构肽段组成的模型，区分PD与健康人的AUC达0.752，远超蛋白质丰度模型；更厉害的是，它能补上常规方法的“短板”—— 12名被α-突触核蛋白检测误判的PD患者，10名被结构肽模型正确识别（包括2名病程超16年的患者）；
联合检测“强强联合”：
与α-突触核蛋白（目前最常用PD标志物）联合后，诊断准确率从单独的73%-75%飙升至91%，几乎能覆盖所有真实PD患者。
三、方法PK：LiP-MSvs常规生物标志物筛选，各有啥优劣？
为了更清晰看到LiP-MS的“跨界价值”，我们把它和常规方法做个正面对比：
简单说：常规方法是“看蛋白质有没有多出来”，LiP-MS是“看蛋白质有没有长歪”——而很多疾病的早期信号，恰恰藏在“长歪”的结构里，这就是它能挖出“隐藏款”生物标志物的关键。
四、展望：LiP-MS的“跨界之路”能走多远？
随着技术的持续优化，LiP-MS的应用场景还在不断拓宽：
疾病覆盖：
不止PD，还能用于癌症、阿尔茨海默病等 —— 只要疾病涉及蛋白质结构异常（如肿瘤驱动蛋白的构象改变、神经退行性疾病的蛋白聚集），都可能用它找到标志物；
临床转化：
从“科研工具”到“临床检测”—— 未来可基于筛选出的结构肽段，开发靶向检测试剂盒，降低临床应用门槛；
技术融合：
与AI结合 —— 用AI预测蛋白质结构变化，再用LiP-MS验证，可能加速标志物发现流程；与单细胞技术结合，还能精准定位病变细胞中的结构异常蛋白。
当然，它也不是“万能的”：目前仍需要大样本队列验证特异性（区分PD与其他神经退行性疾病），样本处理的标准化（如CSF采集、保存条件）也需要进一步规范。但不可否认，LiP-MS的出现，让生物标志物筛选从“只看丰度”进入了“结构+丰度”的双维度时代。
五、结尾思考
当我们一直纠结“哪个蛋白质多了/少了”的时候，LiP-MS提醒我们：“蛋白质长得对不对”可能是更重要的疾病信号。未来，结构型生物标志物会不会成为临床诊断的“新标配”？LiP-MS又能在哪些疾病中挖出更多“隐藏款”标志物？欢迎在评论区分享你的想法～
联系丸子，了解更多~
推荐
谱度众合 LiP-MS 科研 buff 加持！药物靶点研究3大场景轻松破局
✔ 精准捕获结构异常：突破传统丰度检测局限，聚焦疾病早期蛋白结构改变，挖掘高特异性“结构指纹”标志物；
✔ 病理关联强验证：脑脊液/组织样本联动分析，确保标志物与疾病病理直接相关，降低假阳性风险；
✔诊断性能超预期：单模型AUC达0.752，与传统标志物联合准确率飙升至91%，补齐漏诊短板；
✔高通量高效筛选：遵循优化protocol，2天处理192样本，MSstatsLiP自动校正干扰，加速科研落地。
谱度众合是一家由武汉大学博士团队创办的科研服务企业，我们专注于利用质谱技术服务于生物标志物、药物靶点筛选、基础研究等蛋白质研究领域，我们在本专业细分领域持续深耕十几年，针对具体研究场景开发多种面向具体研究目的和论文发表需求的服务产品，助力于客户更轻松更高效的完成科研目标。
参考文献
1. Mackmull MT, Nagel L, Sesterhenn F, et al. Global, in situ analysis of the structural proteome in individuals with Parkinson's disease to identify a new class of biomarker. Nat Struct Mol Biol. 2022;29(10):978-989. doi:10.1038/s41594-022-00837-0
2. Malinovska L, Cappelletti V, Kohler D, et al. Proteome-wide structural changes measured with limited proteolysis-mass spectrometry: an advanced protocol for high-throughput applications. Nat Protoc. 2023;18(3):659-682. doi:10.1038/s41596-022-00771-x
关键词： 惊！一个小分子靶点筛选技术，居然还能用来筛选生物标志物？
相关资讯
双喜临门！谱度众合连获2026年“武汉市人工智能企业”和“武汉市大数据企业”双项殊荣
2026-07-30
谱度众合亮相贵州大学溪山生物医药创新论坛：高通量质谱技术驱动药物靶点精准筛选
2026-07-30
科研不容试错，标准铸就信任！谱度众合PRM靶向检测省级团体标准正式获批！
2026-07-30
二十年质谱技术沉淀助力于您的蛋白质研究
谱度众合是一家由武大生科院博士师兄弟创办的科研服务企业，团队延续课题组方向持续深耕专业领域20年，一直专注于利用质谱技术服务于生物标志物发现、药物靶点筛选、分子机制解析等研究领域，致力于为生物医学科研工作者提供靠谱的高效率科研工具。
业务咨询