药物靶点研究 | CETSA vs. TPP ,从 “单点验证” 到 “全景扫描” 的飞跃

所属分类: 技术干货

发布时间: 2025-11-12

概要: 作为深耕药物靶点研究的科研人,我在刚接触热蛋白组分析(TPP)时,最先困惑的就是它与细胞热迁移分析(CETSA)的关系。今天结合多篇经典文献和实验心得,聊聊这两项技术的进化逻辑、核心差异与策略选择。




作为深耕药物靶点研究的科研人,我在刚接触热蛋白组分析(TPP)时,最先困惑的就是它与细胞热迁移分析(CETSA)的关系。翻阅了 Nat Methods、Phytomedicine 等期刊的相关文献后才理清:TPP 本质是 CETSA 技术在质谱时代的革命性延伸,两者如同基因克隆技术中的 PCR 与 qPCR,既一脉相承又各有专攻。今天结合多篇经典文献和实验心得,聊聊这两项技术的进化逻辑、核心差异与策略选择。


一、技术溯源 | 从单点验证到全景扫描的突破


Science 重磅!CETSA 登场,

药物靶标验证迎来 “无标记革命”



2013 年《Science》一篇研究,让细胞热迁移分析(CETSA)成为药物靶标验证的 “新宠”。它的原理简单到惊艳:药物与靶蛋白结合后,会给蛋白 “加一层热保护”—— 梯度温度处理后,结合态蛋白比游离态更易留在可溶组分里,用 Western blot 检测目标蛋白的含量变化,就能直接证明细胞内药物与靶标的真实结合。这种 “不标记、贴生理” 的优势,让 CETSA 迅速火遍科研圈。


遗憾!CETSA 的“单点困境”



可火着火着,CETSA 的 “短板” 也藏不住了 —— 它依赖 WB 检测,一次实验最多验证 3-5 个靶蛋白,像个 “单点狙击手”。面对表型筛选得到的活性化合物,想找出 “未知的作用靶标”?CETSA 完全无从下手,这成了药物机制研究的 “拦路虎”。


再登 Science!TPP 横空出世,给 CETSA 装了 “全蛋白组扫描引擎”



直到 2014 年,Savitski 团队在《Science》再献突破:他们把 CETSA 的 “热稳定原理” 与定量质谱 “嫁接”,开发出热蛋白组分析(TPP)。通过 TMT 重同位素标记不同温度的样品,再用质谱检测,一次性就能画出全蛋白组的热稳定性图谱 ——相当于给 CETSA 从 “单点狙击” 升级成 “全景扫描”,未知靶标的发现终于不再是难题!


二、核心差异 | 从检测维度到应用场景的全面对比



在系统梳理 Nat Methods、Mol Syst Biol 等 7 篇文献后,我将两项技术的核心差异总结为以下 4 个维度:


(一)检测规模与深度



CETSA 本质是 “单点检测” 技术,依赖特异性抗体通过 WB 定量目标蛋白,一次实验最多并行验证 3-5 个靶标,且无法发现未知互作蛋白。而 TPP 借助质谱实现 “全景扫描”,常规实验可覆盖 5000-8000 种蛋白,深度版本甚至能检测 15,846 种蛋白变体,包括剪接异构体和翻译后修饰形式。


【在神经退行性疾病研究中,研究者用 TPP 分析脱氧胆酸(DCA)处理的 SH-SY5Y 细胞,一次性鉴定出 65 个潜在靶蛋白,其中尼卡斯特林(γ- 分泌酶亚基)的发现直接揭示了肠道菌群代谢物与 amyloid-β 生成的关联。这种无偏倚发现能力,是 CETSA 无法企及的。】


(二)实验设计



● CETSA 实验设计相对简单:细胞经药物处理后,设置 6-8 个温度梯度(通常 37-67℃)加热,裂解离心后取上清做 WB 即可,试剂成本主要消耗在抗体上。


● TPP 则涉及复杂的样品处理流程:需对每个温度点的样品进行酶解、TMT 标记、分级分离后再做质谱检测。


(三)数据解析复杂度



● CETSA以温度为横坐标、蛋白相对含量为纵坐标绘制曲线,药物处理组的熔解温度(Tm)较对照组升高 1-2℃以上,即可判定靶标结合阳性。我实验室的常规操作是设置 3 个生物学重复,用 GraphPad Prism 拟合曲线即可。


● TPP:数据处理需要专业的生物信息学支撑,首先用 MaxQuant 等软件定量肽段,再通过 TPP 包拟合每个蛋白的熔解曲线,计算 Tm 值及变化,最后结合统计检验筛选差异稳定蛋白。更复杂的是 2D-TPP 设计,需同时设置温度梯度和药物浓度梯度,数据维度翻倍,解析难度显著增加。


(四)特殊场景适应性



CETSA 在组织样本检测中更具优势,只需少量临床样本(约 10mg)即可完成检测,适合临床前药物的靶标验证。而 TPP 对样本量要求较高(通常需 10^7 个细胞或 50mg 组织),但在特殊亚细胞结构研究中表现更优 —— 2021 年 Nat Methods 报道的细胞表面 TPP(CS-TPP),通过富集细胞膜蛋白,成功捕获了 TGF-β 受体抑制剂诱导的 MCT1/3 转运体内化过程,揭示了药物的抗转移机制。


三、实验策略选择 | 核心场景的决策指南



结合文献案例和自身经验,我将技术选择归纳为以下 2 类典型场景:

(一)已知靶标的验证与优化

(首选 CETSA)



