首页

药物刺激作用机制研究

本解决方案适用于经药物处理（涵盖不同药物浓度、处理时间及药物组合等条件）的细胞或动物组织等生物样品，旨在系统筛选药物作用靶点，并全面解析药物进入细胞或机体后所引起的蛋白质组表达变化及信号通路重塑，从而揭示药物作用的分子机制。采用高分辨液质联用系统进行深度蛋白质组定量分析，除常规的差异蛋白筛选与功能富集外，本方案还整合了三大专属模块：药物靶点数据库关联（AnimalTFDB4、PhosphoSitePlus、TCDB、CellChatDB、TTD等）、TTD已知靶点整合网络及分子对接验证，帮助研究者从蛋白质组层面高效锁定药物作用靶点、解析下游效应通路。

产品简介

本解决方案适用于经药物处理后的细胞、组织、体液等实验材料，旨在系统解析药物进入细胞或机体后所引起的蛋白质组表达变化及信号通路重塑，进而揭示药物作用的分子机制。方案采用高分辨液质联用系统进行深度蛋白质组定量分析，除常规差异蛋白筛选与功能富集外，围绕靶点发现需求，进一步整合多个数据库进行候选靶点注释，构建已知靶点与候选靶点的整合网络，并开展分子对接验证候选靶点，帮助您从蛋白质组层面高效锁定药物作用靶点，解析下游效应通路。

