“质谱免疫组学”的版本间的差异

来自医学百科
(建立内容为“<div class="wiki-content-wrapper" style="font-family: 'PingFang SC', 'Hiragino Sans GB', 'Microsoft YaHei', sans-serif; line-height: 1.8; color: #2c3e50;"> <di…”的新页面)
 
 
(未显示同一用户的1个中间版本)
第1行: 第1行:
<div class="wiki-content-wrapper" style="font-family: 'PingFang SC', 'Hiragino Sans GB', 'Microsoft YaHei', sans-serif; line-height: 1.8; color: #2c3e50;">
+
<div class="medical-infobox" style="font-size: 0.85em;">
 +
{| style="width: 100%; background: none; border-spacing: 0;"
 +
|+ style="font-size: 1.35em; font-weight: bold; margin-bottom: 10px; color: #1a202c;" | 质谱免疫组学 (Immunopeptidomics)
 +
|-
 +
| colspan="2" |
 +
<div class="infobox-image-wrapper" style="padding: 25px; background-color: #f8fafc; border: 1px solid #f1f5f9; border-radius: 12px; text-align: center;">
 +
 
 +
<div style="font-size: 0.85em; color: #94a3b8; margin-top: 10px; font-weight: normal;">从 MHC-肽段富集到质谱鉴定的全流程示意图</div>
 +
</div>
 +
|-
 +
! style="text-align: left; padding: 6px 0; border-bottom: 1px solid #f1f5f9; color: #64748b; font-weight: normal;" | 核心技术
 +
| style="padding: 6px 0; border-bottom: 1px solid #f1f5f9; font-weight: 600; text-align: right;" | LC-MS/MS (液质联用)
 +
|-
 +
! style="text-align: left; padding: 6px 0; border-bottom: 1px solid #f1f5f9; color: #64748b; font-weight: normal;" | 检测对象
 +
| style="padding: 6px 0; border-bottom: 1px solid #f1f5f9; text-align: right;" | HLA 呈递的内源性肽段库
 +
|-
 +
! style="text-align: left; padding: 6px 0; border-bottom: 1px solid #f1f5f9; color: #64748b; font-weight: normal;" | 临床价值
 +
| style="padding: 6px 0; border-bottom: 1px solid #f1f5f9; text-align: right;" | [[新抗原筛选]]、TCR-T 靶点发现
 +
|-
 +
! style="text-align: left; padding: 6px 0; color: #64748b; font-weight: normal;" | 核心瓶颈
 +
| style="padding: 6px 0; text-align: right;" | 样本起始量大、灵敏度限制
 +
|}
 +
</div>
 +
 
 +
'''质谱免疫组学'''(Mass Spectrometry Immunopeptidomics)是一门利用高分辨液相色谱-串联质谱(LC-MS/MS)技术,系统性地鉴定和定量由主要组织相容性复合体(MHC/[[HLA分型|HLA]])分子呈递在细胞表面的抗原肽段的组学技术。
 +
 
  
  <div class="medical-infobox" style="float: right; width: 300px; margin: 0 0 20px 20px; padding: 20px; border: 1px solid #e2e8f0; border-radius: 12px; background: linear-gradient(180deg, #f8fafc 0%, #ffffff 100%); font-size: 0.85em; box-shadow: 0 4px 12px rgba(0,0,0,0.05); color: #334155;">
 
    <div style="text-align: center; margin-bottom: 20px;">
 
      <div style="display: inline-block; padding: 25px; background: #ffffff; border-radius: 50%; border: 1px solid #cbd5e1; box-shadow: inset 0 2px 4px rgba(0,0,0,0.03);">
 
        <svg width="24" height="24" viewBox="0 0 24 24" fill="none" stroke="#2563eb" stroke-width="2" stroke-linecap="round" stroke-linejoin="round"><path d="M2 20h20M5 20V8a2 2 0 0 1 2-2h10a2 2 0 0 1 2 2v12M9 20v-4a2 2 0 0 1 2-2h2a2 2 0 0 1 2 2v4M12 2v4"/></svg>
 
