在过去的十年里，蛋白质组学已经从强调覆盖的深度和蛋白质鉴定的数量转变为越来越关注样本吞吐量。
但是，虽然该领域已经认识到需要大量的样本队列来解释生物变异，并检测特定疾病状态的有时小的变化，一些人提出了关于现有高通量工作流程是否提供足够的深度来测量最可能证明有效的生物标志物的蛋白质的问题。
对于血浆蛋白质组学来说，这尤其是个问题，因为近年来，人们对它的兴趣又重获新生。血浆是生物标志物发现的理想样本，因为它很容易获得，是任何最终临床试验的可能样本类型。然而，人类血浆具有很大的动态范围，并由少数高丰度分析物主导，其中最丰富的20种蛋白质占其总蛋白质质量的95%以上。这使得使用使用短LC梯度和很少或没有耗损和分离的高通量分析来量化低丰度蛋白质，如肿瘤标记物或细胞损伤标记物变得困难。
可以测量人体血浆中5000个甚至更多的蛋白质，但这样的实验需要大量的消耗和分馏，而且与许多研究人员想要达到的产量不太一致。以高通量质谱为基础的血浆蛋白测定通常在未耗尽的血浆中测量300到500个蛋白质，在耗尽的血浆中测量500到1000个蛋白质。
蛋白质组学公司Proteome Sciences的首席技术官伊恩·派克(Ian Pike)说:“吞吐量很好，是一件非常重要的事情。”“但我们几乎回到了2D凝胶时代，我们只需要对同样的200到300个中等丰度的蛋白质进行测序，这可能不会为我们想做的每一种可能的指示提供足够强的签名。”
他说:“如果你能找到那种深度，那就太好了。”“但大多数情况下，你会被困在低微克/毫升、高纳克/毫升的吞吐量池中。”
瑞典皇家理工学院生命科学实验室的转化等离子体分析主任Jochen Schwenk说，覆盖率和吞吐量的适当平衡是“某种意义上的百万美元问题”。vwin德赢ac米兰合作
“你能测量的越多，你可能捕捉到的过程就越多，但甚至在含量较高的蛋白质中也可能反映出其他过程，”他说。
施温克说:“如果你有一个严重的COVID-19病例，你会在这个人身上看到很多变化，可能是由于肝功能衰竭，可能是由于供氧减少，所以你会有这些严重的表型变化。”“如果你有一个小肿瘤泄漏了一种特定的分子，那就会困难得多。蛋白质组学本身的信息还不够丰富。”
德国血浆蛋白质组学公司OmicEra Diagnostics的首席科学官和联合创始人Philipp Geyer说，现有的血浆蛋白质组学工作流程可能解决哪些疾病状态的问题“很难回答”。“这对每一种疾病都是非常具体的，对于大多数疾病，我们不知道我们必须深入了解血浆蛋白质组有多深。”
和Schwenk一样，盖耶指出，有些情况比其他情况更有可能用现有的蛋白质组学技术解决。vwin德赢ac米兰合作
“例如，对于像糖尿病或肝病这样的代谢性疾病，我们知道我们可以找到新的生物标志物，”他说，并引用了蛋白质PIGR(聚合免疫球蛋白受体)的例子，他和他在马克斯普朗克生物化学研究所的同事，盖耶是那里的博士后，确认2019年作为非酒精性脂肪肝的潜在标记物。
他强调，心血管疾病是他希望研究人员能够利用现有技术找到和开发标记物的另一个领域。vwin德赢ac米兰合作
盖耶说，癌症，特别是早期肿瘤的检测，将可能被证明更具挑战性。他指出，检测肿瘤细胞分泌到血液中的少量癌症特异性蛋白非常困难。尽管在这一领域20多年来做出了巨大的努力，但蛋白质组学普遍未能识别出任何广泛使用的癌症早期检测标记物，这一观察结果或许得到了证实。
盖耶补充说，尽管如此，癌症生物标记努力的成功可能也会因所探索的癌症类型而异，举了一个甲状腺癌的例子，血清甲状腺球蛋白是监测病情的一个确定的标记。
他说:“因此，在高通量下找到(可检测到的)癌症生物标志物是可能的。”“这很大程度上取决于疾病本身。”
弗朗西斯克里克研究所(Francis Crick Institute)的小组组长、高通量蛋白质组学实验的质谱仪软件和工作流程的开发人员Markus Ralser说，目前尚不清楚研究人员可能通过分析大样本队列中的数百个血浆蛋白质组得出什么见解和生物标记物，因为在这种规模上进行实验的能力仍然非常新。
他说:“我们还不知道，因为蛋白质组学直到最近才达到可以进行人口规模实验的吞吐量水平。”
