两篇Nature公布里程碑成果：人类蛋白质组草图
——两个独立研究小组绘制了人体组织和细胞系质谱分析图谱，公布了近乎完整的人类蛋白质组草图
生物通报道：两个国际小组今日（5月29日）分别公布了人类蛋白质组第一张草图，这些在大部分非患病人体组织和器官中表达的精选蛋白，为更好的理解疾病状态下发生的机体变化，奠定了坚实的基础。这些研究成果以论文的形式公布在Nature杂志上。
这两个研究小组均揭示了人类基因组的更多复杂性，并从之前认为属于非编码区域的基因组中发现了新蛋白。
在第一篇文章中，来自约翰霍普金斯大学的蛋白质组研究员Akhilesh Pandey，与来自印度生物信息学研究所等处的研究人员合作，分析了30种不同的组织类型，编撰了由84％所有预期编码蛋白的人体基因翻译得到的蛋白。
这项研究识别出17,294个蛋白编码基因，并通过表达分析证明了组织和细胞特异性蛋白的存在，并且研究人员还通过从注解的假基因、非编码RNA和未翻译的区域识别翻译的蛋白，表明了“蛋白基因组”分析的重要性。
研究人员在线公布了这些人类蛋白质组图谱发现，相关数据将很快可以通过美国生物技术信息数据中心（the National Center for Biotechnology Information database）查询得到，Pandey说。
同时另外一篇文章中，来自德国研究人员慕尼黑工业大学的Bernhard Küster等人创新性的推出了一个搜索性公共数据库：ProteomicsDB，这一数据库公布了18,097个基因获得的蛋白，占目前预计人类蛋白总数（19,629）的92％。这种数据能用于识别数百个翻译的lincRNAs，对药物敏感的标记，以及用于发现mRNA和组织中的蛋白水平之间的定量关系等。
这两个研究组都利用了质谱方法分析人类组织，Pandey研究组分析的是全新的数据，针对了多种不同健康人体组织的数据，其中包括七种胎儿组织和六种血细胞类型。
而Küster研究组则采用了稍微有些不同的方法，他们汇集了已有质谱分析数据，以及同事的一些成功，这些大约占据ProteomicsDB数据的60％。为了填补这些数据间的空白区域，Küster实验室构建了自己的质谱数据，分析了60个人类组织体液，13个体液，以及147个的癌细胞系。Küster表示，他们只挑选了高分辨率的公共数据，这些数据具有严格的计算过程，高质量控制标准。
“这两项研究可以互补”，加拿大多伦多Lunenfeld-Tanenbaum研究院的 Anne-Claude Gingras（未参与该项研究）评价道，“前者霍普金斯大学的研究真正发现了之前蛋白质组学的缺陷所在，从单一来源进行了人体蛋白质的研究，有助于通过他们的数据进行简单比对”，而后者ProteomeDB的研究，则将新内容与原有蛋白质组数据联系在了一起，正如Küster所说，就是发展和完善原有数据库，进一步从蛋白研究中汇集更多资源。
此外Küster实验室通过比较每个蛋白与mRNA水平的比例，发现翻译比例对于每种mRNA转录来说是一个恒定特征。“这是一个令人惊讶的发现，具有重要意义”Gingras说。
Steen表示赞同，“如果这个观点正确的话，那么将会给原有的法则提出新的内容。之前研究人员发现转录组合蛋白质组数据好似一个硬币的两面，”他说，“但这一分析又进一步表明，至少在稳定状态下，一旦一对mRNA/蛋白比例被计算出来，那么蛋白水平就能从特定的mRNA水平中估算出来。”
这两项研究提出的证据表明之前被认为不能翻译的DNA区域其实能进行翻译，这其中包括Küster 研究组发现的400多个基因间非编码RNAs（lincRNAs），以及Pandey研究组发现的193个新蛋白。但是这些新发现的蛋白质的生物学意义还不清楚。
“目前的基因组注释主要基于计算运算法则，”约翰霍普金斯大学研究员，人类蛋白质组图谱作者之一Min-Sik Kim说，“这些预测可能并不完全准确，这就是为什么需要直接分析蛋白的原因。”
Pandey研究组目前正在分析进一步分析胎儿蛋白质组，以及将蛋白质翻译后修饰数据添加到数据库中。这一研究组还希望能深入探索人脑器官，这一部分是目前公布的蛋白质组图谱中不包含的部分。
“我们一般认为，信息的传递是从基因组到转录组，再到蛋白质组。这些最新研究却表明，这其实是一个双向的途径——蛋白质组也可以用于注释基因组。其重要性在于利用这些数据集，我们能进一步注释基因组，改进预测转录和翻译的运算法则”，Steen说，“基因组学领域将从蛋白质组学数据中获益良多。”（生物通：张迪）
原文摘要：
M. Wilhelm et al., “Mass-spectrometry-based draft of the human proteome,” Nature, doi:10.1038/nature13319, 2014.
M.S. Kim et al. “A draft map of the human proteome,” Nature, doi:10.1038/nature13302, 2014.