肿瘤蛋白藏“构象小秘密”？三篇顶刊带LiP-MS解密，抗癌靶点手到擒来
所属分类： 技术干货
发布时间： 2025-09-28
概要： 做肿瘤蛋白组学研究时，你是不是总盯着Westernblot的条带亮度较劲？
做肿瘤蛋白组学研究时，你是不是总盯着Westernblot的条带亮度较劲？默认“蛋白表达量高=功能强”，却忽略了一个关键问题——蛋白质的“形态”（三维构象）比“数量”更能决定它会不会“搞事情”。
比如同样是ENO1蛋白，没结合油酸时安安静静，一旦结合后构象变了，就能激活PI3K/Akt通路帮癌细胞“疯狂生长”；而PKM2蛋白上一个小小的F26残基被血根碱“锁住”，口腔鳞癌的自噬通路就直接“瘫痪”。
这些藏在“构象变化”里的癌症密码，以前靠传统质谱根本抓不住——直到有限蛋白水解质谱技术（LiP-MS）出现。今天这篇推文，就带大家用研究生能懂的“实验逻辑+案例”，吃透LiP-MS怎么解锁肿瘤蛋白构象、挖出新靶点，帮你在课题里少走弯路！
一、先搞懂：LiP-MS到底是怎么“看见”蛋白构象的？
其实原理超简单，就像“给蛋白做‘酶切指纹’鉴定”：
● 蛋白的天然构象会“保护”某些区域——比如折叠起来的部分，蛋白酶（如ProteinaseK）切不到；
● 一旦蛋白和小分子（药物/代谢物）结合，或发生突变，构象会变——原来藏着的区域可能暴露，原来暴露的可能被遮住；
● 用质谱检测“酶切后产生的肽段差异”：比如A条件下有某条肽段，B条件下没了，就说明这部分构象变了；
● 反过来推：从肽段差异就能知道“蛋白构象怎么变”“和哪个小分子结合了”。
不用标记、接近生理条件、还能高通量——这对做肿瘤分子机制的我们来说，简直是“降维打击”！
LiP-MS流程示意图。图片来源：Schopper,S.etal.NatureProtocols(2017)
Part1结直肠癌的“代谢密码”：
LiP-MS揪出操控蛋白的“坏分子”
肿瘤微环境里的代谢物就像“隐形推手”——有的帮癌细胞干活，有的抑制它，但以前我们根本不知道它们是“怎么和蛋白搭上线的”。2024年昆明医科大学等团队发在《CancerCell》的研究，用LiP-MS把这个过程扒得明明白白。
案例核心：2种代谢物，2条通路，LiP-MS一次搞定
2024年8月，昆明医科大学、香港中文大学及南京医科大学等团队在CancerCell杂志发表的一项研究，系统揭示结直肠癌（CRC）进展过程中的代谢物变化及其功能机制，该研究利用LiP-MS技术，成功“钓”出了与关键差异代谢物直接互作的蛋白靶点。
1.油酸（癌细胞的“帮凶”）：靠构象变化激活促癌通路
● 先发现：结直肠癌（CRC）组织里的油酸（Oleicacid）比正常组织多；
● 再用LiP-MS“钓鱼”：把油酸加给CRC细胞（HCT116/HT-29），做LiP-MS分析——结果发现油酸只和ENO1蛋白（α-烯醇化酶）结合；
● 关键证据：LiP-MS捕捉到ENO1的肽段差异，证明油酸结合后ENO1构象变了；
● 功能验证：这种构象变化直接激活了PI3K/Akt通路，癌细胞增殖速度翻倍（敲掉ENO1，油酸就没用了）。
2.别胆酸（癌细胞的“敌人”）：靠构象变化关掉促癌通路
● 反过来：CRC组织里的别胆酸（Allocholicacid）比正常组织少；
● LiP-MS”卷土重来“：别胆酸加给CRC细胞后，只和FXR1蛋白结合；
● 构象变化：LiP-MS同样抓到FXR1的肽段差异，说明结合后FXR1构象变了；
● 功能验证：结合后FXR1构象变化让MAPK通路失活，癌细胞生长被抑制（补回别胆酸，肿瘤体积缩小40%）。
本研究工作流程示意图。图片来源：SunY,etal.CancerCell.(2024)
实操启示：LiP-MS怎么帮你搭“代谢物-蛋白-通路”证据链？
❶ 不用预设靶点：不用先猜“油酸可能结合谁”，LiP-MS直接从几千种蛋白里筛出唯一靶点ENO1，避免“先入为主”的坑；
❷ 构象变化直接关联功能：一条差异肽段就能证明“油酸结合→ENO1构象变→通路激活”，比单纯做Co-IP更有说服力；
❸ 正反案例互证：同一批实验，既做“促癌代谢物”也做“抑癌代谢物”，结果更扎实（这篇《CancerCell》能发高分，这点很关键）。
Part2药物靶点鉴定的“避坑指南”：
LiP-Quant让假阳性“现形”
