摘要
在精准医学领域，蛋白质表型结合模式识别工具，在保障患者诊疗与干预的检测结果安全、准确方面展现出巨大潜力。为开展探索性研究，新型高通量技术应运而生，重新引发了血浆蛋白质组学的研究热潮。这类下一代蛋白质组学技术致力于提升蛋白质组检测的速度与稳定性，因此结合机器学习模式识别工具设计，可用于大规模人群研究。邻近延伸分析采用２种带单链DNA标签的抗体，抗体结合靶蛋白后发生杂交；另一类亲和型检测则基于DNA适配子，适配子与靶蛋白具有特异性的空间构象互补性。２种检测方法最终生成的蛋白质-DNA条形码均通过下一代测序技术定量。❶ 相较于基于质谱的复杂蛋白质组学数据集，这类方法的数据分析便捷，且易于与基因组、转录组数据整合；❷ 质谱可对目标蛋白质及其蛋白亚型进行明确表征。当前，检验医学从业者面临蛋白质诊断的两难抉择：要么坚持采用质谱技术开展计量学可靠的蛋白质/蛋白亚型定量检测，要么舍弃蛋白亚型的详细解析，转而结合机器学习算法构建个性化蛋白质谱。前者流程繁琐、效率偏低，难以适配所有生物标志物的规模化应用；后者则需医学检测研发全流程相关方协同发力，方可落地应用于医学实验室。
y.e.m.van_der_burgt@lumc.nl
#下一代蛋白质组学 #蛋白质定量 #邻近延伸分析 #质谱 #抗体 #适配子
新兴高通量高灵敏度蛋白质组学技术
图1用于蛋白质组分析的高通量亲和型检测方法
展望
表1各类蛋白质组学技术概览
详细总结
思维导图（mindmap）
主流蛋白质组学技术对比
参考
Clin Chem Lab Med. 2026 Apr 3. doi: 10.1515/cclm-2026-0109.
Next-generation proteomics in medical laboratories: metrologically sound quantitative protein tests vs. innovative and personalized proteome patterns
260403NGP.pdf
注：AI辅助创作，如有错误欢迎指出。内容仅供参考，不构成任何建议。