适用场景

筛选药物处理后的关键效应蛋白、潜在靶点及信号通路
比较不同药物浓度、处理时间或药物组合下的蛋白质组差异
解析参与疾病进展与药物疗效的关键蛋白及信号通路

实验设计类型

研究目的	实验设计分组	方案	分析方案（比较足及筛选方向）
锁定所有受药物影响的蛋白及潜在信号通路。	药物处理 vs 溶剂对照	1	差异蛋白筛选：药物/对照全部差异蛋白
			生物信息学分析：功能注释与富集分析、GSEA分析、蛋白互作分析、重要相关蛋白和功能注释条目、关键蛋白特征分析
解析参与疾病进展与药物疗效的关键蛋白及信号通路。	Control、Model、Drug 三组	2	差异蛋白筛选： ① Model/Control与 Drug/Model中相同趋势的蛋白 ②Model/Control与 Drug/Model中相反趋势的蛋白
			生物信息学分析：功能注释与富集分析、GSEA分析、蛋白互作分析、重要相关蛋白和功能注释条目、关键蛋白特征分析
识别药物处理后不同时间点（早期、中期、晚期）相较于对照的特异性及持续变化的关键蛋白与信号通路。	药物处理不同时间点（如 0h, 6h, 12h, 24h）vs 溶剂对照（0h）	3.1	差异蛋白筛选：与基线期（0h）比较，取并集进行Mfuzz聚类
			生物信息学分析：功能注释与富集分析、GSEA分析、蛋白互作分析、重要相关蛋白和功能注释条目、关键蛋白特征分析
		3.2	差异蛋白筛选：两两比较取并集，进行Mfuzz聚类
			生物信息学分析：功能注释与富集分析、GSEA分析、蛋白互作分析、重要相关蛋白和功能注释条目、关键蛋白特征分析
		3.3	差异蛋白筛选：单因素ANOVA后显著的蛋白集合，进行Mfuzz聚类
			生物信息学分析：功能注释与富集分析、GSEA分析、蛋白互作分析、重要相关蛋白和功能注释条目、关键蛋白特征分析
分析药物浓度梯度下的蛋白质组变化，识别低剂量敏感、高剂量特异性调控及饱和/毒性相关的关键蛋白与信号通路。	不同浓度梯度药物处理（低、中、高） vs 溶剂对照	4.1	差异蛋白筛选：与溶剂对照比较，取并集进行Mfuzz聚类
			生物信息学分析：功能注释与富集分析、GSEA分析、蛋白互作分析、重要相关蛋白和功能注释条目、关键蛋白特征分析
		4.2	差异蛋白筛选：两两比较取并集，进行Mfuzz聚类
			生物信息学分析：功能注释与富集分析、GSEA分析、蛋白互作分析、重要相关蛋白和功能注释条目、关键蛋白特征分析
		4.3	差异蛋白筛选：单因素ANOVA后显著的蛋白集合，进行Mfuzz聚类
			生物信息学分析：功能注释与富集分析、GSEA分析、蛋白互作分析、重要相关蛋白和功能注释条目、关键蛋白特征分析
比较不同药物处理与对照的蛋白质组变化，锁定各药物独特或共有的关键蛋白与信号通路。	不同药物处理药物A、药物B、对照	5.1	差异蛋白筛选：药物A/Con 与药物B/Con 的共有差异蛋白交集（相同趋势、不同趋势）
			生物信息学分析：功能注释与富集分析、GSEA分析、蛋白互作分析、重要相关蛋白和功能注释条目、关键蛋白特征分析
		5.2	差异蛋白筛选：药物A/Con 与药物B/Con 的差异蛋白的不同部分（各自特有差异蛋白+共有差异的不同趋势）
			生物信息学分析：功能注释与富集分析、GSEA分析、蛋白互作分析、重要相关蛋白和功能注释条目、关键蛋白特征分析
筛选被感染诱导且被药物逆转的差异蛋白，锁定药物抑制病毒的关键宿主蛋白及信号通路。	1.Mock：模拟感染 2.Drug：药物处理 3.病毒A：单纯病毒感染 4.病毒A+ Drug：病毒感染+ 药物联合处理	6.1	差异蛋白筛选： ① 先筛病毒感染响应蛋白：比较病毒A vs Mock，获得正常细胞中的病毒感染差异蛋白。 ② 再筛药物在感染状态下的调控响应：比较 (病毒A+Drug) vs 病毒A，获得病毒感染后药物引起的差异蛋白。 ③ 对比两个差异集： A. 交集 → 药物调控与病毒感染无关（药物效应不依赖病毒感染）。 B. 仅出现在病毒A vs Mock → 病毒感染诱导但药物无法调控的蛋白。 C. 仅出现在 (病毒A+Drug) vs 病毒A → 药物在感染状态下特有的调控蛋白（介导抗病毒新机制）。 D. 趋势相反 → 药物逆转病毒感染效应（重点关注）。排除本底效应：确认关键蛋白在 Drug vs Mock 中变化不显著。
			生物信息学分析：功能注释与富集分析、GSEA分析、蛋白互作分析、重要相关蛋白和功能注释条目、关键蛋白特征分析
	1.Mock：模拟感染 2.病毒A：单纯病毒感染 3.病毒A+ Drug：病毒感染+ 药物联合处理	6.2	差异蛋白筛选： ①病毒A/Mock与病毒A+ Drug/病毒A中相同趋势的蛋白 ②病毒A/Mock与病毒A+ Drug/病毒A中相反趋势的蛋白
			生物信息学分析：功能注释与富集分析、GSEA分析、蛋白互作分析、重要相关蛋白和功能注释条目、关键蛋白特征分析

技术优势

药物靶点数据库关联——分别从AnimalTFDB4、PhosphoSitePlus、TCDB、TTD、CellChatDB等数据库中检索差异蛋白中的转录因子、激酶、离子通道蛋白、已知药物靶点和受体蛋白，快速锚定候选分子类别，并生成分类统计图，为靶点筛选提供多源证据。
多维度筛选关键蛋白——综合差异显著性（P值、差异倍数）、功能相关性（注释富集程度）以及互作网络重要性（拓扑属性）等多维度指标，通过多算法交叉筛选，精准锁定与药物处理最相关的关键蛋白，有效缩小后续功能验证范围。
TTD药物靶点整合互作网络——获取处理药物的已知靶点蛋白（来源于TTD数据库），将其与差异蛋白互作网络融合，构建“药物—已知靶点—候选靶点—下游效应蛋白”多层调控网络，直观呈现药物通过已知靶点逐级调控的信号路径。
多信息整合，提供直接结论——整合多种数据库注释富集信息与多维度筛选结果，提供最可能与样品差异相关的候选蛋白及信号通路候选清单，让分析结论一目了然。
候选蛋白多维特征分析——对筛选出的候选蛋白进行亲疏水性、分泌潜能、相分离无序区、翻译后修饰位点等多维度特征预测，深度评估其作为药物靶点的潜力，为后续机制验证提供明确线索。
分子对接验证——对筛选出的关键蛋白与药物进行分子对接，评估结合模式、关键位点及亲和力，从结构层面验证药物-靶点互作的可行性。