做药物筛选时，你是不是遇到过“Pull-down筛出一堆靶点，验证后全是假阳性”？问题出在“传统方法只能看‘有没有结合’，不能看‘结合得对不对’”。2020年Paola Picotti团队在《Nature Communications》提出的LiP-Quant策略，完美解决了这个问题。
方法升级：从单点到多点，LiP-Quant与机器学习的融合
LiP-Quant的逻辑很简单：真正的药物-靶点结合，一定有“剂量依赖性”——药物浓度越高，蛋白构象变化越明显；假阳性结合则是“杂乱无章”的。
比如用雷帕霉素（Rapamycin）验证：
● 真靶点FKBP1A：随着雷帕霉素浓度从0.01μM升到50μM，其特定肽段的丰度呈“S型曲线”变化（浓度越高，肽段差异越显著）；
● 假阳性蛋白：不管雷帕霉素浓度怎么变，肽段丰度都乱飘，没有规律。
【具体操作时，你只需要设置5-7个药物浓度梯度，用LiP-MS检测肽段变化，再结合机器学习（比如随机森林算法），就能自动筛选出“高置信靶点”——比传统方法的假阳性率降低30%以上！】
LiP-Quant剂量-效应关系示意图
课题建议：什么时候用LiP-Quant？
❶ 从化合物库筛到“有活性但不知靶点”的分子时（比如你筛到一个能抑制癌细胞的天然产物）；
❷ 验证“基于结构设计的药物是否真的结合预期靶点”时（比如你设计了一个PKM2抑制剂，用LiP-Quant看浓度梯度下的结合情况）；
❸ 做高通量药物筛选，需要快速缩小靶点范围时（比一个个做Pull-down快10倍）。
Part3天然化合物抗癌的“密码本”：
LiP-MS解密血根碱如何“锁死”癌细胞
天然化合物（比如血根碱）因为毒性低、来源广，是抗瘤药物的“潜力股”，但最大的问题是“不知道它到底结合哪个蛋白”。2025年中南大学湘雅二医院等团队发在《Phytomedicine》的研究，用LiP-MS把血根碱抗口腔鳞癌（OSCC）的机制扒得明明白白，堪称“天然化合物机制研究模板”。
案例逻辑：从“筛药”到“验机制”，LiP-MS贯穿全程
1.筛出有活性的化合物——血根碱
● 从FDA药物库（2698种）+自噬化合物库（984种）里筛：只有血根碱（Sang）和化疗药多柔比星（Dox）能同时抑制OSCC细胞（CAL27/SCC9）；
● 优势：血根碱和Dox活性相当，但没有Dox的心脏毒性，IC50在2-5μM（对正常细胞几乎无毒）；
● 表型提示：血根碱能升高MAP1LC3B-II、SQSTM1，说明它不是“诱导自噬”，而是“阻断自噬通量”（癌细胞的“垃圾回收”断了）。
2.LiP-MS“揪出”直接靶点——PKM2
● 为什么用LiP-MS？因为“阻断自噬”的靶点太多（比如溶酶体蛋白、自噬受体），传统方法筛不完；
● 实验设计：血根碱设3个浓度组（2/3/3.5μM）+对照组，处理CAL27细胞后做LiP-MS；
● 结果：3个浓度组共有的差异蛋白只有6种，结合虚拟筛选（GalaxySagittarius），唯一交集是PKM2（丙酮酸激酶M2）；
●验证：用SPR（KD=7.31×10⁻⁶M）和MST（KD=2.63±0.31μM）确认——血根碱和PKM2结合得很牢。
(A)LiP-MS检测流程示意图。(B)用三种浓度血根碱处理CAL27细胞，识别经LiP-MS检测后的DEPs中的重叠蛋白。图片来源：Peng YC, et al. Phytomedicine. (2025)
3.LiP-MS提示结合位点——F26残基
● 关键线索：LiP-MS抓到PKM2的差异肽段（比如DTKGPER，foldchange=11.44），说明血根碱结合后，PKM2的这个区域构象变了；
● 定位结合位点：用分子模拟（CavityPlus预测+Schrödinger对接）发现，PKM2的F26残基（苯丙氨酸26位）是结合“热点”（对接评分-10.253，最稳定）；
● 突变验证：把F26改成丙氨酸（PKM2F26A），血根碱再也结合不上PKM2，自噬阻断效应也没了——实锤F26是“关键锚点”。
4.体内外验证机制——PKM2/TFEB轴
● 机制链：血根碱结合PKM2F26→抑制PKM2活性→下调TFEB（自噬/溶酶体的“总指挥”）→溶酶体功能受损（pH升高、CTSB/CTSD活性降）→自噬通量阻断→OSCC细胞死亡；
● 动物实验：裸鼠移植OSCC细胞，血根碱（5mg/kg）能让野生型PKM2组肿瘤缩小40%，但对PKM2F26A组没用——体内外机制一致。
