在各大医院和研究所中都有一座宝藏，其中储藏了数以亿计的珍贵FFPE样本，因难以被再次研究利用而沉睡多年。自二十一世纪以来，随着FFPE组织中蛋白质提取方法的突破，以及质谱技术的蓬勃发展，FFPE样本重新引起了临床研究者的注意，其中蕴藏的宝贵科研价值正在被逐步开发唤醒。谱度众合隆重推出FFPE蛋白质组学解决方案，根据FFPE样本的特点和具体应用场景量身打造，帮助科研人员打开思路，焕发FFPE样本的新生！就让小谱带大家一起，抢先了解服务特色和产品亮点。

 

FFPE临床蛋白质组学解决方案通过对FFPE样本中蛋白质组进行定性和定量分析，探究蛋白质表达与疾病的关系，帮助科研工作者挖掘机制线索、寻找生物标志物、探索潜在药物、研究分子亚型。该产品提供的高质量组学数据和报告图表，不仅可以用于论文发表，还可以作为基金申请的前期基础。

 

 

亮点 1

 

成熟的技术平台，稳定的检测深度

 

谱度众合以临床蛋白质组学技术为核心，经过十年技术积淀，被认定为“国家生物产业基地公共服务平台”、“生物标志物发现与药物靶点筛选平台”及“武汉市科技成果转化中试平台”。依托平台力量，谱度众合注重技术创新及数据质量把控，致力于为客户提供更好的科研助力。（喜报：谱度众合获批“国家生物产业基地公共服务平台”）

 

公司结合多年样本前处理经验，经过长期针对性优化FFPE样本处理流程，平台FFPE样本定量深度可稳定达到5000+。实验室已构建完善的数据质控体系，平台严格把控样品制备流程，保证质谱检测数据质量。

 

亮点 2

9大分析模块，超60项分析内容

 

 

经过深度调查研究前沿热点，结合FFPE样本特点和实际研究应用需求，公司对数据分析内容进行了全新升级。FFPE产品报告一共涵盖9大模块，60+项分析内容，满足多种研究要求，内容满满，诚意十足！

 

 

 

【模块1：蛋白质组学质控分析】10+项分析

多角度展示蛋白检测质控数据，全方位评估样本数据质量，保证研究的可靠性

【模块2：蛋白质组学差异分析】5+项分析

可视化展示差异蛋白统计结果，辅助筛选关键差异蛋白

【模块3：蛋白质组学功能分析】5+项分析

进行常见功能通路富集分析及互作网络分析，展示差异蛋白与功能通路的相关性

【模块4：基因集富集分析GSEA】3+项分析

展现通路的整体上/下调变化情况，多角度展示关键通路

【模块5：加权基因共表达网络分析 WPCNA】5+项分析

展示与临床表型相关的蛋白，并对其开展功能分析

【模块6：HPA免疫组化结果】3+项分析

通过数据库进行信息挖掘，从HPA中获取正常及癌症组织中蛋白表达情况，并下载免疫组化图片，可直接用于论文发表

【模块7：机器学习临床建模】10+项分析

提供机器学习建模及评价结果，通过建模区分疾病，筛选候选生物标志物

【模块8：疾病潜在药物筛选】3+项分析

挖掘CMAP潜在药物数据库，提供潜在药物列表，促进临床转化

【模块9：临床队列亚型分析】5+项分析

划分疾病分子亚型，分析亚型间差异，促进个性化诊疗

 

亮点 3

4大研究方向一网打尽

致病机制、生物标志物、潜在药物、分子分型

 

FFPE产品报告全新升级，分析内容完美适配4大研究方向【挖掘机制线索、寻找生物标志物、探索潜在药物、研究分子亚型】。接下来以具体研究为例，为大家展示我们新FFPE产品报告可适配的研究方向。

 

1.挖掘机制线索

此类型研究，通常是比较疾病组和对照组的蛋白质组数据，通过差异表达分析和功能通路注释富集研究，来提示疾病潜在的致病机制。

 【案例】在接受抗血管生成治疗的胶质母细胞瘤复发患者中，部分患者的治疗效果较差。研究者通过检测治疗应答患者和不应答患者的FFPE样本蛋白质组，找到与抗血管治疗应答相关的特征蛋白质，并进行生物学功能注释研究^[1]。

