DEEP SEQ方法检测新生儿毛干蛋白质组动态变化

doi:10.7503/cjcu20240326

高等学校化学学报 ›› 2024, Vol. 45 ›› Issue (11): 20240326.doi: 10.7503/cjcu20240326

DEEP SEQ方法检测新生儿毛干蛋白质组动态变化

胡宇虹¹, 俞相明¹, 宋丽丽², 邢清和¹, 周峰¹()

^1.复旦大学生物医学研究院, 上海 200032
^2.复旦大学附属妇产科医院新生儿科, 上海 200090

收稿日期:2024-07-01 出版日期:2024-11-10 发布日期:2024-08-15
通讯作者: 周峰 E-mail:zhou_feng@fudan.edu.cn
作者简介:第一联系人：共同第一作者.
基金资助:
国家自然科学基金(32171432);国家重点研发计划项目(2022YFC3400202)

Dynamic Proteome Profiling of Neonatal Hair Shaft Using DEEP SEQ Method

HU Yuhong¹, YU Xiangming¹, SONG Lili², XING Qinghe¹, ZHOU Feng¹()

^1.Institutes of Biomedical Sciences，Fudan University，Shanghai 200032，China
^2.Department of Neonatology，Obstetrics and Gynecology Hospital of Fudan University，Shanghai 200090，China

Received:2024-07-01 Online:2024-11-10 Published:2024-08-15
Contact: ZHOU Feng E-mail:zhou_feng@fudan.edu.cn
Supported by:
the National Natural Science Foundation of China(32171432);the National Key Research and Development Program of China(2022YFC3400202)

摘要/Abstract

摘要：

利用一种深度高效肽段鉴定蛋白质组学方法, 结合相对定量同位素标记, 对新生儿出生后24, 48, 72和96 h的自然掉落毛干样本中的蛋白质进行差异蛋白质组分析. 在新生儿出生后96 h内采集的4份毛干样本中, 共鉴定到1735个蛋白, 有大量蛋白表达量表现出动态变化, 涉及胚胎发育、能量代谢及神经系统相关通路. 结果表明, 毛干作为新颖的临床样本, 能够反映新生儿早期剧烈的生理和分子变化过程, 为新生儿的无创诊断和早期疾病筛查提供了新的思路.

关键词: 新生儿毛干, 新生儿筛查, 蛋白质组学, 质谱

Abstract:

This article utilizes the deep efficient peptide sequencing and quantification proteomics method in conjunction with isobaric tags for relative and absolute quantitation to perform differential proteomic analysis of proteins in naturally shed hair samples collected at 24， 48， 72 and 96 h after birth in newborns. Among the four hair samples collected within 96 h after birth， a total of 1735 proteins were identified， with a large number of proteins showing dynamic changes in expression， involving embryonic development， energy metabolism， and neural pathways. These findings indicate that hair samples， as a novel clinical specimen， can reflect the early and drastic physiological and molecular changes in newborns， providing new insights for non-invasive diagnosis and early disease screening in newborns.

Key words: Neonatal hair shaft, Newborn screening, Proteomics, Mass spectrometry

中图分类号:

O657

TrendMD:

胡宇虹, 俞相明, 宋丽丽, 邢清和, 周峰. DEEP SEQ方法检测新生儿毛干蛋白质组动态变化. 高等学校化学学报, 2024, 45(11): 20240326.

HU Yuhong, YU Xiangming, SONG Lili, XING Qinghe, ZHOU Feng. Dynamic Proteome Profiling of Neonatal Hair Shaft Using DEEP SEQ Method. Chem. J. Chinese Universities, 2024, 45(11): 20240326.

