"蛋白组 + 代谢组"做完后，如何从海量结果里找到真正值得验证的机制？

图1  目前主流高分辨质谱（以Orbitrap Astral为例）单次运行可产出上万蛋白特征。仪器已经不是瓶颈，瓶颈在下游筛选。

代谢组和蛋白组最大的区别，是代谢物“活”得太快。细胞或组织一旦离体，内源酶根本不停手，ATP、NADH这些核心能量代谢物池在十几秒内就能漂掉一大截。所以取样那一刻必须是淬灭，而不是“先收样再说”。液氮速冻、冷甲醇淬灭，该上就上，别图省事把培养皿从培养箱拿出来再放到超净台里慢慢刮——就这几分钟，你测到的已经不是细胞原来的代谢状态了。

另一个我反复跟学生强调的点：配对样本尽量做联合提取，从同一份沉淀里同时回收蛋白和代谢物。我自己用得最多的是基于MTBE的Matyash方法，改良的Folch氯仿-甲醇体系也能跑通。一次液液分配，水相拿极性代谢物、有机相拿脂质、中间沉淀拿蛋白，三路分流，双组学数据来源在时间和空间上是严格一致的。

分开取样哪怕动物模型做得再整齐，组织异质性带来的偏差都够你在后续网络分析里误判好几条边。

非靶向代谢组跑完，Compound Discoverer配上mzCloud、mzVault碎片库，一次能给你注释出上千个特征。但不是每个特征都配叫“代谢物”。按代谢组学标准倡议（MSI）的四级分类，我自己在项目里是这么卡的：

为什么要这么严？我见过不止一个项目，把一个Level 2的碎片匹配结果当成确定结构写进了机制模型，最后买标准品一对比，保留时间差了0.3分钟——根本不是那个分子。从几千个特征砍到只留Level 1和Level 2高置信度的，可能只剩30%，但这30%才是后面所有分析能站住脚的基础。

拿到差异蛋白矩阵和差异代谢物矩阵之后，很多人的第一反应是两个列表分别做KEGG富集，然后在通路层面取交集。这个做法叫“松散整合”，能跑通，但它有个致命问题：那些fold change很小、但在系统层面协同变化的信号，会被单组学的p值阈值直接砍掉。

我现在常规会先跑一遍MetaboAnalyst 6.0的联合通路分析。这个版本里的mummichog算法思路很不一样——它不等你把代谢物全部鉴定完，直接拿MS1峰列表去做通路活性预测，靠的是“通路里代谢物的富集在统计学上是可预测的”这个先验。

更实用的一点是，6.0支持把MS1峰列表和MS2碎片匹配结果同时喂进去，用碎片结构信息去过滤mummichog经验映射带来的假阳性候选。这一步能把初筛的假阳性砍掉一大截。

联合富集给出的是通路层面的候选，但如果你要从几万个分子里直接拎出几十个最值得验证的靶标，得用降维模型。这三个我都在项目里跑过，选择逻辑其实很清楚：

降维结束，得到候选分子，下一步是建网络看拓扑。WGCNA移植到多组学上已经很成熟了，它不看单个分子fold change多大，而是算拓扑重叠矩阵（TOM），把表达模式同步的蛋白和代谢物打包成模块。模块 eigengene 和临床性状（肿瘤大小、免疫浸润评分、存活率）做关联，你就能知道哪个模块在驱动哪个表型。模块中心连接度最高的那个“枢纽”分子，往往是上游主开关——但注意，这只是“往往”，不是“一定”。