当研究目标是验证 “化合物 A 是否结合蛋白 X” 或比较不同衍生物的结合亲和力时,CETSA 是最优选择。其优势在于:


● 无需依赖质谱平台,普通分子生物学实验室即可开展;


● 可在细胞、组织甚至类器官中进行,贴近生理环境;


● 能快速筛选化合物浓度范围,为后续实验提供参数。


例如验证某 Syk 激酶抑制剂的靶标结合时,我用 CETSA 设置 0-10μM 药物浓度梯度,发现 5μM 以上即可显著升高 Syk 的 Tm 值,后续的激酶活性实验便围绕该浓度范围设计。


(二)未知靶标的系统性发现

(建议选 TPP)



在表型筛选得到活性化合物后,需解析其作用机制时,TPP 是目前最主流的技术。2025 年 Phytomedicine 报道的中药白及抗骨质疏松研究就是典型案例:研究者用等温 TPP 鉴定出 110 个直接靶蛋白,结合虚拟筛选建立 “活性成分 - 靶标” 网络,最终发现 ATM、PIK3R1 等关键靶点。


image.png

TPP的应用场景概览图(Expert Rev Proteomics. 2024)


【这类研究若用 CETSA 则完全无法实现 —— 谁也无法提前预测并制备上百种抗体。需要注意的是,TPP 筛选得到的候选靶标需用 CETSA 进行二次验证,这是发表高分文章的必备流程。】


四、技术展望 | 从定性到定量的下一站进化



回顾 CETSA 到 TPP 的十年发展,技术进化的核心逻辑始终是 “更全面、更精准、更贴近生理”。目前 TPP 的最新突破是定量靶标占有率检测 —— 通过 2D-TPP 同时设置温度和药物浓度梯度,可计算药物在细胞内的靶标结合率(TO),这对优化药物剂量具有重要指导意义。


作为一线研究者,我最深的体会是:没有完美的技术,只有适配的策略。CETSA 的 “精准打击” 与 TPP 的 “全景扫描” 恰好形成互补。未来随着单细胞 TPP、空间 TPP 等新技术的出现,热蛋白组分析必将在精准医疗领域发挥更核心的作用。


如果你正在设计相关实验,欢迎在评论区分享具体场景,我们可以一起探讨最优方案!也期待大家交流 TPP 数据分析中的实战技巧~







推荐

谱度众合 :最经典、主流的药物靶点筛选技术——TPP热蛋白组分析


✔ 全面直接筛选真实药靶组合:蛋白质组水平筛选药物结合的蛋白靶点,全面覆盖治疗靶点与脱靶靶点;使用药物分子本体进行试验,无需设计合成分子探针,药靶结合更真实


✔ 多种数据分析策略:结合蛋白热变性曲线分析和非参数分析方法(NPARC),全面捕获潜在药物靶点


✔ 多种生信分析数据库挖掘辅助筛选:对潜在药物靶点进行生信分析与数据库挖掘,辅助最终药物靶点的确认


✔ 多种衍生技术可选:除常规温度范围(TPP-TR)、药物浓度范围(TPP-CCR)、两者结合(2D-TPP)的常规热蛋白组分析方法外,还可进行单温度点(ITSA)、多温度点混合(PISA)等高通量热蛋白组分析方法


联系丸子,了解更多~

参考文献

  • [1] Kalxdorf M, Günthner I, Becher I, et al. Cell surface thermal proteome profiling tracks perturbations and drug targets on the plasma membrane. Nat Methods. 2021;18(1):84-91. doi:10.1038/s41592-020-01022-1


  • [2] Zhang L, Wang Y, Zheng C, et al. Cellular thermal shift assay: an approach to identify and assess protein target engagement. Expert Rev Proteomics. 2024;21(9-10):387-400. doi:10.1080/14789450.2024.2406785


  • [3] Mateus A, Kurzawa N, Becher I, et al. Thermal proteome profiling for interrogating protein interactions. Mol Syst Biol. 2020;16(3):e9232. doi:10.15252/msb.20199232


  • [4] Kurzawa N, Leo IR, Stahl M, et al. Deep thermal profiling for detection of functional proteoform groups. Nat Chem Biol. 2023;19(8):962-971. doi:10.1038/s41589-023-01284-8


  • [5] Ruan C, Ning W, Liu Z, et al. Precipitate-Supported Thermal Proteome Profiling Coupled with Deep Learning for Comprehensive Screening of Drug Target Proteins. ACS Chem Biol. 2022;17(1):252-262. doi:10.1021/acschembio.1c00936


  • [6] Tu Y, Tan L, Tao H, Li Y, Liu H. CETSA and thermal proteome profiling strategies for target identification and drug discovery of natural products. Phytomedicine. 2023;116:154862. doi:10.1016/j.phymed.2023.154862


  • [7] George AL, Sidgwick FR, Watt JE, et al. Comparison of Quantitative Mass Spectrometric Methods for Drug Target Identification by Thermal Proteome Profiling. J Proteome Res. 2023;22(8):2629-2640. doi:10.1021/acs.jproteome.3c00111


  • [8] Song J. Applications of the Cellular Thermal Shift Assay to Drug Discovery in Natural Products: A Review. Int J Mol Sci. 2025;26(9):3940. Published 2025 Apr 22. doi:10.3390/ijms26093940





点击下方“阅读全文” 获取资料


关键词: 药物靶点研究 | CETSA vs. TPP ,从 “单点验证” 到 “全景扫描” 的飞跃