 

 

 

2.寻找生物标志物

 

寻找生物标志物的研究策略，通常是先在小样本量队列中去确定潜在生物标志物，然后在更大样本量队列中进行验证。蛋白质组学数据分析的重要环节是依据差异蛋白筛选生物标志物并构建机器学习模型，用于区分疾病组与对照组，最终的生物标志物及模型结果可在外部队列中进行验证。

 

【案例】研究者对淋巴结转移阴性和淋巴结转移阳性的结直肠癌患者的FFPE样本进行蛋白质组学分析，并在两个外部队列中进行验证，揭示了其分子和生物学途径的变化。最后建立了用于预测结直肠癌患者中淋巴结转移的生物标志物模型，为临床实践提供指导^[2]。【发掘FFPE样品潜力 | 解读《蛋白质组学预测早期结直肠癌淋巴结转移》】

 

 

 

3.探索潜在药物

 

潜在治疗药物研究，是通过寻找与疾病相关的差异蛋白，在特定的药物数据库（如CMAP）中获取相关的潜在治疗药物，后续可开展细胞、动物实验来验证药物功能。

 

案例： 该研究收集了食管癌（EC）患者的癌和癌旁样本，并对样本进行蛋白质组检测，开展了一系列差异蛋白及通路富集分析。依托寻找到的差异蛋白，在CMAP数据库中进行潜在药物筛选，并对潜在药物进一步开展了细胞、动物实验，最终验证了GW8510、Menadione和Sulconazole三种药物可作为治疗EC患者的潜在药物^[3]。【疾病分子分型怎么做？| 解读《大规模蛋白质组学分析确定食管癌的分子亚型用于精准治疗药物开发》】

 

 

 

4.研究分子亚型

 

分子分型研究，通常是针对患病组的蛋白质组学数据进行分型。通过聚类分析把患病组的样本分为不同的分子亚型，研究亚型间的预后生存情况及功能机制差异。

 

案例：研究者对食管癌（EC）患者样本进行蛋白质组学分析，利用蛋白质组学数据确定了与EC患者生存相关的两种疾病亚型，然后研究了亚型间特征表达的蛋白质和生物学功能途径，有助于增加对EC疾病进展机制的了解，促进开展临床个性化诊疗^[4]。【疾病分子分型怎么做？| 解读《大规模蛋白质组学分析确定食管癌的分子亚型用于精准治疗药物开发》】

 

 

 

小结

 

探索永无止境，随着检测和分析技术的发展， FFPE样本和蛋白质组学的碰撞必将揭示更多的生命奥秘，为攻克更多疾病奠定基础。谱度众合FFPE临床蛋白组学解决方案致力于为客户提供更稳定可靠的数据结果、更丰富详实的分析内容、满足更多元个性的研究方向，让FFPE样本焕发全新生命力！

 

关注我们，了解更多关于FFPE蛋白质组学产品的详细信息。挖掘FFPE样本潜力，我们一同出发！【临床样本采集指南临床样本采集指南丨（二）组织样本篇】

 

参考文献[1]Jeon H, Byun J, Kang H, et al. Proteomic analysis predicts anti-angiogenic resistance in recurred glioblastoma[J]. J Transl Med, 2023,21(1):69.[2]Zhuang A, Zhuang A, Chen Y, et al. Proteomic characteristics reveal the signatures and the risks of T1 colorectal  cancer metastasis to lymph nodes[J]. Elife, 2023,12.[3]Liu W, Xie L, He Y H, et al. Large-scale and high-resolution mass spectrometry-based proteomics profiling  defines molecular subtypes of esophageal cancer for therapeutic targeting[J]. Nat Commun, 2021,12(1):4961.

 

 

 

 

福利大放送

转发本篇公众号至朋友圈
1. 获赞6个，即可获得USB加湿器；
2. 获赞10个，即可获得萌宠小夜灯；
3. 获赞前十名，即可获得加热杯垫；
4. 获赞前三名，即可获得暖手宝充电宝二合一

 

 

 

活动时间截至到2024.1.26晚00：00

关注公众号回复 “8” 联系工作人员获得奖品~