论文启示：LiP-MS怎么帮你提升课题深度？
❶ 无偏筛选避假阳：不用先假设“血根碱可能结合溶酶体蛋白”，直接从OSCC细胞的复杂蛋白组里筛出PKM2，比Pull-down少走很多弯路；
❷ 构象变化=结合位点线索：LiP-MS的差异肽段直接告诉你“PKM2的哪个区域变了”，不用盲目突变十几个残基（这篇研究只突变F26就成了，节省2个月实验时间）；
❸ 搭完整证据链：从“化合物筛选→靶点鉴定→结合位点→通路调控→动物验证”，每个环节都有LiP-MS的支撑，论文数据更扎实（审稿人最爱看这种“闭环”）。
二、结语：写给未来的抗癌“拆弹专家”
从油酸“拧开”ENO1，到别胆酸“扣下”FXR1，再到血根碱“精准锁死”PKM2-F26，LiP-MS只用一条差异肽段，就把代谢物、药物与蛋白的“暗语”翻译成可视化的构象指纹。它让靶点发现告别“盲盒”，让机制解析跳出“黑箱”，把每一次分子碰撞都变成可追踪、可验证、可复用的抗癌线索。
下一场战役，或许就藏在某条尚未被切割的肽段里；而LiP-MS，已为我们点亮了探照灯。关注“结构”而非仅仅“含量”，我们终将在蛋白的褶皱中，找到更多治愈癌症的“钥匙孔”。
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
✔ 药物靶点筛选：在体外生理条件下，寻找小分子药物可能的作用靶点。
✔ 药物 - 蛋白结合域分析：于体外生理条件中，探究纯化重组蛋白和目标药物的作用区域以及结合位点。
✔ 药物机制研究：在体内给药的条件下，钻研小分子药物潜在的作用靶点及其发挥作用的机制。
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。
推荐阅读
左右滑动查看更多
参考文献
[1] Sun Y, Zhang X, Hang D, et al. Integrative plasma and fecal metabolomics identify functional metabolites in adenoma-colorectal cancer progression and as early diagnostic biomarkers. Cancer Cell. 2024;42(8):1386-1400.e8. doi:10.1016/j.ccell.2024.07.005
[2] Peng YC, He ZJ, Yin LC, et al. Sanguinarine suppresses oral squamous cell carcinoma progression by targeting the PKM2/TFEB aix to inhibit autophagic flux. Phytomedicine. 2025;136:156337. doi:10.1016/j.phymed.2024.156337
[3] Piazza I, Beaton N, Bruderer R, et al. A machine learning-based chemoproteomic approach to identify drug targets and binding sites in complex proteomes. Nat Commun. 2020;11(1):4200. Published 2020 Aug 21. doi:10.1038/s41467-020-18071-x
[4] 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
[5] Schopper S, Kahraman A, Leuenberger P, et al. Measuring protein structural changes on a proteome-wide scale using limited proteolysis-coupled mass spectrometry. Nat Protoc. 2017;12(11):2391-2410. doi:10.1038/nprot.2017.100
关键词： 肿瘤蛋白藏“构象小秘密”？三篇顶刊带LiP-MS解密，抗癌靶点手到擒来
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