示例报告

1、全局蛋白质组概览

通过高分辨质谱检测和数据库检索，展示每个样本中鉴定到的蛋白与肽段数目分布（图1A）。联合分析与定量热图展示不同组别间共有/特有的蛋白及其丰度分布趋势（图1B、1C）。主成分分析（PCA）和皮尔逊相关性分析结果显示：组内样本紧密聚集，组间明显分离，表明数据重复性优异，组间差异显著（图1D、1E）。
本部分旨在系统获取蛋白质组鉴定与定量信息，验证数据质量，为后续差异分析奠定可靠基础。

Figure 1. Overview of global proteomics.

(A) 每个分组样品中检测定量到的肽段及蛋白质数量。(B) 各组的定量蛋白数量联合分析。(C) 蛋白定量热图。(D) 通过主成分分析(PCA)进行的样品重复性分析。(E) 蛋白质定量的皮尔逊相关性分析。

2、核心差异表达分析与药物靶点数据库关联

通过设定差异倍数与P值阈值，系统筛选药物处理后不同组别间的差异表达蛋白。火山图直观展示差异蛋白上/下调全局分布（图2A），差异蛋白定量热图揭示其在不同样本中的表达模式（图2B）。各比较组差异蛋白数量统计与联合分析，呈现不同条件下共享与特有的差异蛋白（图2C、2D）。Mfuzz聚类分析展示蛋白随药物处理进程呈现的持续上调、持续下调或先升后降等动态变化规律（图2E）。

针对药物刺激作用机制研究的独特需求，本方案进一步通过数据库关联分析，从AnimalTFDB4、PhosphoSitePlus、TCDB、TTD、CellChatDB等专业数据库中，系统检索差异蛋白中已知的转录因子、激酶、离子通道蛋白、受体蛋白和药物靶点（图2F），快速锚定关键调控分子类别与潜在药靶，为靶蛋白筛选提供多源证据支持。
本部分旨在系统筛选差异表达蛋白并完成药物靶点相关数据库关联分析，解析其在不同组别间的关联与动态模式，为后续功能富集和机制研究提供候选分子基础。

Figure 2. Analysis of differentially expressed proteins.

(A) 差异表达蛋白的火山图。(B) 差异表达蛋白的热图。(C) 不同比较组的差异表达蛋白的数量统计。(D) 不同比较组间差异表达蛋白的联合分析。(E) 差异表达蛋白的Mfuzz聚类图。(F) 差异蛋白数据库关联分析。

3、功能富集分析

通过GO、KEGG富集及GSEA分析，系统探究差异蛋白参与的生物学过程与信号通路。气泡图与和弦图揭示差异蛋白在特定GO条目中的显著富集（图3A、3B）；KEGG分析显示其富集于多条药物相关信号通路（图3C、3D）。GSEA分析进一步从基因集层面评估功能改变，蝴蝶图与富集曲线图展示了关键通路的上调/下调趋势及富集得分（图3E、3F）。
本部分旨在系统解析药物处理后差异蛋白的功能特征与通路调控网络，为药物机制研究提供重要线索。

Figure 3. Functional enrichment analysis.