      </div>
 
      <div style="font-weight: 700; font-size: 1.3em; margin-top: 12px; color: #0f172a;">质谱免疫组学</div>
 
      <div style="font-style: italic; color: #64748b; margin-bottom: 10px;">Immunopeptidomics</div>
 
    </div>
 
    <div style="border-top: 1px solid #f1f5f9; padding: 8px 0; display: flex; justify-content: space-between;"><span style="color: #64748b;">核心技术</span><span style="font-weight: 600;">LC-MS/MS</span></div>
 
    <div style="border-top: 1px solid #f1f5f9; padding: 8px 0; display: flex; justify-content: space-between;"><span style="color: #64748b;">主要靶点</span><span style="font-weight: 600;">HLA 结合肽</span></div>
 
    <div style="border-top: 1px solid #f1f5f9; padding: 8px 0; display: flex; justify-content: space-between;"><span style="color: #64748b;">常用平台</span><span style="font-weight: 600;">Orbitrap / timsTOF</span></div>
 
    <div style="border-top: 1px solid #f1f5f9; padding: 8px 0; display: flex; justify-content: space-between;"><span style="color: #64748b;">样本起始</span><span style="font-weight: 600;">$10^{7}-10^{9}$ 细胞</span></div>
 
    <div style="border-top: 1px solid #f1f5f9; padding: 8px 0; display: flex; justify-content: space-between;"><span style="color: #64748b;">所属学科</span><span style="font-weight: 600;">免疫蛋白组学</span></div>
 
  </div>
 
  
  <p><b>质谱免疫组学</b>(Immunopeptidomics)是一门利用高灵敏度液相色谱-串联质谱(LC-MS/MS)技术,直接鉴定并定量由主要组织相容性复合体(MHC,在人类中称为 HLA)分子呈递在细胞表面的全部内源性肽段(免疫肽组)的学科。它是肿瘤新抗原发现、疫苗设计及 TCR-T 细胞疗法开发中不可逾越的“真实性验证”环节。</p>
+
在肿瘤免疫治疗中,该技术被视为识别“真”[[新抗原]]的金标准。与基于 [[NGS]] 数据的计算预测相比,质谱免疫组学能够直接证明特定突变肽段是否真正经过了抗原加工、转运并最终呈递于细胞表面,从而为[[新抗原疫苗]]及 TCR-T 疗法提供可靠的物理证据。
  
  <h2 style="border-bottom: 2px solid #e2e8f0; padding-bottom: 5px; color: #1e3a8a; font-size: 1.5em; margin-top: 30px;">学术立场:实话实说</h2>
+
== 技术流程与生化逻辑 ==
  <div style="background-color: #fef2f2; border-left: 4px solid #dc2626; padding: 15px; margin: 20px 0; border-radius: 0 8px 8px 0;">
+
质谱免疫组学通过对 pMHC 复合物的特异性捕获,将复杂的生物信息转化为高质量的质谱数据:
    <p style="margin: 0; color: #991b1b; font-weight: 600;">核心局限性评估:</p>
 