图/表 4

Fig.1 Proteins identified in 24 h PN, 48 h PN, 72 h PN, 96 h PN ranked according to their MS signals respectively(A), volcano map of differentially expressed proteins between 24 h PN and 48 h PN(B), 24 h PN and 72 h PN(C), 24 h PN and 96 h PN(D)

Fig.2 Hierarchical cluster analysis of proteins in infant hair shaft postnatal(A) and pie chart of proportion of proteins with different expression trend(B)

Fig.3 Gene ontology(GO) analysis(A) and KEGG pathway analysis(B) of proteins in infant hair shaft postnatal

Fig.4 Protein⁃protein interaction(PPI) analysis of oxidative phosphorylation and electron transfer activity(A) and carbon metabolism(B)

参考文献 18

1	Shi Y. Y.， Int. J. Pediatr.， 2020， 47（4）， 293
	石永言. 国际儿科学杂志， 2020， 47（4）， 293
2	Widness J. A.， NeoReviews， 2008， 9（11）， e520—e525
3	Carroll P. D.， Widness J. A.， Semin Perinatol， 2012， 36（4）， 232—243
4	Evans B. E.， Beijers R.， Hagquist C.， de Weerth C.， Psychoneuroendocrinology， 2019， 102， 53—57
5	Gao W.， Penz M.， Wekenborg M.， Walther A.， Kirschbaum C.， Psychoneuroendocrinology， 2019， 106， 129—137
6	Zhou F.， Lu Y.， Ficarro S. B.， Adelmant G.， Jiang W.， Luckey C. J.， Marto J. A.， Nat. Commun.， 2013， 4（1）， 2171
7	Qeli E.， Ahrens C. H.， Nat. Biotechnol.， 2010， 28（7）， 647—650
8	Yu B.， Zhang T.， Xia P.， Gong X.， Qiu X.， Huang J.， Int. J. Mol. Med.， 2018， 41（1）， 381—390
9	Houldsworth A.， Brain Commun.， 2024， 6（1）， fcad356
10	Manczak M.， Reddy P. H.， Hum. Mol. Genet.， 2012， 21（23）， 5131—5146
11	Jin S. C.， Lewis S. A.， Bakhtiari S.， Zeng X.， Sierant M. C.， Shetty S.， Nordlie S. M.， Elie A.， Corbett M. A.， Norton B. Y.， van Eyk C. L.， Haider S.， Guida B. S.， Magee H.， Liu J.， Pastore S.， Vincent J. B.， Brunstrom⁃Hernandez J.， Papavasileiou A.， Fahey M. C.， Berry J. G.， Harper K.， Zhou C.， Zhang J.， Zhao B.， Li H.， Heim J.， Webber D. L.， Frank M. S. B.， Xia L.， Xu Y.， Zhu D.， Zhang B.， Sheth A. H.， Knight J. R.， Castaldi C.， Tikhonova I. R.， López⁃Giráldez F.， Keren B.， Whalen S.， Buratti J.， Doummar D.， Cho M.， Retterer K.， Millan F.， Wang Y.， Waugh J. L.， Rodan L.， Cohen J. S.， Fatemi A.， Lin A. E.， Phillips J. P.， Feyma T.， MacLennan S. C.， Vaughan S.， Crompton K. E.， Reid S. M.， Reddihough D. S.， Shang Q.， Gao C.， Novak I.， Badawi N.， Wilson Y. A.， McIntyre S. J.， Mane S. M.， Wang X.， Amor D. J.， Zarnescu D. C.， Lu Q.， Xing Q.， Zhu C.， Bilguvar K.， Padilla⁃Lopez S.， Lifton R. P.， Gecz J.， MacLennan A. H.， Kruer M. C.， Nat. Genet.， 2020， 52（10）， 1046—1056
12	Ulivieri C.， Savino M. T.， Luccarini I.， Fanigliulo E.， Aldinucci A.， Bonechi E.， Benagiano M.， Ortensi B.， Pelicci G.， D’Elios M. M.， Ballerini C.， Baldari C. T.， J. Immunol.， 2016， 197（2）， 480—490
13	Lv Y.， Sun Y.， Wang G. Y.， Yin J.， Li C. J.， Luo Y. Y.， Luan Z. L.， Psychiatry Investig.， 2020， 17（9）， 934—940
14	Greenbaum L.， Lerer B.， Mol. Psychiatry， 2009， 14（10）， 912—945
15	Vaishnavi S. N.， Vlassenko A. G.， Rundle M. M.， Snyder A. Z.， Mintun M. A.， Raichle M. E.， Proc. Nat. Acad. Sci.， 2010， 107（41）， 17757—17762
16	Bas⁃Orth C.， Tan Y. W.， Lau D.， Bading H.， J. Biological Chem.， 2017， 292（13）， 5183—5194
17	Myers M. G.， Olson D. P.， Nature， 2012， 491（7424）， 357—363
18	Libro R.， Bramanti P.， Mazzon E.， Life Sci.， 2016， 158， 78—88

