杨福全研究组与合作者在肽组学研究中取得新进展

　　在组学研究领域，肽组学占据着一个独特的位置，与蛋白质组学研究高度互补。特定的蛋白水解切割事件和外肽酶活性产生了梯度般、看似冗余的多肽数据。内源性多肽的固有特征（低丰度、物理化学异质性、检测挑战）叠加了鉴定中的变异性、个体间差异和复杂性。长久以来，肽组学面临着一个核心困境：如何从成千上万条看似杂乱的多肽片段中，精准捕捉到疾病相关的"指纹"特征。

　　除此之外，与蛋白质组学研究相比，肽组学研究远远滞后甚至被忽略。传统的蛋白质组学和肽组学发现疾病相关生物标志物的基本策略是发现和验证差异表达蛋白质和多肽，并遵循"先筛选后建模"这一经典模式，主要专注于单个或一组蛋白质或多肽；所构建的诊断模型往往是基于数据驱动的模式识别，而并未与潜在的生物学过程或机制明确地联系起来，难以充分利用多肽组数据中编码的特有信息。

　　2025年11月18日，中国科学院生物物理研究所蛋白质科学研究平台蛋白质组学技术实验室杨福全团队及其合作者在《Advanced Science》发表了题为"Single-Position Peptide Clustering for Peptidomics Reveals Novel Disease Biomarkers and Dysregulated Proteolytic Characteristics"的研究论文，提出了一种基于单一位点的多肽聚类的肽组学研究新策略。该策略的创新之处在于，基于蛋白质水解所产生的多肽的复杂性和位点的特异性，引入了"氨基酸评分"（aa-score）这一核心算法，不再孤立看待每一条多肽，而是对来自同一蛋白质、具有同一特征性氨基酸位点的所有冗余多肽进行综合量化打分。该策略将蛋白质水解产生的多肽的多样性有序地整合成单一位点肽簇，并将这些肽簇视为一个整体的功能单元进行全面评估。同时，该策略直接将底物、特定的蛋白酶活性及其在疾病病理生理学中的意义联系起来，提供了一个更具生物学解释力的分析框架，实现了疾病相关肽组学数据分析思路的根本转变。此外，团队还提出了"基于氨基酸位点的多肽簇类生物标志物"这一全新概念，成功地将大量的看似杂乱的多肽信息转化为清晰的"诊断密码"。在β-地中海贫血的临床应用研究中，团队不仅识别了新型的多肽簇类生物标志物，还为理解如AHSG蛋白水解失调等过程提供了机制上的深刻见解。这一研究为肽组学领域带来了新的视角，有望推动疾病诊断和治疗的进一步发展。

图：基于单一位点的多肽聚类的肽组学研究新策略

　　中国科学院生物物理研究所杨福全研究员、项目高级工程师李娜博士和河南大学基础医学院、河南省肿瘤分子诊断与精准治疗工程技术研究中心副主任郭向前教授为论文的共同通讯作者，李娜博士、杨福全组在读博士生朱亚新和已毕业的鄢钰梦硕士、以及蛋白质组学技术实验室高级工程师王继峰博士为共同第一作者，中国农业大学安鹏副教授以及广西医科大学第一附属医院罗建明教授等为论文共同作者。该项工作得到国家重点研发计划项目的资助。

　　文章链接：

　　https://advanced.onlinelibrary.wiley.com/doi/10.1002/advs.202510910

（供稿：杨福全研究组）