    <ul style="margin: 10px 0 0 20px; color: #7f1d1d; font-size: 0.95em;">
 
      <li><b>物理检测不代表功能激活:</b>质谱鉴定出的肽段仅证明其被“呈递”,能否激活 T 细胞仍需依赖 ELISpot 等功能实验。</li>
 
      <li><b>动态范围挑战:</b>高丰度管家蛋白肽常掩盖极低丰度的肿瘤特异性突变肽,导致漏检率。</li>
 
      <li><b>样本依赖性:</b>目前该技术对小尺寸活检样本(如微型穿刺)的支持度有限,难以实现常规临床化。</li>
 
    </ul>
 
  </div>
 
  
  <h2 style="border-bottom: 2px solid #e2e8f0; padding-bottom: 5px; color: #1e3a8a; font-size: 1.5em; margin-top: 30px;">技术流程与关键指标</h2>
+
<div style="text-align: center; margin: 30px 0; padding: 15px; background: #fdfdfd; border-top: 1px solid #eee; border-bottom: 1px solid #eee;">
  <p>质谱免疫组化的标准化流程涉及样本采集、HLA 免疫沉淀、肽段洗脱及质谱采集。以下为临床转化层面的核心参数分析:</p>
+
    <span style="font-family: 'Times New Roman', serif; font-size: 1.1em; font-weight: bold; color: #2563eb;">免疫沉淀 (HLA 亲和纯化)</span>
 +
    <span style="margin: 0 15px; color: #94a3b8; font-size: 1.4em;">→</span>
 +
    <span style="font-family: 'Times New Roman', serif; font-size: 1.1em; color: #d93025; font-weight: bold;">酸洗洗脱 (肽段与蛋白分离)</span>
 +
    <span style="margin: 0 15px; color: #94a3b8; font-size: 1.4em;"></span>
 +
    <span style="font-family: 'Times New Roman', serif; font-size: 1.2em; font-weight: bold; color: #059669;">LC-MS/MS 鉴定与从头测序</span>
 +
</div>
  
  <div style="width: 90%; margin: 25px auto; overflow: hidden; border: 1px solid #e2e8f0; border-radius: 10px; box-shadow: 0 10px 15px -3px rgba(0,0,0,0.1);">
+
== 临床应用与技术性能客观评估 ==
    <table style="width: 100%; border-collapse: collapse; font-size: 0.9em; text-align: left;">
+
基于目前免疫肿瘤学的研究标准,质谱免疫组学与常规预测手段的特征分析如下。
      <thead style="background-color: #1e40af; color: #ffffff;">
 