[1]	侯泽金, 李荣其, 李健, 冯怡宁, 靳茜茜, 孙俊红, 曹洁. 基于GC-MS和机器学习的深静脉血栓形成预测[J]. 高等学校化学学报, 2024, 45(9): 20240199.
[2]	石倩, 刘冬梅, 方小泥, 刘宝红. 基于基质辅助激光解析质谱的高通量酪氨酸酶活性及抑制剂分析[J]. 高等学校化学学报, 2024, 45(11): 20240330.
[3]	蒋龑, 陈妍琳, 宋高瑜, 陈炎炎, 白晶, 朱莹娣, 李娟. 细菌的蛋白质组成分析[J]. 高等学校化学学报, 2024, 45(11): 20240345.
[4]	闫勇杰, 高文博, 鲁晨辉, 杨成, 徐姝婷. 基于微萃取-纳喷雾质谱技术的纳升脑脊液中咖啡多酚的检测[J]. 高等学校化学学报, 2024, 45(11): 20240327.
[5]	张磊, 申华莉. 标志物研究中常用蛋白组学质谱方法的定量准确性评估[J]. 高等学校化学学报, 2024, 45(11): 20240311.
[6]	曹婷, 舒伟康, 万晶晶. 等离子体复合材料辅助小分子代谢物的质谱半定量分析及鉴定[J]. 高等学校化学学报, 2024, 45(11): 20240325.
[7]	张怡涵, 滑天宇, 侯士姣, 张洋洋, 殷丹, 姬向波, 张岩皓, 裴聪聪, 张书胜. 尖端Fe₂O₃纳米棒驱动的高性能质谱分析用于构建PM_2.5暴露鼠的代谢指纹图谱[J]. 高等学校化学学报, 2024, 45(11): 20240376.
[8]	靳莹, 张俊杰, 张毅欣, 袁悦, 韩珍珍. 外泌体分离和蛋白质组学分析的研究进展[J]. 高等学校化学学报, 2024, 45(11): 20240305.
[9]	范智瑞, 方群, 杨奕. 基于质谱的单细胞蛋白质组学分析[J]. 高等学校化学学报, 2024, 45(11): 20240294.
[10]	许霞, 秦伟达, 李若萌, 王倩倩, 刘宁, 李功玉. 深度覆盖蛋白质组学质谱分析：细胞蛋白提取方法的评估[J]. 高等学校化学学报, 2024, 45(11): 20240344.
[11]	续红妹, 王梁臣, 闵乾昊. 面向小分子检测的MALDI MS基质研究进展[J]. 高等学校化学学报, 2024, 45(11): 20240285.
[12]	黄玉滢, 于成鲲, 刘斯奇, 任艳. 利用无标记单细胞蛋白质组学方法构建小鼠外周血单个核细胞的细胞图谱[J]. 高等学校化学学报, 2024, 45(11): 20240355.
[13]	刘思盈, 粟雯, 周仲燕, 杨治渝, 裴华夫, 何芷茹, 王娜, 岳磊. 温度控制的泛素/三磷酸腺苷相互作用的电喷雾质谱研究[J]. 高等学校化学学报, 2024, 45(11): 20240382.
[14]	沈枫林, 冯兆莹, 方静, 张磊, 刘晓慧, 周新文. 基于质谱的单细胞分辨的空间蛋白质组学新技术研究[J]. 高等学校化学学报, 2024, 45(11): 20240299.
[15]	霍志远, 周金萍, 马秀敏, 周严, 黄琳. 基于质谱的单细胞多组学分析技术研究进展[J]. 高等学校化学学报, 2024, 45(11): 20240389.

DEEP SEQ方法检测新生儿毛干蛋白质组动态变化

Dynamic Proteome Profiling of Neonatal Hair Shaft Using DEEP SEQ Method

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 4

参考文献 18

相关文章 15

编辑推荐

Metrics

本文评价