MaltSci 麦伴科研

Appearance

热门主题报告 / proteomics

本报告由 MaltSci•麦伴科研 基于最新文献和研究成果撰写

单细胞蛋白组学的应用有哪些？ ​

摘要 ​

单细胞蛋白组学（Single-Cell Proteomics, SCP）作为一种新兴技术，正在迅速改变我们对生物学的理解。传统蛋白质组学方法难以捕捉细胞间的异质性，而SCP通过对每个细胞的独立分析，能够提供更为精准和详细的生物信息，揭示细胞在功能、状态及其相互作用中的细微差别。SCP的研究意义深远，能够帮助我们理解细胞的异质性，特别是在疾病发生和发展过程中，如癌症、免疫疾病和神经退行性疾病等。通过分析单个细胞的蛋白质组，研究者能够识别细胞类型、状态及其功能的变化，为疾病的早期诊断、预后评估及个性化治疗提供重要依据。此外，SCP在发现新生物标志物和药物靶点方面也具有潜力，推动精准医学的发展。综述中探讨了SCP的技术进展，包括高通量质谱、微流控技术及数据分析方法，重点讨论了其在癌症研究、免疫学及其他领域的具体应用。最后，分析了当前面临的挑战与未来发展方向，包括技术挑战、数据解析与标准化问题，以及临床转化潜力。通过这一综述，期望为相关研究提供参考，并促进单细胞蛋白组学在生物医学研究中的应用和发展。

大纲 ​

本报告将涉及如下问题的讨论。

  • 1 引言
  • 2 单细胞蛋白组学的技术进展
    • 2.1 高通量质谱技术
    • 2.2 微流控技术
    • 2.3 数据分析方法
  • 3 单细胞蛋白组学在癌症研究中的应用
    • 3.1 肿瘤微环境分析
    • 3.2 癌症异质性研究
    • 3.3 预后和治疗反应评估
  • 4 单细胞蛋白组学在免疫学中的应用
    • 4.1 免疫细胞功能分析
    • 4.2 自身免疫疾病研究
    • 4.3 个性化免疫治疗
  • 5 单细胞蛋白组学在其他领域的应用
    • 5.1 神经科学研究
    • 5.2 干细胞研究
    • 5.3 新生物标志物和药物靶点发现
  • 6 面临的挑战与未来发展方向
    • 6.1 技术挑战
    • 6.2 数据解析与标准化
    • 6.3 临床转化潜力
  • 7 总结

1 引言 ​

单细胞蛋白组学（Single-Cell Proteomics, SCP）作为一种新兴的技术，正在迅速改变我们对生物学的理解。传统的蛋白质组学方法通常依赖于群体细胞的平均数据，这使得研究者难以捕捉到细胞间的异质性，限制了对复杂生物系统的深入分析。而单细胞蛋白组学则通过对每个细胞进行独立分析，能够提供更为精准和详细的生物信息，揭示细胞在功能、状态及其相互作用中的细微差别[1][2]。这一技术的快速发展得益于高通量质谱、微流控技术以及数据分析算法的进步，使得在单细胞层面上分析蛋白质的表达、修饰和功能成为可能。

单细胞蛋白组学的研究意义深远。首先，它能够帮助我们更好地理解生物体内细胞的异质性，特别是在疾病发生和发展过程中，例如癌症、免疫疾病和神经退行性疾病等[3][4]。通过分析单个细胞的蛋白质组，可以识别出细胞类型、状态及其功能的变化，从而为疾病的早期诊断、预后评估及个性化治疗提供重要依据[5][6]。此外，单细胞蛋白组学还具有发现新生物标志物和药物靶点的潜力，推动了精准医学的发展[3]。

目前，单细胞蛋白组学的研究现状显示出其在多个领域的广泛应用，包括癌症研究、免疫学、神经科学和干细胞研究等。在癌症研究中，单细胞蛋白组学能够揭示肿瘤微环境中不同细胞类型的相互作用，帮助理解肿瘤的发生和发展机制[1][7]。在免疫学领域，该技术可以分析不同免疫细胞的状态和功能，推动个性化免疫治疗的发展[2]。此外，单细胞蛋白组学在神经科学和干细胞研究中的应用也日益受到关注，帮助研究者深入了解细胞的发育和功能[8][9]。