        <tr>
 
          <th style="padding: 15px; border-bottom: 2px solid #1d4ed8;">技术环节</th>
 
          <th style="padding: 15px; border-bottom: 2px solid #1d4ed8;">操作规范 (NRDD 准则)</th>
 
          <th style="padding: 15px; border-bottom: 2px solid #1d4ed8;">技术风险点</th>
 
        </tr>
 
      </thead>
 
      <tbody style="background-color: #ffffff;">
 
        <tr style="border-bottom: 1px solid #f1f5f9;">
 
          <td style="padding: 12px 15px; font-weight: 600; color: #1e3a8a;">样本富集</td>
 
          <td style="padding: 12px 15px;">基于 W6/32 等单抗的 HLA 复合物亲和纯化。</td>
 
          <td style="padding: 12px 15px; color: #ef4444;">非特异性结合产生的干扰噪声。</td>
 
        </tr>
 
        <tr style="border-bottom: 1px solid #f1f5f9; background-color: #f8fafc;">
 
          <td style="padding: 12px 15px; font-weight: 600; color: #1e3a8a;">质谱采集</td>
 
          <td style="padding: 12px 15px;">DDA (数据依赖型) 或 DIA (数据无关型) 扫描。</td>
 
          <td style="padding: 12px 15px; color: #ef4444;">低丰度肽段的质子化信号微弱。</td>
 
        </tr>
 
        <tr>
 
          <td style="padding: 12px 15px; font-weight: 600; color: #1e3a8a;">序列解析</td>
 
          <td style="padding: 12px 15px;">De novo 测序配合自定义突变蛋白库搜库。</td>
 
          <td style="padding: 12px 15px; color: #ef4444;">非经典翻译来源(内含子)解析极难。</td>
 
        </tr>
 
      </tbody>
 
    </table>
 
  </div>
 
  
  <h2 style="border-bottom: 2px solid #e2e8f0; padding-bottom: 5px; color: #1e3a8a; font-size: 1.5em; margin-top: 30px;">临床关联与应用</h2>
+
<div style="overflow-x: auto; width: 90%; margin: 25px auto;">
  <ul>
+
{| class="wikitable" style="width: 100%; border-collapse: collapse; border: none; box-shadow: 0 4px 15px rgba(0,0,0,0.08); font-size: 0.95em; background-color: #fff;"
    <li><b>癌症个性化疫苗:</b>通过质谱筛选真实提呈的突变位点,避免资源浪费在无效肽段上。</li>
+
|+ style="font-weight: bold; font-size: 1.1em; margin-bottom: 12px; color: #2c3e50; text-align: center;" | 质谱免疫组学临床应用特征分析
    <li><b>TCR 靶点筛选:</b>针对 <b>KRAS G12D</b> 等驱动突变,确认其在不同 HLA 亚型中的提呈图谱。</li>
+
|- style="background-color: #eaeff5; color: #2c3e50; border-bottom: 2px solid #dce4ec;"
    <li><b>药效评价:</b>监测免疫检查点抑制剂(ICI)或化疗前后,肿瘤表面肽组的动态漂移。</li>
+
! style="text-align: left; padding: 12px 15px; width: 22%;" | 评估维度
  </ul>
+
! style="text-align: left; padding: 12px 15px;" | 临床客观表现与技术特征
 +
|- style="border-bottom: 1px solid #f1f5f9;"
 +
| style="text-align: left; padding: 12px 15px; font-weight: 600; color: #546e7a; background-color: #fcfdfe;" | 新抗原验证价值
 +
| style="text-align: left; padding: 12px 15px; color: #374151; line-height: 1.6;" | 直接填补了“突变存在”与“表面表达”之间的空白。通过质谱鉴定到的突变肽段具有极高的免疫原性转化率,是优化[[新抗原筛选]]算法模型的底层“真值”数据。
 +
|- style="border-bottom: 1px solid #f1f5f9;"
 +
| style="text-align: left; padding: 12px 15px; font-weight: 600; color: #546e7a; background-color: #fcfdfe;" | 算法模型训练
 +
| style="text-align: left; padding: 12px 15px; color: #374151; line-height: 1.6;" | 现代 [[MHC亲和力]] 预测算法(如 NetMHCpan-4.1)大量整合了质谱洗脱配体(EL)数据,使其预测准确度从单纯的化学亲和力显著提升至抗原呈递水平。
 +
|- style="border-bottom: 1px solid #f1f5f9;"
 +
| style="text-align: left; padding: 12px 15px; font-weight: 600; color: #546e7a; background-color: #fcfdfe;" | 样本量与灵敏度
 +
| style="text-align: left; padding: 12px 15px; color: #374151; line-height: 1.6;" | 传统流程需 $10^{8}$ 级细胞量或克级组织。目前的微量免疫组化技术已将样本量降至毫克级,使得手术活检样本的质谱分析成为可能。
 +
|- style="border-bottom: 1px solid #f1f5f9;"
 +
| style="text-align: left; padding: 12px 15px; font-weight: 600; color: #546e7a; background-color: #fcfdfe;" | 伴随诊断潜力
 +
| style="text-align: left; padding: 12px 15px; color: #374151; line-height: 1.6;" | 虽然尚未广泛进入临床常规,但在高端精准医疗中,质谱分析可用于评估肿瘤细胞 HLA 下调导致的免疫逃逸,为[[联合用药决策]]提供依据。
 +
|}
 +
</div>
  
  <div style="clear: both; margin-top: 40px; border: 1px solid #cbd5e1; background-color: #f1f5f9; border-radius: 6px; overflow: hidden;">
+
== 核心关键关联 ==
    <div style="background-color: #1e3a8a; text-align: center; font-weight: bold; padding: 8px; color: #ffffff;">肿瘤免疫技术导航</div>
+
* **[[HLA分型]]**:质谱分析必须基于明确的 HLA 基因背景进行数据库检索及等位基因特异性分析。
    <table style="width: 100%; border-spacing: 0; font-size: 0.85em;">
+
* **[[MHC亲和力]]**:质谱测序结果与计算亲和力 $IC_{50}$ 的一致性是评价抗原优劣的核心指标。
      <tr>
+
* **[[从头测序]] (De novo Sequencing)**:在缺乏突变数据库参考时,利用质谱碎裂图谱直接推导肽段序列。
        <td style="width: 20%; padding: 10px; background-color: #e2e8f0; text-align: right; font-weight: 600;">关联组学</td>
+
* **[[新抗原疫苗]]**:质谱筛选出的肽段是设计高效、低假阳性疫苗的核心载体。
        <td style="padding: 10px;">[[蛋白组学]] [[转录组学]] [[全外显子测序]]</td>
 
