长期以来，小鼠一直是研究人类生物学和疾病的重要模式生物。小鼠多组织的基因组、转录组、蛋白组和磷酸化蛋白组文章已经揭示不同组织类型之间的高度异质性，为加深研究人员对小鼠的理解做出了极大贡献。然而，许多重要的器官如角膜，视网膜等却鲜有报道；蛋白组学的左右异质性在成对器官如肾脏，肾上腺，睾丸等也鲜被研究。
北京时间2022年9月2日，西湖大学生命科学学院郭天南团队在Molecular & Cellular Proteomics上在线发表题为 “Tissue-characteristic Expression of Mouse Proteome” 的研究论文。这项研究建立了一个包含12320个蛋白质，178304个多肽的小鼠多组织的谱图库，并对41个不同的小鼠器官进行了蛋白质组学定量分析，从中找到了新的组织特异性蛋白；免疫豁免器官的特异性蛋白表达；以及左侧器官在蛋白水平上相对较高的抗氧化特性。
原文链接：
https://www.mcponline.org/article/S1535-9476(22)00216-X/fulltext
该研究首先通过数据依赖采集的质谱方法，使用来自3只雌鼠与3只雄鼠的36个不同的器官，建立了一个小鼠多器官的蛋白谱图库，包含了12320个蛋白质。基于这个谱图库，该研究对4只雄鼠的41个器官进行了蛋白组定量分析，这些器官包括所有常见的组织类型，以及几个很少被研究的器官，如皮毛、晶状体、角膜、视网膜和胆囊。为保证蛋白质组学定量分析的高质量，两类质控样品：1）评估样品制备过程的质量；2）评估数据采集过程中质谱仪的稳定性被采集并评估，其变异系数均小于10%。基于一个含有16935个条目的fasta文件及至少两条多肽被鉴定的条件下，该研究对9388个蛋白质进行了定量。以上两点表明数据集的质量是稳定可信的。此后，该研究对12只小鼠9对成对器官进行了蛋白组学分析，发现了成对器官蛋白表达的左右不对称性。
1.建立包含12320个蛋白质的小鼠蛋白谱图库
基于3只雄性C57BL/6小鼠、3只雌性C57BL/6小鼠中的36个组织器官，用数据依赖型采集模式建立了包含178304条多肽和12320个蛋白的谱图库。在肠道中鉴定出最多的蛋白质(8494个)，而在红细胞中仅鉴定出997个（图2）。
2. 基于DIA的4只雄性小鼠41个器官的蛋白质组学分析
根据4只雄性小鼠的41个器官的定量蛋白质组数据，采用T分布随机近邻嵌入(t-SNE)分析计算不同器官之间的距离 (图3)，我们发现来自同一器官的不同组织聚类在一起，属于同一系统的不同器官也紧密聚类在一起，然而，来自神经系统和免疫系统的组织在聚类的时候与其他器官截然不同(图3)，表明了它们独特的蛋白质组学特征。
大脑、眼睛、睾丸和子宫等是已知的免疫豁免器官。虽然多种免疫豁免机制已经被提出，如血脑屏障、血视网膜屏障、血睾丸屏障等物理屏障的存在，但对于免疫豁免器官的系统性的蛋白质组学分析仍鲜有报道。我们将7个免疫豁免器官的蛋白质组与其他几个器官进行了比较 (图4)，发现不仅免疫豁免器官与其他器官之间存在差异，而且不同免疫豁免器官之间也存在差异。免疫豁免器官中，免疫激活通路显著下调，而免疫抑制通路如PTEN Signaling 则显著激活。主要组织相容性复合体(MHC)、急性期反应和补体系统相关的蛋白表达也在免疫豁免器官和其他器官中展现出了表达水平的差异。
该研究还检测到了112个组织特异性蛋白，大多数出现在睾丸中(112个中有78个)。其中包括一些未被报道的组织特异性蛋白，如睾丸中的尿囊酸酶蛋白等。
3. 基于DIA的12只雄性小鼠9个配对器官的蛋白质组差异分析
该研究还比较了12只小鼠9个配对器官中的差异表达的蛋白(图5)，发现肾上腺在左右两侧表现出最多的差异蛋白。有趣的是，在多个器官中，四种抗氧化剂相关的酶在左侧的表达高于右侧(图5)。Vnn1是泛酰巯基乙胺酶的主要亚型，据报道它会在在氧化应激情况下上调。谷胱甘肽还原酶(Gsr) 和铜/锌超氧化物歧化酶 (Sod1) 是维持细胞氧化还原稳态的抗氧化酶。据报道， Higd1a 可降低细胞活性氧水平。此外，左肾相较于右肾表达更高水平的Cyb5b。这些蛋白的上调可能表明在左侧肾上腺、睾丸、下颌淋巴结、胸腺、脑干、海马体和肾脏有更高的氧化应激活性。
西湖大学作为本研究主要单位，其中来自西湖大学的参与者分别是：生命科学学院特聘研究员郭天南，生命科学学院特聘研究员马丽佳，西湖大学副研究员朱怡，博士后张程为本研究的共同通讯作者，西湖大学2018级学生陆恬为第一作者。该项研究得到了中国国家重点研究开发计划、国家自然科学基金、西湖教育基金的支持。
原文链接
https://www.mcponline.org/article/S1535-9476(22)00216-X/fulltext
编译：郭天南团队
Guomics团队主要从事蛋白质组学研究，开发优化高通量微量样品蛋白质组学分析技术，针对临床问题，联合机器学习分析蛋白质组大数据，探索疾病诊治的新方法，并探索未充分研究的蛋白质组。团队热忱欢迎各位有志于科研事业的才俊加盟！