蛋白质组学的下一站：AI、多组学和临床标准化

蛋白质组学技术发展调研｜第十篇·收官篇
过去十年，蛋白质组学完成了“测量能力”的升级；未来十年，它要完成“可信应用”的升级。

这个系列从第一篇开始，我们一直在追问同一个问题：

蛋白质组学这十年到底发生了什么？

答案不是一句“质谱更快了”就能概括。

过去十年，蛋白质组学经历了一连串系统性跃迁：

质谱平台更快、更灵敏。
DIA 让定量更稳定。
高通量工作流让成百上千个样本进入实验设计。
低输入和单细胞技术把样本门槛不断降低。
修饰组学和 proteoform 让我们看见蛋白状态。
空间蛋白质组学让蛋白重新回到组织现场。
结构、互作和机制蛋白质组学让蛋白质组学不再只是清单。
血浆蛋白质组和大队列研究让蛋白质组学走向人群、疾病预测和药物发现。

如果说早期蛋白质组学的核心问题是：

我们能测到多少蛋白？

那么今天的问题已经变成：

我们能不能用蛋白质组数据可靠地解释生命状态，并真正服务医学研究和临床决策？

这就是收官篇要讨论的主题：蛋白质组学的下一站。

我认为，未来十年最关键的方向可以概括为三句话：

AI 会成为蛋白质组学的数据发动机。
多组学会让蛋白质组学进入生命系统解释框架。
标准化会决定蛋白质组学能不能真正走进临床。

一、下一站不是“更多蛋白”，而是“更可信的生命状态读数”

过去很多蛋白质组学论文喜欢展示一个数字：

鉴定了多少蛋白。
定量了多少肽段。
覆盖了多少修饰位点。
一天能测多少样本。
单细胞能测到多少蛋白。

这些数字当然重要。没有技术能力，就没有后续应用。

但当蛋白质组学发展到今天，单纯追求“更多”已经不够了。

因为真实应用关心的问题不是：

这个实验能不能多鉴定 1000 个蛋白？

而是：

这个数据是否可重复？
跨批次是否稳定？
不同实验室能否复现？
能否和基因组、转录组、影像、病理、临床结局整合？
能否区分疾病原因和疾病结果？
能否支持药物靶点优先级排序？
能否最终变成可验证、可解释、可监管的临床检测？

这就要求蛋白质组学从“技术展示”进入“证据体系”。

2024 年 Human Proteome Project 报告提供了一个很好的标志：人类蛋白质组研究不再只追求“有没有蛋白表达证据”，也开始强调功能注释和多组学健康疾病研究。该报告显示，基于 19,411 个 GENCODE 蛋白编码基因目标列表，已有 18,138 个达到 PE1 蛋白表达证据，约 93%；同时，HPP 也引入了 Functional Evidence FE1–5 体系，试图把蛋白表达证据进一步推进到功能证据。¹

这说明蛋白质组学已经进入一个新阶段：

从“证明蛋白存在”，走向“解释蛋白功能”。

而要完成这一步，AI、多组学和标准化缺一不可。

二、AI 会成为蛋白质组学的数据发动机

蛋白质组学天然是一个数据密集型领域。

一个 LC-MS/MS 实验会产生大量谱图。
DIA 数据里混合了复杂碎片离子信号。
修饰组学增加了巨大的搜索空间。
空间蛋白质组学带来图像、坐标和高维 marker。
大队列研究产生数万样本、数千蛋白和临床表型矩阵。

如果没有强大的计算方法，很多数据其实无法被充分利用。

所以，AI 在蛋白质组学中的价值，不是简单地“帮人画图”或“自动写报告”，而是正在进入数据生成和数据解释的核心环节。

可以把 AI 在蛋白质组学中的作用分成五层：

谱图预测和数据库搜索。
DDA / DIA 数据解析。
空间图像和组织结构分析。
结构预测和实验约束整合。
多组学和临床预测模型。

注意，AI 不是替代蛋白质组学实验，而是让复杂蛋白数据变得更可解释、更可用、更可验证。

三、第一层 AI：预测谱图，让数据库搜索更聪明

质谱蛋白质组学最基础的问题，是根据谱图判断肽段是谁。

传统方法很大程度上依赖理论碎片谱或实验谱图库。但真实 MS/MS 谱图里，碎片离子强度、保留时间、碰撞能量、仪器类型、修饰状态都会影响识别效果。

深度学习改变了这一点。

Prosit 是一个代表。它使用深度学习预测肽段保留时间和碎片离子强度，可以根据肽段序列生成高质量的 in silico 谱图库，并用于改进数据库搜索、DIA 谱图库构建和 metaproteomics 分析。²