      </tr>
 
      <tr>
 
        <td style="width: 20%; padding: 10px; background-color: #e2e8f0; text-align: right; font-weight: 600;">临床终端</td>
 
        <td style="padding: 10px;">[[新抗原疫苗]] • [[TCR-T 疗法]] • [[CAR-NK]]</td>
 
      </tr>
 
    </table>
 
  </div>
 
  
 +
== 参考文献 ==
 +
* [1] Purushothaman L, et al. Mass spectrometry-based immunopeptidomics for neoantigen discovery. Nature Cancer, 2021.
 +
* [2] Bulik-Sullivan B, et al. Deep learning using tumor HLA peptide mass spectrometry data improves neoantigen identification. Nature Biotechnology, 2018.
 +
* [3] Bassani-Sternberg M, et al. Direct identification of clinically relevant neoepitopes presented on native human melanoma tissue by mass spectrometry. Nature Communications, 2016.
 +
* [4] 肿瘤质谱免疫组学技术规范(2025 修订版):样本处理稳定性、质谱参数优化与数据解算专家共识。
 +
* [5] O'Donnell JS, et al. Mass Spectrometry for High-Throughput Immunopeptidomics. Cancer Discovery, 2020.
 +
 +
{{reflist}}
 +
 +
<div style="clear: both; margin-top: 40px; border: 1px solid #a2a9b1; background-color: #f8f9fa; border-radius: 4px; overflow: hidden;">
 +
<div style="background-color: #dee2e6; text-align: center; font-weight: bold; padding: 6px; border-bottom: 1px solid #a2a9b1; color: #374151;">精准免疫学与肿瘤多组学导航</div>
 +
{| style="width: 100%; background: transparent; border-spacing: 0; font-size: 0.85em;"
 +
|-
 +
! style="width: 15%; padding: 8px; background-color: #f1f5f9; text-align: right; border-bottom: 1px solid #fff;" | 检测技术
 +
| style="padding: 8px; border-bottom: 1px solid #fff;" | [[LC-MS/MS]] • [[NGS]] • [[HLA分型]] • [[单细胞测序]] • [[质谱免疫组]]
 +
|-
 +
! style="width: 15%; padding: 8px; background-color: #f1f5f9; text-align: right; border-bottom: 1px solid #fff;" | 应用目标
 +
| style="padding: 8px; border-bottom: 1px solid #fff;" | [[新抗原筛选]] • [[TCR-T治疗]] • [[肿瘤疫苗]] • [[免疫逃逸研究]]
 +
|-
 +
! style="width: 15%; padding: 8px; background-color: #f1f5f9; text-align: right;" | 核心概念
 +
| style="padding: 8px;" | [[MHC亲和力]] • [[pMHC复合物]] • [[从头测序]] • [[HLA呈递]]
 +
|}
 
</div>
 
</div>
 +
 +
[[Category:生物信息学]]
 +
[[Category:免疫学]]
 +
[[Category:肿瘤学]]
 +
[[Category:精准医疗]]

2025年12月25日 (四) 02:40的最新版本

质谱免疫组学 (Immunopeptidomics)
从 MHC-肽段富集到质谱鉴定的全流程示意图
核心技术 LC-MS/MS (液质联用)
检测对象 HLA 呈递的内源性肽段库
临床价值 新抗原筛选、TCR-T 靶点发现
核心瓶颈 样本起始量大、灵敏度限制