本综述将围绕单细胞蛋白组学的技术进展、应用领域及其未来发展方向进行深入探讨。首先，我们将介绍单细胞蛋白组学的技术进展，包括高通量质谱技术、微流控技术及数据分析方法（第二部分）。接着，我们将重点讨论单细胞蛋白组学在癌症研究（第三部分）、免疫学（第四部分）及其他领域（第五部分）的具体应用。最后，我们将分析当前面临的挑战与未来发展方向，包括技术挑战、数据解析与标准化问题，以及临床转化潜力（第六部分）。通过这一综述，我们希望为相关研究提供参考，并促进单细胞蛋白组学在生物医学研究中的应用和发展。

2 单细胞蛋白组学的技术进展 ​

2.1 高通量质谱技术 ​

单细胞蛋白组学（Single-Cell Proteomics, SCP）近年来在生物医学研究中取得了显著进展，尤其是在肿瘤研究、标志物发现和发育生物学等领域。其应用主要体现在以下几个方面：

  1. 癌症研究：单细胞蛋白组学能够深入解析肿瘤微环境中的细胞异质性。通过分析单个肿瘤细胞的蛋白质表达，可以识别肿瘤细胞与正常细胞之间的关键差异。例如，Karagach等（2025年）开发了一种自动化高通量管道，能够在单次实验中分析1,536个单细胞，并成功识别出每个细胞超过3,000种蛋白质，这对于理解肿瘤巨噬细胞在肺转移模型中的作用至关重要[10]。

  2. 生物标志物的发现：单细胞蛋白组学可以帮助识别与疾病相关的生物标志物，特别是在复杂的疾病背景下，如癌症、糖尿病和阿尔茨海默病等。通过高通量的单细胞分析，研究人员能够更准确地捕捉到特定细胞类型的蛋白质特征，从而推动个性化医疗的发展[3]。

  3. 细胞发育轨迹和功能研究：单细胞蛋白组学还可以用于研究细胞的发育轨迹和功能状态。通过对单个细胞的蛋白质组进行分析，研究人员可以揭示细胞在不同发育阶段的特征变化，从而更好地理解生物体内的细胞分化过程[4]。

  4. 空间蛋白组学：结合空间组学技术，单细胞蛋白组学能够提供细胞在组织中的空间分布信息，这对于理解细胞间相互作用和组织功能至关重要。Mund等（2022年）指出，空间蛋白组学结合高灵敏度质谱技术，可以在组织中获得单细胞分辨率的蛋白质定量数据，进而揭示细胞在组织中的功能角色[11]。

  5. 药物作用机制研究：单细胞蛋白组学还可用于研究药物对细胞的影响。例如，Orsburn等（2022年）利用单细胞质谱技术分析了对KRASG12C突变细胞的药物作用，发现细胞间在药物反应上的差异，这为新药的开发提供了重要的生物学依据[12]。

总之，单细胞蛋白组学作为一种强大的工具，不仅可以深入理解细胞的功能和异质性，还能推动疾病机制的研究和新疗法的开发。随着技术的不断进步，单细胞蛋白组学在生物医学研究中的应用前景将更加广阔。

2.2 微流控技术 ​

单细胞蛋白组学（Single-cell proteomics, SCP）作为一种新兴的技术，近年来在生物医学研究中展现出巨大的应用潜力。其主要应用领域包括但不限于癌症研究、疾病机制的探讨、细胞异质性的表征以及精准医学的实施。

首先，在癌症研究中，单细胞蛋白组学可以用于识别特定疾病细胞的蛋白质特征，从而帮助实现早期诊断和治疗选择的优化。通过对患者活检样本中多种不同蛋白生物标志物的高通量成像，研究人员能够准确诊断疾病并指导理想治疗的选择[5]。例如，单细胞化学蛋白组学（Single-Cell Chemical Proteomics, SCCP）技术已被应用于研究癌细胞对抗癌药物的反应，揭示了不同细胞亚群对药物的承诺和非承诺反应的早期出现，这为理解肿瘤的异质性提供了重要信息[13]。

其次，单细胞蛋白组学在揭示细胞信号通路和疾病机制方面具有重要价值。通过对单个细胞的蛋白质组进行深入分析，研究人员能够探讨细胞在健康和疾病状态下的蛋白质表达、翻译后修饰及其相互作用，进而理解细胞状态的变化及其生物学意义[14]。

