生物分泌蛋白有哪些详细(同路生物人血白蛋白怎么样)

作者:郭天南(西湖大学特聘研究员)；孙，(该校博士生)

在分子时代，科学家发现蛋白质的种类、含量、性质、结构、时间空位置和动态变化与生命健康密切相关，是疾病发生的最基本要素。细胞内外有数不清的蛋白质“机器”，时刻处于动态运行中，预示着生物体当前的健康状况和疾病进展。如果我们能够通过技术测量蛋白质的即时状态，我们可能会探索疾病发生和发展的规律，并开发出更有效的治疗方法。

1蛋白质世界的“暗物质”:生于基因，生于蛋白质。

说到生命科学，人们可能对基因更熟悉，但对蛋白质这门相对年轻的科学却知之甚少。其实基因虽然书写了生命的蓝图，但也只是一维线性序列。基因被转录翻译，表达为蛋白质，构成了三维世界的动态生命。例如，毛毛虫变成蝴蝶，蝌蚪变青蛙，它们的个体基因没有改变；一个人的基因组从出生到死亡基本上是稳定的。生命过程中的这些变化是由无数的蛋白质动力学驱动的。中国科学院院士贺福初教授总结了一句很好的话，“生于基因，生于蛋白质”。

一维空中，三维空的复杂永远无法理解。相比较而言，蛋白质的复杂程度远高于基因。首先，一个基因可以表现为多种蛋白质；其次，蛋白质会像变形金刚一样随时间空变化。此外，蛋白质处于不断的生产和降解平衡中，存在各种翻译后修饰，可以形成复杂的化合物，等等。

人体内有多少种蛋白质？据估计，已知物种至少有2万种，预测物种至少有16万种。再加上蛋白质的不同变异和修饰，蛋白质的种类可能超过一千万种。

蛋白质组是什么？蛋白质组的概念最早是在1994年提出的，它被定义为“由一个基因组表达的所有蛋白质”。

组学在蛋白质方面的研究面临多大挑战？在一个成年人身上找到一种蛋白质就像在成千上万条河流中寻找一滴水。从某种意义上说，每个人体都可以看作是主要由蛋白质机器构成的“蛋白质宇宙”。由于研究难度、需要复杂的技术手段等多种因素，我们对人体的蛋白质宇宙知之甚少，这是生命科学中最前沿、最具挑战性的方向之一。

据估计，目前人类蛋白质组95%以上的功能研究集中在5000种左右研究充分的人类蛋白质上，人体内仍然存在一个巨大的“暗物质”蛋白质世界——这些没有被研究或很少被研究的蛋白质越来越被忽视；事实上，这些未知的蛋白质可能掌握着解决人类重大疾病的关键，如癌症、老年痴呆症和许多罕见疾病。

如今，在世界主要发达国家，科技界和工业界已经逐渐认识到蛋白质组的重要性。2018年，中国科技部组织遴选了一批国际大科学计划培育项目。由何福初教授牵头的“人类蛋白质组计划2.0及蛋白质组驱动的精准医疗”项目是首批启动的三个项目之一。2022年2月2日，美国总统拜登重启奥巴马时代的“癌症登月项目”，蛋白质组是这个项目最重要的方向之一。不久前，包括中国科学家在内的6个国家的科学家联合发起了一项世界范围的“研究不足的蛋白质”调查，并在国际学术期刊《自然》的一系列子期刊上发表了关于该调查的文章，呼吁更多的研究人员和科学家加入研究，破译蛋白质世界中未知的“暗物质”，不断拓展人类对生命活动的认知边界。

蛋白质组2 +AI:破解疾病治疗“密码”的新技术

来自人类、动物、植物、微生物等的样品。，无论是液体血液、尿液、眼泪、脑脊液、唾液，还是手术取出的固体冷冻或石蜡组织，甚至一些特殊的样本，如头发、牙齿、指甲、骨骼、粪便等，都含有丰富的蛋白质。但是它们含有多少种蛋白质呢？有多少种蛋白质表达？其中大部分是未知的，这些未知的蛋白质组信息与疾病的诊断和治疗密切相关。

如果能尽可能多地收集样本中关于蛋白质组的信息，能否结合AI分析出规律，从而加深人类对疾病的认识，掌握治疗疾病的“密码”？这是一个未知的生命科学领域。

目前积累的微观世界，尤其是蛋白质形成的数据还很少，因为对蛋白质形成的数据的分析依赖于非常复杂的技术，而这些技术是近五年才开始快速迭代发展的。现在，我们有了一些新技术，可以用来分析非常小样本的蛋白质组。举个例子，我们可以从0.1mg的组织中提取分析出上千种蛋白质，它的组织大小只相当于半个小米。这样，即使样本非常有限，我们也可以通过多次全蛋白质组分析，检测数千甚至数万种蛋白质，实现快速、深入、高通量、高重现性的检测。而且得到的蛋白质数据可以永久保存，以后可以反复分析挖掘。