AlphaPeptDeep 则进一步把肽段性质预测做成模块化深度学习框架，可以预测 MS2 碎片强度、保留时间和离子淌度相关性质，并支持迁移学习和多种修饰表示。³

这些工具的意义在于：

过去我们依赖实验测出来的谱图库；现在，AI 可以先预测一个接近真实的谱图库。

这对 DIA 尤其重要。因为 DIA 数据复杂，谱图库和预测模型越好，越容易从混合信号中提取可靠肽段。

四、第二层 AI：解析 DIA，让复杂数据变成稳定矩阵

第三篇我们讲过，DIA 的优势是系统性采集，适合稳定定量；但 DIA 的难点是混合谱图复杂，算法决定了能否真正解析出可信信号。

DIA-NN 是这一方向的代表工具。它使用深度神经网络、干扰校正和新的定量策略处理 DIA 数据，特别适合高通量和短梯度场景，可以提升鉴定和定量表现。⁴

这类工具说明，DIA 的竞争力已经不只是仪器和窗口设计，而是：

系统采集 + 深度学习解析 + 干扰校正 + 质量控制。

未来 DIA 数据分析很可能继续向三个方向发展：

第一，library-free 和 predicted-library 工作流更成熟。
第二，算法会更好地处理低输入、单细胞、修饰组学和复杂样本。
第三，数据质控会从事后检查变成实时监控和自动预警。

也就是说，DIA 的下一步不是简单“量到更多蛋白”，而是把复杂谱图解析成更稳定、更透明、更可审计的数据矩阵。

五、第三层 AI：整合空间图像、组织结构和蛋白质组

第七篇我们讲了空间蛋白质组学。这个领域尤其依赖 AI。

因为空间蛋白质组学的数据不是普通表格，而是图像、细胞坐标、组织区域、邻域关系、marker 强度和蛋白表达矩阵的组合。

AI 在这里至少有四个作用：

细胞分割。
细胞类型注释。
组织区域识别。
空间模式发现。

Deep Visual Proteomics 就是一个典型例子。它把 AI 图像分析、激光显微切割和超高灵敏质谱结合起来，在保留空间上下文的同时获取深度蛋白质组信息。⁵

PLATO 则代表另一种新路线：用微流控获得组织蛋白质组投影，再通过迁移学习和深度学习重建整张组织切片的蛋白空间图谱。⁶

空间蛋白质组学未来很可能会成为 AI 最活跃的应用场景之一，因为它需要同时理解图像、蛋白、细胞、组织结构和临床表型。

六、第四层 AI：结构预测与实验蛋白质组学互相校验

第八篇我们讲了结构、互作和机制蛋白质组学。这里 AI 的影响同样巨大。

AlphaFold 2 改变了蛋白结构预测。AlphaFold 3 则进一步扩展到蛋白、核酸、小分子、离子和修饰残基等多种生物分子复合物的结构预测。2024 年 Nature 论文指出，AlphaFold 3 使用更新的 diffusion-based 架构，可以预测包含蛋白、核酸、小分子、离子和修饰残基的复合物结构，并在多类分子互作预测中取得提升。⁷

但这并不意味着实验结构蛋白质组学不重要了。

恰恰相反。

AI 可以预测结构，实验质谱可以验证结构。
AI 可以生成模型，XL-MS 可以提供距离约束。
AI 可以预测复合物，HDX-MS 可以观察构象动态。
AI 可以给出静态结构，native MS 可以看到真实复合物和 proteoform 组合。