筛到一个“酶上调 + 其底物/产物代谢物也变了”的候选对之后，90%的第一反应是：这条通路通量肯定变了，往下做吧。

我必须把这句话说重一点：这个推论在系统生物学上是错的。

一条通路的通量控制权不是由某一个“限速酶”独占的，而是分布在网络多个步骤上。FCC的定义是——维持稳态前提下，酶浓度的微小相对变化引起的通路通量相对变化率。

在大多数核心代谢途径里，大部分酶的FCC值接近于0。即酶蛋白表达翻倍，但通路通量可能不变 —— 底物浓度受热力学限制、或者有产物反馈抑制、或者存在变构调节。

如生理条件下，糖酵解的磷酸果糖激酶（PFK）异常上调，反而会对磷酸戊糖途径和多元醇途径产生负向牵制。所以挑候选靶点的时候，不能只看蛋白fold change和代谢物浓度变化，还应该考虑该节点在系统热力学上，有没有主导通量重分配的潜力？

代谢物浓度高，可能是合成多了，也可能是下游被堵住了。要真正确认你锁定的蛋白在驱动代谢重编程，13C代谢流分析（13C-MFA）是目前唯一的金标准。

13C-MFA的流程我自己跑过不少项目，四个步骤一个都省不了：

根据要验证的通路选标记底物。我自己偏爱[1,2-13C]葡萄糖这类双标记底物，比单标记的[1-13C]葡萄糖能给通量估算提供更多正交约束。细胞要养到代谢稳态和同位素稳态都到了才算数。

提取中心碳代谢的关键氨基酸和有机酸，解析质量同位素体分布向量（MDV）。这一步样品制备要求很高，衍生化步骤的重现性直接决定后续建模质量。

用EMU框架搭原子映射规则，工具上INCA、OpenFLUX2、Metran都可以。INCA对稳态和非稳态数据都支持，我用得最多。

通过最小化实测MDV和模型预测MDV之间的加权残差（SSR），反推出胞内几百个实际通量的绝对值或相对比例。

代谢物不只是反应底物，它还是变构调节剂。找到并证实一个代谢物和一个蛋白之间有直接的非共价物理互作（PMI），是整个双组学验证链条的顶端。

但PMI有个天生的难点：亲和力低，Kd通常在微摩尔到毫摩尔量级，结合时间短。这就是为什么经典的Pull-down（依赖抗体或标签、清洗步骤冗长）在PMI上假阴性率极高——复合物在清洗缓冲液里早就解离了。这几年发展起来的结构蛋白质组学技术，本质上都是绕开共价修饰、在近生理条件下捕捉这种弱互作。

这三个技术我都做过，说几句实操判断：

❶ TPP是最成熟的，文献里方法学文章最多，但它的Tm偏移受蛋白丰度、复合物状态影响很大，跑出来一条“看起来很稳”的曲线，后续用SPR/ITC验证阴性的情况我碰到过不止一次。TPP结果只能算候选，不能直接当结论。

❷PISA适合做初筛，特别是配体数量多的时候——它省TMT通道，18个重复一起上，统计功效比TPP高。我自己在药物靶点初筛里倾向用PISA先扫一轮，再把阳性拿TPP做精细曲线。

❸LiP-MS信息量最大，因为它给你结合位点的肽段级定位，不只是“哪个蛋白变了”。缺点是数据分析复杂，半胰酶切肽段（half-tryptic peptides）的提取和定量有专门流程，不是标准搜库能直接出结果的。

常规TPP和LiP-MS都是在裂解液里做的。裂解这个动作本身就会破坏对离子强度、pH敏感的弱互作，也会把生物分子凝聚物（condensate）里的动态结构打散。这两年In-cell LiP-MS出来了：通过电穿孔把非特异性蛋白酶K瞬时递送到活细胞胞质里，在细胞天然生理环境、亚细胞分区都保留的状态下做有限水解。这个技术抓内源性代谢物引发的全蛋白组结构变化，保真度比裂解液版本高一个量级。

位点锁定之后，现在的组合拳是这样打的：LiP-MS给出结合肽段区域→AlphaFold3直接预测小分子代谢物-蛋白复合体的三维构象（这一点比当年只能做多肽对接方便太多）→最后用SPR、BLI或ITC做无标记纯化蛋白亲和力测定。这套组合走下来，亲和力数据、位点信息、结构模型三证齐全，机制层面基本无可辩驳。

