完整N-糖肽组学

完整N-糖肽组学服务简介

       糖基化是最常见的翻译后修饰之一，糖蛋白对人体维持正常的生理功能发挥举足轻重的作用，一直是修饰组学研究的焦点之一。在实际应用中,多种疾病诊断的生物标志物和蛋白质药物是糖蛋白，更有大量具有重要和特殊功能的糖蛋白与疾病的相关性亟待深入解析。由于其重要价值，糖蛋白质组学于2021年被列为Nature Methods关注技术（Method to Watch）。

       糖蛋白的鉴定目前仍是蛋白质组学中最难的部分。组成糖蛋白的糖原类型多样、糖链结构复杂等原因是阻碍糖蛋白组学研究的主要障碍。传统的N-糖蛋白质组学研究普遍采用的方法，是将聚糖去除，对糖链与所修饰的多肽分开进行分析。该策略虽降低了分析难度,却也丢失了糖链与蛋白质糖基化位点间重要的对应关系信息。

       N-完整糖肽的直接质谱分析可以获得糖基化位点及其拓扑结构的完整信息，有助于获取糖链和糖基化位点间的对应关系信息，为生物标志物发现和疾病致病机理等研究提供更有力的糖蛋白质组学研究

技术原理

N-完整糖肽的直接质谱分析可以获得糖基化位点及其拓扑结构的完整信息，有助于获取糖链和糖基化位点间的对应关系信息。

图1 常见的蛋白质糖基化的分类与结构

仪器设备

Thermo Scientific Orbitrap Astral

Bruker timsTOF Pro2/HT 

Thermo Scientific Orbitrap Exploris 480

Thermo Scientific Q Exactive HF-X

Thermo Scientific Orbitrap Fusion Lumos

Thermo Scientific Q Exactive Plus

Thermo Scientific Orbitrap Fusion

Thermo Scientific Q Exactive

技术优势

       信息完整提供糖蛋白+糖基化修饰位点+完整糖链信息

       灵敏度高使用Thermofisher HF-X质谱

       质量保证临床大样本项目内部实测验证

       深度分析创新修饰多组学，深入挖掘信息

应用领域

一、生理机制研究

糖基化修饰影响蛋白质空间构象、活性、运输和定位，广泛参与到细胞间识别、调控、信号传导、免疫应答、细胞转化等生理过程。

二、病理研究

异常的蛋白质糖基化修饰通常与许多疾病的病理进展有关，包括癌症、神经退行性疾病、肺部疾病、血液疾病和遗传病等。大多数糖蛋白质是潜在的药物作用靶标，这使糖蛋白成为临床和生物学研究中一类重要目标。

三、疾病生物标志物

糖基化蛋白通常位于细胞表面且容易分泌到循环系统中，具有作为疾病诊断生物标志物的巨大潜力。

典型案例

Cell | 胰腺癌潜在治疗靶点与早期诊断标志物

该研究运用完整N-糖肽技术比较了PDAC、NATs和正常导管组织的分子特征，表明抑制相关糖蛋白生物合成，或可用于PDAC的早期发现和治疗干预。PDAC中有75个N-连接糖蛋白显著上调，上调糖蛋白的糖型主要为唾液酸糖型和/或岩藻糖型。聚焦其独特糖型可能会增加癌症标志物的特异性。抑制相关糖基化酶活性可削弱肿瘤中糖基化修饰上调，可能成为一种潜在的PDAC治疗策略。

Cell | 金黄色葡萄球菌感染患者的血液蛋白组与完整糖肽组分析

该研究通过对正常人（25例）、金黄色葡萄球菌菌血症感染幸存者（118例），金黄色葡萄球菌菌血症感染死亡患者（79例）的血液样本进行蛋白质组学、代谢组学和完整N糖肽组学联合分析，完整的呈现了宿主对感染的早期反应，揭示了一系列有助于早期预测和致病性分析的分子信号，且的生物标志物的预测能力远远超出了先前所报道的标志物，为适当的个性化治疗提供依据。（Cell. 2020 Sep 3;182(5):1311-1327.）

Nat Commun | 完整N-糖肽揭示gaoji别浆液性卵巢癌亚型及临床预后分析

该研究对119例HGSC组织样本进行了N-完整糖肽修饰组学分析，聚类分析将所有样本分成三类肿瘤亚型，且N-糖结构与gaoji别浆液性卵巢癌分子分型呈现出高度相关性，比如岩藻糖基化与间充质亚型之间的相关性等。进一步的生存分析显示糖蛋白糖型信息（如唾液酸糖型、高甘露糖型）与HGSC患者临床预后差有关。

参考文献       1. Singh, A. Glycoproteomics. Nat Methods 18, 28 (2021).       2. Liwei Cao,et al.,2021，Proteogenomic characterization of pancreatic ductal adenocarcinoma.Cell.       3. Jianbo Pan,et al.,2020. Glycoproteomics-based signatures for tumor subtyping and clinical outcome prediction of high-grade serous ovarian cancer.Nature Communications.