未来最有价值的不是“AI 单独预测”，也不是“质谱单独验证”，而是：

AI 模型 + 质谱约束 + 细胞状态 + 功能实验。

这是机制蛋白质组学未来十年非常重要的一条主线。

七、第五层 AI：从单一组学分析走向多组学模型

蛋白质组学不是孤立存在的。

基因组告诉我们遗传风险从哪里来。
转录组告诉我们哪些指令正在被表达。
蛋白质组告诉我们功能执行层发生了什么。
修饰组告诉我们蛋白状态如何被调控。
代谢组告诉我们细胞活动的终端结果。
空间组学告诉我们这些变化发生在组织的哪里。
临床数据告诉我们这些分子变化对应什么疾病和结局。

真正的生命状态读数，不会来自单一组学，而会来自多组学整合。

CPTAC 是这一方向最典型的资源之一。NCI 2023 年发布的 pan-cancer proteogenomic dataset 标准化整合了来自 10 种癌症、超过 1000 个肿瘤的基因组、蛋白质组、影像和临床数据，用于帮助研究者理解癌症发生和进展的分子机制。⁸

这说明未来蛋白质组学的重要角色，不是替代基因组或转录组，而是成为多组学系统中的功能层。

可以这样理解：

基因组告诉我们“可能会怎样”，蛋白质组告诉我们“现在正在怎样”。

八、多组学的难点：不是把数据放在一起，而是让它们互相解释

多组学听起来很自然，但真正做起来很难。

因为不同组学之间并不是简单线性关系。

DNA 变异不一定改变 RNA。
RNA 上调不一定导致蛋白上调。
蛋白丰度不变，也可能因为修饰而活性改变。
血浆蛋白变化可能来自多个组织。
空间 marker 变化可能反映细胞组成，也可能反映细胞状态。
疾病表型可能由多个通路共同驱动。

所以，多组学整合不能只是把基因、RNA、蛋白、代谢物和临床表型放进一个大矩阵。

真正有价值的整合应该回答：

哪个遗传变异影响哪个蛋白？
哪个蛋白变化解释了疾病风险？
哪个蛋白是疾病原因，哪个只是结果？
蛋白变化发生在哪种细胞或组织区域？
蛋白修饰是否解释了通路活性？
药物作用是否真的改变了目标蛋白状态？

这正是 AI 和统计因果推断未来会发挥作用的地方。

比如第九篇提到的 pQTL 和 Mendelian randomization，就是把遗传变异、蛋白水平和疾病风险连接起来的一种方式。它不是完美答案，但它让蛋白质组学从相关性分析向因果线索迈进了一步。

未来的多组学模型，应该越来越少停留在“相关网络”，越来越多走向“机制网络”。

九、标准化：蛋白质组学能不能走进临床的分水岭

如果说 AI 和多组学决定蛋白质组学能走多远，那么标准化决定它能不能被别人相信。

蛋白质组学过去常被质疑的一点是：

同一个样本，不同实验室测出来是否一样？
同一个队列，不同批次是否可比较？
不同平台得到的蛋白结果能否互相验证？
一个 biomarker 在发现队列里有效，到了临床真实世界是否仍然有效？

这些问题不是靠更强仪器就能自动解决的。

标准化至少包括五个层面：

样本采集标准化。
样本制备标准化。
仪器运行和 QC 标准化。
数据格式和数据提交标准化。
统计分析和结果报告标准化。

HUPO Proteomics Standards Initiative 的目标，就是制定蛋白质组学数据表示的社区标准，促进数据比较、交换和验证；其工作组覆盖分子互作、质谱、蛋白质组信息学、蛋白修饰和蛋白分离等方向。⁹

HPP Data Interpretation Guidelines 也强调，HPP 相关研究应将数据提交到 ProteomeXchange 公共数据仓库，并以严格标准进行统计分析和证据解释。¹⁰

在多组学研究里，参考材料也会成为标准化的重要基础。Quartet reference materials 就是一个代表案例：它不是 AI 工具，而是一个多组学参考材料体系。研究者建立了匹配 DNA、RNA、protein 和 metabolite 的参考材料，并提出 ratio-based quantitative profiling，用共同参考样本把研究样本的绝对特征值转化为相对比值，从而提升跨批次、跨实验室、跨平台和跨组学的数据可比性。¹¹