(A) GO富集气泡图。(B) GO富集和弦图。(C) KEGG富集气泡图。(D) KEGG富集桑基图。(E) GSEA富集分析蝴蝶图。(F) GSEA代表性富集条目。

4、蛋白互作网络与TTD药物靶点整合分析

基于STRING数据库构建差异蛋白互作（PPI）网络，揭示药物处理激发的蛋白互作关系全貌。聚焦Top100蛋白构建核心网络，可识别出多个高度连接的hub蛋白（图4A）。综合分析不同拓扑算法Top20蛋白的交集，进一步明确核心蛋白在网络中的枢纽地位（图4B）。针对药物刺激作用机制研究的核心需求，本方案进一步整合TTD（Therapeutic Target Database）数据库信息：获取处理药物的已知靶点蛋白，与差异蛋白进行联合分析（图4C），并构建“药物-靶点-差异蛋白”关联整合互作网络（图4D）。最后，综合多维度筛选结果，输出与样品差异最相关的关键蛋白及信号通路候选清单，并以网络图展示重要富集条目（图4E），直观呈现药物通过已知靶点调控下游效应蛋白的多层级分子路径，为解析药物作用的直接靶点与间接效应提供全景式网络视角。
本部分旨在系统解析差异蛋白的相互作用网络，并整合药物已知靶点构建关联整合网络，为深入解析药物作用机制提供核心靶点与网络证据。

Figure 4. Protein-protein interaction (PPI) network analysis.

(A) Top100差异表达蛋白的蛋白互作网络。(B) Top20差异表达蛋白的互作网络Venn图。(C) 靶标整合互作网络图。(D) Top100靶标整合互作网络图。(E) 富集条目网络图。

5、蛋白和功能条目

基于差异显著性、功能注释富集结果及网络核心地位等多项指标的综合权重评分，最终筛选出更可能与样品分组相关、可用于后续功能和机制验证的Top10关键蛋白和Top10核心信号通路。推荐用于后续分析的部分关键蛋白列表如下：

表1 关键蛋白

表2 核心信号通路

6、关键蛋白多维特征分析与分子对接

对筛选出的关键蛋白进行多维特征预测：亲疏水性分析提示跨膜结构域对应的疏水性峰值，为膜定位提供线索（图5A）；分泌蛋白预测（评分≥3分）揭示可能介导细胞间通讯的潜在分泌因子（图5B）；内在无序区预测显示可能参与液-液相分离的蛋白区域（图5C）；翻译后修饰分析揭示关键蛋白广泛存在的磷酸化、泛素化、乙酰化等修饰位点，提示药物处理对信号网络的系统性调控（图5D）。
针对药物刺激作用机制研究的独特需求，本方案进一步对关键蛋白与处理药物进行分子对接分析（图5E），呈现药物分子与靶蛋白的结合模式、关键结合位点及结合自由能，从结构生物学层面评估药物-靶点相互作用的可行性与亲和力，为后续的体外结合实验和功能验证提供理论指导。

Figure 5. Characterization of key proteins and molecular docking.

(A)关键蛋白的亲疏水性分析。(B)关键蛋白的分泌蛋白预测。(C)关键蛋白的内在无序区预测。(D)关键蛋白的翻译后修饰分析。(E) 关键蛋白与药物的分子对接分析。

送样要求

为保证统计学效力，建议细胞实验每组至少3个生物学重复，动物实验每组至少5个生物学重复。涉及药物处理的样品，请确保处理条件明确、分组清晰。

细胞	动物组织
（1）样品为预冷PBS清洗后的细胞沉淀，置于EP管中冻存和寄送。（2）细胞数不少于1×10⁶；或细胞沉淀体积不少于10μL；或不少于6孔板一个孔（细胞培养密度>80%）的细胞量。（3）-20℃以下低温冻存，干冰寄送。	（1）样品应来源于单一部位组织，剪碎后以预冷生理盐水或PBS清洗至清洗液中不见血色，用干净滤纸吸干残留液体后，置于EP管中冻存和寄送。（2）组织重量不少于10mg。（3）-20℃以下低温冻存，干冰寄送。

选择理由

专注

二十年时间专注于利用质谱技术解决蛋白质研究的具体科研难题;