图2  MALDI质谱成像（如Bruker autoflex系列）是空间代谢组学的核心工具，能直接在组织切片上画出代谢物的分布图谱。

前面讲的所有方法，不管是WGCNA还是13C-MFA还是LiP-MS，绝大多数建立在组织匀浆（Bulk omics）基础上。但肿瘤组织根本不是一块均质的东西——坏死区、缺氧区、侵袭前沿、免疫浸润区，每个区域的代谢状态天差地别。把组织打碎匀浆测一次均值，相当于把一幅画打成粉再看平均颜色，分区的信息全没了。

目前两条主流路线，选择取决于你研究的问题尺度：

切5–20 μm相邻切片，一片做空间蛋白/转录组，隔壁一片做MALDI-MSI代谢组成像。切片间距小，大尺度组织形态（比如肿瘤中心vs边缘）能对上。优点是技术成熟、各组分都能做到最深覆盖；缺点是它给的是“相邻切片”的相关性，不是同一个细胞的对应关系。

在同一张切片上先做非破坏性MALDI-MSI扫描，把基质洗掉，紧接着上mIF或空间蛋白组标记。这是物理意义上的“同一张切片”，微米级空间上代谢物和蛋白的共定位是严格成立的。代价是实验流程复杂，前一步的扫描条件必须和后一步兼容，做不好两头都废。

在数据上，传统整合算法在空间坐标下失效，因为数据本身存在很强的空间自相关性 —— 某代谢物浓度高，可能只是因为该区域细胞密，不代表它和旁边的蛋白真有互作。MANTIS的框架可解决该问题：把空间代谢组、转录/蛋白组、细胞类型注释和物理坐标统一建模，用空间交叉相关和去偏空间偏相关，去除“细胞密度造成的假共定位”，以找到空间特异性的蛋白-代谢物互作。

微流控液滴分选、纳升级液相（nano-LC）加上更高灵敏度的质谱，已经把单细胞蛋白组（SCoPE2这一类）和单细胞代谢组推到了能用的阶段。Bulk数据里被群体平均掩盖的稀有事件 —— 比如阿尔茨海默早期小胶质细胞里微弱的炎症代谢偏移、肿瘤内部极少数驱动耐药复发的干细胞克隆，都只在单细胞分辨率下才能被看见。

但需要注意的一点是：单细胞多组学现在的通量、覆盖度、定量精度都还无法支撑常规机制筛选，仅适合回答“异质性群体里是否存在稀有亚群”，不适合用来做大规模通路发现。

如果让我把整个流程压成一张给客户和学生看的checklist，大概是这样：

离体即淬灭；配对样本尽量联合提取；MTBE/Folch按样本类型选。

MSI Level 3及以下直接删；蛋白组和代谢组都用当前主流软件管线，别自己写脚本拼碎片。

MetaboAnalyst 6.0 + mummichog跑联合通路，参数控制在5000背景峰、300–500显著峰。

无监督探索用MOFA2，有分组找特征用DIABLO，拆噪声用O2PLS；WGCNA粗筛模块，DSPC去假边。

别拿蛋白fold change推通量；真要做机制，上13C-MFA，示踪剂选对、等到稳态、模型别漏支路。

TPP/PISA做初筛，LiP-MS定位肽段，AlphaFold3补结构，SPR/BLI/ITC做亲和力终验。

Bulk定方向，空间切片验证共定位，单细胞只在需要找稀有亚群时上。

双组学项目最贵的从来不是测序费，是你挑错靶点之后花在WB、qPCR、动物实验上的那几个月和那几十万经费。从几千个差异分子里挑出真正值得验证的那一对，靠的不是运气，是每一步都知道自己在筛什么、为什么这么筛、以及上一步的结果在什么条件下会是假的。

点击文末阅读原文，

获取专属蛋白质组学实验方案

参考资料