这类参考材料的意义不在于“提供一个新检测技术”，而在于提醒我们：未来蛋白质组学要走向临床和多组学整合，不能只依赖单次实验结果，而必须建立参考材料、参考数据、质量控制和可比较的定量体系。

这些标准听起来不如新仪器、新算法、新技术激动人心，但它们是蛋白质组学走向临床和大规模应用的基础。

十、公共数据资源：未来蛋白质组学会越来越依赖开放数据

AI 需要数据，多组学需要数据，标准化也需要数据。

因此，公共数据资源会成为蛋白质组学未来十年的基础设施。

ProteomeXchange 就是最重要的资源之一。其 2023 年更新论文指出，ProteomeXchange 的成员包括 PRIDE、PeptideAtlas / PASSEL、MassIVE、jPOST、iProX 和 Panorama Public；截至 2022 年 6 月，PX 资源已提交超过 34,233 个数据集，其中 20,062 个是在最近三年提交的。¹²

这组数字说明，蛋白质组学已经从“每个实验室独立分析自己的数据”，走向“全球范围内的数据积累”。

公共数据的价值至少有四个：

第一，可以复现和检查已发表结果。
第二，可以训练 AI 模型。
第三，可以进行跨队列 meta-analysis。
第四，可以构建更广泛的蛋白知识库。

不过，公共数据不是“上传原始文件”就够了。真正有价值的数据资源需要清楚的样本信息、实验设计、批次信息、仪器参数、质量控制、搜索策略和统计流程。

这就是为什么数据标准和元数据标准非常重要。

十一、质控：从“跑完再看”变成“全流程监控”

蛋白质组学要进入临床，质控不能只是最后看一下鉴定数和 CV。

它应该贯穿整个流程：

样本是否符合采集标准？
储存和冻融是否可控？
酶切是否充分？
上样量是否稳定？
LC 保留时间是否漂移？
质谱灵敏度是否下降？
DIA 窗口或碎片信号是否异常？
QC 样本是否稳定？
批次校正是否引入伪信号？
模型是否在外部队列中仍然有效？

NIST 2024 年发布的质谱蛋白质组学 core facility QC primer 强调，过去十年 QC 材料和软件已有广泛进展，但采用程度仍不一致；对于服务非质谱专家的核心平台来说，QC 对结果可信度至关重要。¹³

这句话非常适合写进收官篇：

临床蛋白质组学不是一次漂亮实验，而是一套长期稳定运行的质量体系。

未来 AI 也会进入质控流程。它可以从大量历史运行数据中学习正常波动范围，提前发现仪器漂移、样本异常和批次风险。

但这里要分清楚：

AI 可以帮助发现异常；Quartet 这类参考材料则帮助建立跨批次、跨平台、跨组学的可比性。

这两者互补，但不是同一类东西。

十二、自动化：从专家手艺走向平台工程

蛋白质组学过去很大程度上依赖专家经验。

样本制备怎么做。
液相怎么维护。
梯度怎么优化。
质谱方法怎么调。
数据分析怎么选参数。
异常样本怎么判断。

这些经验非常重要，但如果蛋白质组学要走向大队列和临床，就不能永远依赖少数专家的手艺。

它必须走向自动化和平台化。

未来十年，自动化可能体现在几个方向：

自动化样本制备。
短梯度高稳定 LC-MS。
标准化 DIA 方法。
自动化质控报警。
云端数据处理。
标准化报告输出。
多中心批次校正和跨平台验证。

这不是降低技术门槛那么简单，而是让蛋白质组学从“研究型实验”变成“可复制平台”。

只有平台化，才有可能支撑：

数千样本队列。
多中心临床研究。
纵向随访。
药物研发中的批量筛选。
真正可监管的临床检测。

十三、临床转化：发现 biomarker 只是第一步

蛋白质组学很容易发现 biomarker。

难的是把 biomarker 变成临床工具。

这中间至少需要经历几个阶段：

发现队列。
技术验证。
外部队列验证。
机制解释。
临床模型构建。
前瞻性研究。
检测方法标准化。
成本效益评估。
监管审批。
真实世界使用。

第九篇讲过，血浆蛋白质组学已经在疾病预测、药物靶点和患者分层方面展现出巨大潜力。但一个蛋白或一个 protein score 在论文中表现好，不等于它马上可以进入体检或临床诊断。

