Los avances recientes en espectrometría de masas han dado como resultado un análisis proteómico profundo junto con la generación de conjuntos de datos robustos y reproducibles. Sin embargo, a pesar de los considerables avances técnicos, la preparación de muestras a partir de bioespecímenes como la sangre del paciente, el CSF y el tejido todavía plantea desafíos considerables. Para identificar biomarcadores, la proteómica tisular a menudo proporciona una fuente de muestra atractiva para traducir los hallazgos de la investigación del banco a la clínica. Puede revelar posibles biomarcadores candidatos para el diagnóstico precoz del cáncer y enfermedades neurodegenerativas como la enfermedad de Alzheimer, la enfermedad de Parkinson, etc. La proteómica tisular también produce una gran cantidad de información sistémica basada en la abundancia de proteínas y ayuda a abordar preguntas biológicas interesantes.
El análisis proteómico cuantitativo se puede agrupar en dos grandes categorías: un enfoque basado en etiquetas y un enfoque sin etiquetas. En el enfoque basado en etiquetas, las proteínas o péptidos se etiquetan utilizando isótopos estables como SILAC (etiquetado de isótopos estables con aminoácidos en cultivo celular) o mediante etiquetas químicas como ICAT (etiquetas de afinidad codificadas por isótopos), TMT (etiqueta de masa en tándem) o iTRAQ (etiqueta isobárica para cuantificación relativa y absoluta). Los enfoques basados en etiquetas tienen la ventaja de una cuantificación más precisa de las proteínas y, utilizando etiquetas isobáricas, se pueden analizar múltiples muestras en un solo experimento. El enfoque sin etiquetas proporciona una alternativa rentable a los enfoques basados en etiquetas. Cientos de muestras de pacientes pertenecientes a una cohorte en particular pueden ser analizadas y comparadas con otras cohortes en función de las características clínicas. Aquí, hemos descrito un flujo de trabajo de proteómica cuantitativa optimizada para muestras de tejido utilizando métodos de perfiles de proteoma sin etiquetas y basados en etiquetas, que es crucial para las aplicaciones en ciencias de la vida, especialmente los proyectos basados en el descubrimiento de biomarcadores.