同时，虽然我们看不到蛋白质的形状，但是我们可以通过AI计算预测它的形状模型，让它出现在我们眼前。这些视觉模型直观地展示了蛋白质的多样性，就像宏观世界中各种形状各异的物体。

这种方法也有望在未来用于疾病的诊断和治疗。现在可以利用AI技术对常规医学检查图像(包括b超、CT、病理图像等)进行智能分析。)和实验室生化检验数据文本(如血液、尿液、粪便的生化检验数据)，已经可以用于辅助疾病诊断和治疗。

但这些数据都是宏观层面的，旨在区分病理表现型，探讨疾病的发病机制，一直在挠头。而追根溯源，微观层面上分子的性质和功能，才是真正的决定性因素。这样的分子数据集合被称为多组学数据，包括基因组、转录组、蛋白质组、代谢组等。其中核心组是蛋白质组，几乎所有的药物都是针对蛋白质的。蛋白质组也能直接反映疾病的发生发展。借助目前蛋白质组学技术的大量临床样本，积累海量蛋白质组大数据后，结合其他组学数据，通过AI整合，可以更准确地发现更多潜在的生物标志物。

3 +AI:蛋白质正在疾病诊断领域崭露头角

现在蛋白质+AI的研究正在进行中，已经取得了一些突破。

比如我们尝试利用蛋白质+AI的优势，让甲状腺结节的诊断更加准确。甲状腺形似蝴蝶，是人体最大的内分泌器官之一。有人称之为人体新陈代谢的CEO，影响所有器官。它接收来自大脑的信息，并调节甲状腺素的分泌。这种激素会调节内脏、肌肉力量和情绪，对人体非常重要。资料显示，约一半的成年人有甲状腺结节(大部分是良性结节)。从性别上看，女性甲状腺结节患病率高于男性，约为男性的3~5倍。从年龄上看，20~55岁是甲状腺结节的高发年龄。

在临床上，10%~30%的甲状腺结节术前无法准确诊断。这种诊断的准确性还取决于医生的主观临床经验。不同的医生对同一个结节的良恶性可能会有不同的判断。辅助诊断难以诊断的甲状腺结节的方法有很多，基于基因水平的诊断在西方国家被广泛接受。但是基因检测的准确率并不是很高，因为甲状腺结节的基因突变很少，而且存在个体差异，mRNA也相对不稳定，很难检测出来。美国的一些实验室和公司开发了基因测序试剂盒，通过成熟的基因测序可以帮助判断结节的良恶性。该方法的敏感性为83%~100%，而特异性仅为10%~52%。这意味着，如果是恶性的，基本上可以检测出来，几乎不会漏诊。然而，在良性结节的诊断方面仍然存在很大的挑战。

在这种情况下，医生和患者有时会选择放弃一切。这虽然阻断了发展成恶性肿瘤的可能性，但也给生活带来了诸多不便——甲状腺切除术后的患者需要终身服用甲状腺素而不是药物，因为人体其他器官无法自行合成甲状腺素，如果不服药，激素水平失衡会引发其他继发性疾病。

蛋白+AI有助于判断甲状腺结节的性质。我们的研究团队与包括新加坡和中国在内的数十家医院合作，建立了多中心、回顾性和前瞻性数据集。对1000多例患者的甲状腺结节进行蛋白质组分析，再进行AI神经网络算法分析，建立了由多个蛋白质特征组成的AI模型，可用于结节良恶性的评估。这些结果的准确率高达90%。通过切实可行的产业化转化，该成果有望应用于临床。这个例子只是精确诊断中的一个应用范例。这种研究范式在理论上可以扩展到其他疾病，比如卵巢癌和结直肠癌，可以用类似的方法治疗。

蛋白质组对于疾病的诊断非常重要，最新的蛋白质组技术越来越多地用于临床生物标志物的发现。未来，我们将继续与临床医生和计算机科学家合作，开发基于蛋白质组大数据和人工智能分析的新诊断筛查模型。当然，蛋白质组只是所有测量中的一部分。我们还可以结合多组学、临床影像和患者临床数据建立综合模型，为健康生活提供更多保障。

光明日报(2022年06月09日16版)

来源:光明网-光明日报