此外，单细胞蛋白组学还在细胞异质性研究中发挥了关键作用。由于细胞群体内存在显著的功能差异，单细胞分析能够提供更为全面的生物学和生理特性理解，这对于揭示细胞行为和疾病发展过程至关重要[6]。在这一领域，技术的进步使得样本准备、数据采集和分析方法不断优化，从而提高了灵敏度、通量和重现性，进一步推动了单细胞蛋白组学的应用[4]。

最后，单细胞蛋白组学的多组学分析（multi-omics analysis）在药物发现中的价值也日益凸显。通过结合蛋白质组学、转录组学和代谢组学，研究人员能够更深入地理解疾病发生的机制，并开发新的治疗策略[6]。这种综合性的方法使得单细胞技术在精准医学和个性化治疗中具备了广泛的应用前景。

总之，单细胞蛋白组学通过其在癌症研究、疾病机制探讨、细胞异质性表征及药物发现中的多重应用，正在改变我们对生物学的理解，并为临床实践带来新的机遇。随着技术的不断进步，未来单细胞蛋白组学有望在更广泛的生物医学领域发挥更大作用。

2.3 数据分析方法 ​

单细胞蛋白组学（Single-Cell Proteomics, SCP）作为一项新兴技术，近年来在生物医学研究中展现出广泛的应用潜力。其主要应用包括癌症研究、生物标志物发现、发育生物学等领域。

在癌症研究方面，单细胞蛋白组学能够揭示肿瘤细胞的表型异质性和细胞特异性功能网络，这对于理解肿瘤的生物学特性至关重要。通过对单个肿瘤细胞进行高通量分析，研究人员可以识别出肿瘤微环境中不同细胞类型的特征及其相互作用，这为开发新的癌症免疫疗法提供了重要的基础[15]。

在生物标志物发现方面，单细胞蛋白组学允许对成千上万的单细胞进行定量分析，从而识别与疾病相关的特征性蛋白质。这种技术能够帮助研究人员在细胞层面上理解疾病的发病机制，并为个性化医疗提供潜在的生物标志物[4]。

发育生物学也是单细胞蛋白组学的重要应用领域。通过对不同发育阶段的单细胞进行分析，研究人员能够追踪细胞的发育轨迹和命运决定过程，从而深入理解发育过程中的关键调控机制[3]。

此外，单细胞蛋白组学还在技术和数据分析方法上不断进步。新的实验设计、优化的样本准备和创新的分离技术（如超低流量纳米液相色谱）使得单细胞蛋白组学的灵敏度、通量和重现性显著提高[16]。例如，结合微流体芯片和数据独立采集（DIA）质谱的方法，可以在单细胞水平上实现高效的蛋白质组分析，显著提高数据质量和分析的准确性[17]。

在数据分析方面，单细胞蛋白组学面临着样本通量和数据处理的挑战。当前，方法开发的重点在于提高蛋白质组的深度覆盖，未来需要关注如何测量成千上万的单细胞蛋白组，以便开展更广泛的生物学应用[2]。同时，数据处理和分析工具的创新，如基于机器学习的方法，正在逐步解决数据缺失、批次效应等问题，提高分析的准确性和可靠性[18]。

综上所述，单细胞蛋白组学在癌症研究、生物标志物发现和发育生物学等多个领域具有重要的应用前景，同时技术和数据分析方法的不断进步也为其广泛应用提供了保障。

3 单细胞蛋白组学在癌症研究中的应用 ​

3.1 肿瘤微环境分析 ​

单细胞蛋白组学在肿瘤微环境分析中的应用正日益受到重视，尤其是在理解肿瘤的异质性和免疫反应方面。单细胞蛋白组学技术使研究人员能够在单细胞水平上分析蛋白质表达，从而揭示肿瘤微环境中的细胞组成和功能动态。

首先，单细胞质谱分析（SCP）能够解析复杂生物系统中的细胞异质性，并提供每个细胞的系统级蛋白质组视图。近年来，SCP方法的重大进展使得样本制备和质谱技术的灵敏度大幅提高。研究表明，通过开发自动化的高通量分析管道，能够在单次实验中分析1536个单细胞，从而提高了肿瘤分析的深度和准确性[10]。例如，在小鼠肺转移模型中，研究者识别出每个细胞中超过1700种蛋白质，包括关键的巨噬细胞标志物以及500多种在肿瘤和对照巨噬细胞之间差异表达的蛋白质，这些发现突显了单细胞蛋白组学在捕捉肿瘤微环境中生物学相关信号方面的潜力。