临床需要的是：

结果稳定。
假阳性可控。
假阴性可接受。
检测成本合理。
医生能解释。
患者能受益。
阳性结果有明确后续路径。

所以，蛋白质组学的临床化，不是把“发现研究”包装成“检测产品”，而是建立完整证据链。

这也是未来十年最关键的挑战之一。

十四、蛋白质组学未来五到十年的五条主线

如果把前面的内容收束一下，我认为蛋白质组学未来五到十年会有五个主线。

1. AI 驱动的数据解释

AI 会越来越多地参与谱图预测、DIA 解析、空间图像分析、结构建模和多组学模型。

但 AI 的价值不是替代实验，而是让复杂实验数据更可解释。

未来的蛋白质组学会变成：

实验测量 + AI 解析 + 统计验证 + 生物学解释。

2. 多组学驱动的机制建模

蛋白质组学会越来越少单独出现，而是和基因组、转录组、代谢组、空间组学、影像和临床数据共同出现。

它的位置会越来越清楚：

蛋白质组是连接基因变化和疾病表型的功能层。

CPTAC、UK Biobank、Human Proteome Project、Human Protein Atlas 等资源都会推动这种整合。

3. 空间和单细胞驱动的分辨率提升

bulk 蛋白质组学不会消失，但单细胞、低输入和空间蛋白质组学会让我们看到更细的生命状态。

未来我们不只会问：

这个疾病样本里哪些蛋白变了？

而会问：

哪种细胞变了？
哪个组织区域变了？
哪个微环境变了？
哪种 proteoform 或修饰状态变了？
这种变化是否与治疗响应有关？

4. 标准化驱动的可信应用

如果没有标准化，蛋白质组学很难跨实验室、跨批次、跨平台比较。

未来高价值蛋白质组学研究必须更重视：

样本信息。
QC 样本。
参考材料。
数据提交。
参数透明。
统计流程。
外部验证。
可复现代码。
跨平台确认。

越接近临床，越不能只靠漂亮图表。

5. 临床证据链驱动的转化

蛋白质组学进入临床，不会一夜之间发生。

最可能先成熟的场景包括：

药物靶点优先级排序。
药效和 target engagement 评估。
患者分层。
疾病风险模型。
伴随诊断候选 panel。
纵向监测。
临床试验中的蛋白 endpoint。

真正进入常规临床检测的，可能不是几千蛋白的大 panel，而是从大规模蛋白质组发现中筛选出的少数高价值蛋白组合。

十五、这十篇文章串起来，其实是一条主线

回头看这个系列，十篇文章其实讲的是同一条主线：

第一篇讲总览：蛋白质组学从“测到蛋白”走向“读懂生命状态”。
第二篇讲质谱平台：发动机变快，测量边界被推开。
第三篇讲 DDA 到 DIA：采集策略从选择性发现走向稳定定量。
第四篇讲高通量：样本数变大，统计力量增强。
第五篇讲低输入和单细胞：样本量变少，细胞分辨率提高。
第六篇讲修饰和 proteoform：蛋白不是名字，而是状态。
第七篇讲空间蛋白质组学：蛋白回到组织现场。
第八篇讲结构和互作：蛋白质组学进入机制解析。
第九篇讲血浆和大队列：蛋白质组学走向人群和临床。
第十篇讲未来：AI、多组学和标准化决定它能走多远。

这条线可以总结成一句话：

蛋白质组学正在从“分子清单技术”，进化为“生命状态读数系统”。

十六、结语：蛋白质组学的下一站，是把复杂生命状态变成可解释证据

生命不是静态的。

一个基因突变可能需要很多年才表现为疾病。
一个 RNA 上调不一定带来蛋白变化。
一个蛋白丰度不变也可能因为修饰而被激活。
一个细胞状态可能只存在于组织的某个空间角落。
一个疾病风险可能由一组血浆蛋白共同提示。
一个药物靶点是否真正有效，需要从结构、互作、通路和临床结局共同验证。