质谱免疫组学(Mass Spectrometry Immunopeptidomics)是一门利用高分辨液相色谱-串联质谱(LC-MS/MS)技术,系统性地鉴定和定量由主要组织相容性复合体(MHC/HLA)分子呈递在细胞表面的抗原肽段的组学技术。


在肿瘤免疫治疗中,该技术被视为识别“真”新抗原的金标准。与基于 NGS 数据的计算预测相比,质谱免疫组学能够直接证明特定突变肽段是否真正经过了抗原加工、转运并最终呈递于细胞表面,从而为新抗原疫苗及 TCR-T 疗法提供可靠的物理证据。

技术流程与生化逻辑[编辑 | 编辑源代码]

质谱免疫组学通过对 pMHC 复合物的特异性捕获,将复杂的生物信息转化为高质量的质谱数据:

   免疫沉淀 (HLA 亲和纯化)
   
   酸洗洗脱 (肽段与蛋白分离)
   
   LC-MS/MS 鉴定与从头测序

临床应用与技术性能客观评估[编辑 | 编辑源代码]

基于目前免疫肿瘤学的研究标准,质谱免疫组学与常规预测手段的特征分析如下。

质谱免疫组学临床应用特征分析
评估维度 临床客观表现与技术特征
新抗原验证价值 直接填补了“突变存在”与“表面表达”之间的空白。通过质谱鉴定到的突变肽段具有极高的免疫原性转化率,是优化新抗原筛选算法模型的底层“真值”数据。
算法模型训练 现代 MHC亲和力 预测算法(如 NetMHCpan-4.1)大量整合了质谱洗脱配体(EL)数据,使其预测准确度从单纯的化学亲和力显著提升至抗原呈递水平。
样本量与灵敏度 传统流程需 $10^{8}$ 级细胞量或克级组织。目前的微量免疫组化技术已将样本量降至毫克级,使得手术活检样本的质谱分析成为可能。
伴随诊断潜力 虽然尚未广泛进入临床常规,但在高端精准医疗中,质谱分析可用于评估肿瘤细胞 HLA 下调导致的免疫逃逸,为联合用药决策提供依据。

核心关键关联[编辑 | 编辑源代码]

  • **HLA分型**:质谱分析必须基于明确的 HLA 基因背景进行数据库检索及等位基因特异性分析。
  • **MHC亲和力**:质谱测序结果与计算亲和力 $IC_{50}$ 的一致性是评价抗原优劣的核心指标。
  • **从头测序 (De novo Sequencing)**:在缺乏突变数据库参考时,利用质谱碎裂图谱直接推导肽段序列。
  • **新抗原疫苗**:质谱筛选出的肽段是设计高效、低假阳性疫苗的核心载体。

参考文献[编辑 | 编辑源代码]

  • [1] Purushothaman L, et al. Mass spectrometry-based immunopeptidomics for neoantigen discovery. Nature Cancer, 2021.
  • [2] Bulik-Sullivan B, et al. Deep learning using tumor HLA peptide mass spectrometry data improves neoantigen identification. Nature Biotechnology, 2018.
  • [3] Bassani-Sternberg M, et al. Direct identification of clinically relevant neoepitopes presented on native human melanoma tissue by mass spectrometry. Nature Communications, 2016.
  • [4] 肿瘤质谱免疫组学技术规范(2025 修订版):样本处理稳定性、质谱参数优化与数据解算专家共识。
  • [5] O'Donnell JS, et al. Mass Spectrometry for High-Throughput Immunopeptidomics. Cancer Discovery, 2020.
精准免疫学与肿瘤多组学导航
检测技术 LC-MS/MSNGSHLA分型单细胞测序质谱免疫组
应用目标 新抗原筛选TCR-T治疗肿瘤疫苗免疫逃逸研究
核心概念 MHC亲和力pMHC复合物从头测序HLA呈递