$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
现代质谱 （MS） 在灵敏度、速度和多功能性方面取得了显着的进步，为研究人员提供了更多的蛋白质组表征机会。随着技术的改进，研究人员要求他们的结果更加严格。因此，对蛋白质组学工作流程同样重要的是创新的样品制备策略，这些策略旨在在质谱之前分离、分离和处理复杂的蛋白质组学混合物。蛋白质组学系统的化学多样性排除了“一刀切”的样品制备方法。然而，从这种方法收集可以看出，有多种方案可以最大限度地提高MS数据的质量和可信度。该集合旨在为研究人员提供易于实施的工具和技巧，旨在增强蛋白质组学和代谢组学工作流程的预期结果。
毛细管HPLC和UPLC色谱柱在综合蛋白质组学工作流程中几乎无处不在。虽然自填充毛细管柱是商业色谱柱的低成本替代品，但那些尝试自己填充色谱柱的人可能熟悉不一致的填充率和可变的色谱柱质量。俄罗斯科学院的Kovalchuk及其同事展示了他们的FlashPack方法，以确保UPLC毛细管柱的高效和一致填充1。精确控制的变量组合减少了毛细管入口处冲天炉的形成，并允许使用低压填料弹快速填充色谱柱。
免疫肽组学是蛋白质组学的一个新兴分支学科，在肿瘤学和免疫治疗中具有临床意义。可靠的 MS 分析需要分离 MCC I/II 类或人白细胞抗原 （HLA） 肽配体。为了提高该分离方案的可重复性，蒙特利尔大学的 Sirois 及其同事展示了一种基于微珠的小规模亲和力捕获工作流程，以及回收的免疫肽组2 的预期 MS 结果。
为了进一步提高蛋白质组学数据的严格性并促进大量样品的高通量处理，研究人员越来越多地转向机器人平台来自动化样品处理步骤。可以使用低成本的机器人平台，但这需要用户对所需的作步骤进行编程，这可能是使用该设备的障碍。科罗拉多大学安舒茨医学院的Han等人设计了一个简单的开源编码包，并在Opentrons OT-2机器人平台3上演示了蛋白质消化所涉及的基本步骤。
SDS 等表面活性剂通常用于在 MS 之前促进细胞提取和蛋白质组溶解。但是，SDS 去除可能不完整，否则有样品丢失的风险。达尔豪斯大学的 Nickerson 及其同事展示了一种一次性滤芯，用于自动化蛋白质沉淀过程4。盐和有机溶剂的组合对于最大限度地提高蛋白质回收率至关重要，并且可以在最短的时间内以高产量进行。
代谢组学正在追随蛋白质组分析的脚步，越来越多的参考质谱数据库被用于识别靶向和非靶向工作流程中的未知代谢物。与蛋白质组学分析类似，光谱鉴定容易出现假阳性匹配，因此错误发现率 （FDR） 的统计报告对于过滤低置信度结果至关重要。暨南大学的 Li 及其同事与 Chi-Biotech Co. 合作，基于他们的 XY-Meta 程序生成了一个基于网络的工作流程，并生成了代谢物的目标诱饵数据库5。他们演示了生成目标数据库并根据所需 FDR 过滤代谢组学结果的步骤。
最后，东北大学6 的 Petelski 及其同事展示了单细胞蛋白质组分离的方案。单细胞蛋白质组学 （SCoPE2） 方案允许研究人员在单个实验中定量数百到数千种蛋白质，使用同位素载体来减少样品损失。该方案的关键是裂解细胞的快速热循环步骤，以及使用比典型量更大的酶和带有 TMT 标签的同量异位素标记进行有效的胰蛋白酶消化。
尽管在蛋白质组学方面拥有数十年的经验，但这个成熟的领域只是为了解决更具挑战性的问题而发展。处理大量样品或少量材料的能力，以及数据输出的更大一致性和信心，继续推动技术创新。与化学作、仪器和信息学方法相关的思想交流对于该领域的发展至关重要。一位研究人员的“问题”可能已经通过一个简单的“提示或技巧”来克服挑战。因此，这是一个积极的信号，表明有如此多的蛋白质组分析独特策略可用。对于那些仍然存在的挑战，很可能有人已经在研究可能的解决方案。