盖耶说，由于过去的通量限制，一直难以确定通过发现识别的标记是代表真正的生物学还是只是生物学和分析变异的人工制品。从早期发现的大样本队列开始的新能力将有助于解释这些变异的来源，有希望使更有效的生物标志物发现，即使是相对较低的覆盖深度。
Schwenk指出，虽然更大的队列可能会产生更有效的蛋白质生物标志物工作，但同样重要的是拥有临床特征非常良好的队列。
他说:“在不了解患者的情况下进行一项大规模的人群研究，其信息量可能不如在了解患者的一切情况下进行一项规模较小、有针对性的研究。”
Jennifer Van Eyk是洛杉矶Cedars-Sinai医学中心生物医学学系高级临床生物系统研究所的研究负责人和主任，她认为，虽然高通量血浆蛋白质组学实验可能不能直接测量低丰度蛋白质，但对高丰度蛋白质的测量可以捕获有关低丰度分析物在其中发挥作用的网络行为的信息。
分泌的蛋白质，如“激素，白细胞介素-6,BNP，这些都是低浓度的，”她说。“但你是在寻找这些通路的激活吗?”这些通路的激活可以在含量较高的蛋白质中看到。”
她说，她相信对血浆中500个或更多的蛋白质进行量化，可以让研究人员深入了解几乎涉及整个血浆蛋白质组的网络。
她说:“(500种蛋白质)覆盖的途径相当广泛。”“我认为你不需要(深入)那么深。”
虽然蛋白质组学在过去经常被认为是一种无偏见和无假设的生物标记检测方法，但Van Eyk说，在她看来，研究人员在开始实验时对他们要寻找的东西有一定的了解是至关重要的。
她说:“在没有假设或不了解预期结果的情况下进行研究，不是最好的科学。”“没有太多的疾病，我们完全naïve潜在的机制。如果你的目标是在特定的时间点制造一种特定疾病的生物标志物，那么我们应该已经成熟了。”
她强调，作为一个例外，精确健康和精确医学研究的目标不是确定特定疾病的特定标记，而是确定反映一个人在各种疾病状态下运动的蛋白质组学特征。
“我认为这是非常合理的，”范艾克说。“因为这种复杂性，如果有任何地方需要非常非常好的量化和测量精度，那就是在这种情况下。因为你想要测量很多东西，但你的准确性必须非常高，才能发现一些细微的差异，例如，一个人患有(类风湿关节炎)和一个人患有肠易激病。”
“在这种情况下，拥有更多的蛋白质组深度是有帮助的，但这样你就不能失去测量的精确度，”她说。“如果你要测量2000或3000种蛋白质，但你没有特异性，这是SomaLogic之类的方法的问题，或者你没有准确性，这可能是一些质谱仪方法的问题，那么你就不必走那条路。”
当被问及现有的蛋白质组学技术是否能够提供有效开展此类精准医疗工作所需的深度、吞吐量和精确度时，Van Eck回答说:“这是一个很好的问题。”
她说，使用数据独立的采集发现工作流程，她的实验室实际上每年可以用一台质谱仪运行约3000个样本，测量约600至700种蛋白质，变异系数低于30%。
她说:“我们还没有达到那个目标，但我认为我们已经非常接近达到那个更高的数字了。”
Ralser说，他还希望机器学习和人工智能的改进能让研究人员以更有信息的方式组合标记面板，更好地利用可以精确测量的蛋白质。
“现在有非常先进的统计方法，不仅可以考虑你测量的一两个或三个特征，而且可以有效地考虑整个轮廓，”他说，但他也指出，这种方法的潜力尚未转化为临床现实。
当然还有各种各样的研究人员和公司都在努力来推动血浆蛋白质组学技术向前发展以减少深度、吞吐量和准确性之间的权衡的方式。
例如，今年3月，瑞士蛋白质组学公司Biognosys表示，预计到今年年底将开始提供新的蛋白质组学发现工作流，使其能够在一项典型的血浆研究中量化约2700个蛋白质，并预计到2022年底在大规模发现研究中管理约3300个蛋白质。
蛋白质组学公司Seer去年对141份血浆样本进行了分析，结果显示其Proteograph系统可以识别大约2000种蛋白质。
蛋白质组科学公司已经开始使用ttmcalibrator工具进行大规模实验，该工具可以量化血浆中的5000多种蛋白质。
SomaLogic的基于适体体的SomaScan平台可以测量血浆中的7000种蛋白质，而Olink能够测量血浆中的1500种蛋白质，并预计在未来几年将这一数字扩大到3000左右。
“我很好奇未来几年会发生什么，”Ralser说。