I recenti progressi nella spettrometria di massa hanno portato a un'analisi proteomica profonda insieme alla generazione di set di dati robusti e riproducibili. Tuttavia, nonostante i notevoli progressi tecnici, la preparazione del campione da parte di biocampimenti come il sangue del paziente, il CSF e il tessuto pone ancora sfide considerevoli. Per identificare i biomarcatori, la proteomica tissutale spesso fornisce un'interessante fonte di campioni per tradurre i risultati della ricerca dal banco alla clinica. Può rivelare potenziali biomarcatori candidati per la diagnosi precoce del cancro e delle malattie neurodegenerative come il morbo di Alzheimer, il morbo di Parkinson, ecc. La proteomica tissutale produce anche una ricchezza di informazioni sistemiche basate sull'abbondanza di proteine e aiuta ad affrontare interessanti questioni biologiche.
L'analisi proteomica quantitativa può essere raggruppata in due grandi categorie: un approccio basato su etichette e un approccio privo di etichette. Nell'approccio basato sull'etichetta, le proteine o i peptidi sono etichettati utilizzando isotopi stabili come SILAC (etichettatura isotopica stabile con amminoacidi in coltura cellulare) o da tag chimici come ICAT (tag di affinità codificati con isotopi), TMT (tag di massa tandem) o iTRAQ (tag isobarico per la quantificazione relativa e assoluta). Gli approcci basati su etichette hanno il vantaggio di una quantificazione più accurata delle proteine e utilizzando etichette isobariche, è possibile analizzare più campioni in un singolo esperimento. L'approccio senza etichette fornisce un'alternativa economica agli approcci basati sulle etichette. Centinaia di campioni di pazienti appartenenti a una particolare coorte possono essere analizzati e confrontati con altre coorti in base alle caratteristiche cliniche. Qui, abbiamo descritto un flusso di lavoro di proteomica quantitativa ottimizzato per campioni di tessuto utilizzando metodi di profilazione del proteoma privi di etichette e basati su etichette, che è fondamentale per le applicazioni nelle scienze della vita, in particolare i progetti basati sulla scoperta di biomarcatori.