高阳性率

从实验设计到数据分析的全流程上经历几十轮方法学优化研发;

金牌售后

不限次数的咨询指导，直至数据被完全理解和利用;

记录规范

实验记录完整规范，全程留痕，数据可追溯;

常见问题

更多Q&A

客户文章

更多客户文章

客户评价

1

质谱相关的工作，我一直同谱度众合合作。他们是国内为数不多的专业背景出身并且数十年专注于自己领域的质谱公司，我感觉很专业。

蒋白山教授海外优青

武汉大学

2

市面上主要质谱公司我基本上都有过尝试。谱度众合的数据是最精准的，验证成功率明显高一些，这可能源于他们的创始人和主要负责人都是技术背景出身，根据研究目的对产品进行了针对性优化。

邱洋研究员国家优青

中国科学院武汉病毒研究所

3

我合作过很多组学公司，现在主要同谱度众合合作。他们是目前为数不多的以解决具体研究目的为导向的科技服务公司，很有特色。他们公司不仅数据质量可靠，而且更重要的是他们不像测序工厂，只是产出一堆数据，而是可以依据研究者的研究目的完善实验方案，并且注重数据分析手段的多重整合，从而将数据价值充分挖掘出来。

谢彦杰教授国家青拔

南京林业大学

4

我觉得质谱是一个非常强大的科研工具，作为一名科研人员，我需要一个技术过硬的质谱技术团队。谱度众合就是我的顾问，碰到不好解决的问题我都习惯咨询一下他们是否有质谱的解决方案，有几次他们解决的还不错。

郭佳研究员国家青拔

郑州大学第一附属医院

5

他们是武汉大学生科院郭林教授课题组的一帮师兄弟创办的企业，是国内最早一批用质谱技术解决蛋白质组学问题的团队，20年前武大生科院质谱平台也是他们一手建起来的。师兄弟很团结，技术上也非常专业，我一直同他们合作。

陈义杰教授湖北省杰青

华中农业大学

6

在做中药作用靶点和治病机理的研究中，质谱技术正发挥着越来越重要的作用。我们从跟谱度众合的交流中，获得了针对研究方向和课题内容的启发，以及具体解决方案，这让我们后续的合作进展非常顺利。公司给出的中药靶点和机制的解析数据详实可靠，我们的文章很快就被接收了。

陈龙云副教授

湖北中医药大学

7

谱度众合的服务挺不错的，特别是在售后板块，别的公司都是报告发送服务就结束了，售后对他们来说是个麻烦，只有谱度众合是以帮我拿到结论为服务终点的，服务确实牛！

李妍博士研究生

武汉大学

8

最早认识谱度众合是因为一篇文章，我记得是关于蛋白互作的，可以看的出来他们是踏实的在做科普分享的，建议很专业中肯，合作后确实也是这样，让人很放心。

刘子康博士研究生

复旦大学附属浦东医院

9

在谱度众合我至少可以随时找到了解我项目情况的技术人员。他们会建立一个服务群，直接给我分析数据的技术，还有业务员都会在里面，我觉得这样挺好的，有什么事随时找得到人，也不用传来传去的。

毕海悦博士研究生

武汉大学

11

有一次实验我做了好多次没有成功，向谱度众合咨询后给了我很多建议，确确实实帮助我规避了一些坑。我觉得他们对接全国这么多课题组，总结了很多优秀经验。

唐文超博士研究生

河南科技大学第一附属医院

22

与谱度众合的结缘，始于我硕士时期的蛋白互作相关课题研究。在整个项目合作过程中，整体体验较好，让人印象深刻。对接的技术顾问专业素养扎实、沟通耐心高效，响应十分及时，面对课题推进中遇到的各类实验难题与技术疑问，都能给出精准可行的解决方案。整个服务流程规范完善，细节把控到位，不仅技术实力过硬，服务也贴心周到、认真负责。谱度众合的专业能力与服务品质值得信赖，是科研路上十分推荐的优质科研合作平台。