这就是蛋白质组学为什么重要。

它站在生命系统的执行层，连接基因、环境、细胞状态、组织结构、疾病过程和药物作用。

过去十年，蛋白质组学完成了非常关键的技术跃迁：能测得更深、更快、更稳、更多、更小、更有空间和更接近机制。

未来十年，它面临的挑战会更难：

如何让 AI 模型可靠？
如何让多组学真正互相解释？
如何让数据跨实验室复现？
如何让发现结果进入临床？
如何在复杂生命状态中找到可干预、可验证、可转化的证据？

如果这些问题被逐步解决，蛋白质组学就不再只是科研论文里的高通量检测方法，而会成为生命科学和精准医学中最重要的基础设施之一。

也许未来医生看到的不只是基因风险报告，也不是单个血液指标，而是一张动态的蛋白质组状态图谱：

它告诉我们身体当前处于什么状态，疾病正在向哪里发展，药物是否真正奏效，下一步该如何干预。

这就是蛋白质组学的下一站。

从测到蛋白，到读懂生命状态。
从技术平台，到临床证据。
从分子清单，到生命系统。

这个系列到这里收官，但蛋白质组学的故事，才刚刚进入真正精彩的阶段。

参考文献线索

Human Proteome Project 2024 report：PE1 蛋白表达证据覆盖 18,138 / 19,411 个 GENCODE 蛋白编码基因，并引入 Functional Evidence FE1–5。Molecular & Cellular Proteomics, 2024. https://www.sciencedirect.com/science/article/pii/S1535947624004451 ↩
Prosit：深度学习预测肽段保留时间和碎片离子强度，用于谱图库生成和搜索质量提升。Nature Methods, 2019. https://www.nature.com/articles/s41592-019-0426-7 ↩
AlphaPeptDeep：模块化深度学习框架，用于预测肽段 MS2 碎片强度、保留时间和相关性质。Nature Communications, 2022. https://www.nature.com/articles/s41467-022-34904-3 ↩
DIA-NN：神经网络和干扰校正用于 DIA 数据解析，提升高通量蛋白质组鉴定和定量表现。Nature Methods, 2020. https://www.nature.com/articles/s41592-019-0638-x ↩
Deep Visual Proteomics：AI 图像分析、激光显微切割和超高灵敏质谱结合，保留空间上下文。Nature Biotechnology, 2022. https://www.nature.com/articles/s41587-022-01302-5 ↩
PLATO：微流控投影采样与迁移学习重构整组织空间蛋白质组图谱。Cell, 2025. https://pubmed.ncbi.nlm.nih.gov/39855194/ ↩
AlphaFold 3：统一深度学习框架预测蛋白、核酸、小分子、离子和修饰残基等复合物结构。Nature, 2024. https://www.nature.com/articles/s41586-024-07487-w ↩
CPTAC pan-cancer resource：标准化整合超过 1000 个肿瘤、10 种癌症的基因组、蛋白质组、影像和临床数据。NCI, 2023. https://www.cancer.gov/news-events/press-releases/2023/cptac-proteogenomic-dataset ↩
HUPO Proteomics Standards Initiative：制定蛋白质组学数据表示社区标准，促进数据比较、交换和验证。https://www.hupo.org/Proteomics-Standards-Initiative-%28PSI%29 ↩
HPP Data Interpretation Guidelines：要求严格统计分析和公共数据提交，支持 HPP 结果解释。https://www.hupo.org/HPP-Data-Interpretation-Guidelines ↩
Quartet reference materials：建立匹配 DNA、RNA、protein 和 metabolites 的多组学参考材料，并提出 ratio-based quantitative profiling，用于提升跨批次、跨实验室、跨平台和跨组学可比性。Nature Biotechnology, 2024. https://www.nature.com/articles/s41587-023-01934-1 ↩
ProteomeXchange 2023 update：PX 成员包括 PRIDE、PeptideAtlas / PASSEL、MassIVE、jPOST、iProX 和 Panorama Public；截至 2022 年 6 月已提交超过 34,233 个数据集。Nucleic Acids Research, 2023. https://academic.oup.com/nar/article/51/D1/D1539/6825347 ↩
NIST QC primer 2024：强调质谱蛋白质组学 core facility 中 QC 材料、QC 软件和质量体系的重要性。NIST, 2024. https://www.nist.gov/publications/quality-control-mass-spectrometry-proteomics-core-practical-primer ↩