其次，单细胞技术在解析肿瘤免疫微环境方面也发挥了重要作用。通过单细胞分析，研究者能够揭示肿瘤微环境中不同细胞类型的复杂相互作用。例如，单细胞RNA测序和单细胞蛋白组学的结合，使得研究者能够在空间上描绘肿瘤微环境中的细胞相互作用，进而揭示免疫细胞的激活状态和功能特征[19]。这些技术的结合使得研究者能够识别出与患者生存期相关的细胞邻域，进而为临床管理提供指导。

此外，单细胞蛋白组学还在生物标志物的发现中扮演了关键角色。通过对肿瘤微环境中细胞的单细胞分析，研究者能够识别新的生物标志物，这些标志物能够预测从前驱、良性和局限性病变到侵袭性癌症的进展，这对于肿瘤的早期检测和治疗具有重要意义[20]。例如，空间多组学技术的应用，结合免疫组化和多参数分析，能够为癌症进展提供新的标记物，这些技术在不同类型的癌症中得到了应用[21]。

总的来说，单细胞蛋白组学在肿瘤微环境分析中的应用，不仅提高了对肿瘤异质性和免疫反应的理解，还为精准医疗提供了新的可能性。这些技术的进步为癌症研究和治疗提供了重要的工具，能够帮助研究者深入解析肿瘤的生物学特性和复杂的细胞相互作用。

3.2 癌症异质性研究 ​

单细胞蛋白组学在癌症研究中具有重要的应用价值，尤其是在研究癌症异质性方面。癌症细胞的异质性是指同一肿瘤内不同细胞之间存在的显著差异，这种差异可能影响治疗效果和预后。通过单细胞蛋白组学技术，可以在单细胞水平上分析癌细胞的蛋白质表达，揭示其功能异质性和动态变化，从而为癌症的诊断和治疗提供新的见解。

首先，单细胞蛋白组学能够识别和分析癌细胞内的功能异质性。研究表明，癌细胞的异质性与化疗耐药性密切相关。使用单细胞蛋白组学技术，研究人员可以监测癌细胞对化疗药物的反应，揭示不同细胞群体在药物处理过程中的存活和死亡情况[13]。例如，通过对单个腺癌细胞在接受抗癌药物治疗时的时间分辨响应进行研究，发现细胞内存在早期承诺和未承诺死亡的亚群体，这一发现为理解癌细胞的耐药机制提供了重要信息[13]。

其次，单细胞蛋白组学还能够深入探讨肿瘤微环境中的细胞间相互作用。微流控芯片技术的应用使得研究人员能够在控制的微环境中解析免疫细胞的功能异质性，捕捉患者免疫系统功能的高分辨率快照，从而为更有效的免疫治疗提供指导[22]。例如，利用单细胞分析技术，研究人员能够识别在治疗过程中存活的循环肿瘤细胞，这些细胞可能是导致疾病复发的关键[23]。

此外，单细胞蛋白组学还能够帮助识别新的预后生物标志物。通过深入挖掘肿瘤细胞的蛋白质组，研究人员能够发现与癌症进展、转移及治疗抵抗相关的关键蛋白，这些发现有助于开发新的治疗策略和个性化治疗方案[24]。

综上所述，单细胞蛋白组学在癌症研究中的应用主要体现在揭示癌细胞的功能异质性、分析细胞间相互作用、监测治疗反应及识别新的生物标志物等方面。这些应用为理解癌症的复杂性及其治疗提供了新的视角，推动了精准医学的发展。

3.3 预后和治疗反应评估 ​

单细胞蛋白组学（Single-cell proteomics, SCP）在癌症研究中具有重要的应用价值，尤其在预后和治疗反应评估方面。随着技术的进步，单细胞蛋白组学能够提供关于癌细胞的详细分子特征，帮助研究人员更好地理解肿瘤的异质性及其对治疗的反应。

首先，单细胞蛋白组学可以揭示癌细胞的异质性。癌症是一种动态疾病，其细胞群体在分子特征上表现出显著的异质性。通过单细胞蛋白组学分析，研究人员能够监测单个癌细胞在治疗过程中的蛋白表达变化，从而识别出与耐药性相关的细胞亚群体。这种能力对于了解癌症如何在治疗中进化以及如何选择合适的治疗方案至关重要[24]。

其次，单细胞蛋白组学为评估治疗反应提供了新方法。传统的蛋白质分析技术，如酶联免疫吸附测定（ELISA）和西方印迹（Western blot），通常依赖于对细胞群体的平均分析，无法捕捉到个别细胞的动态变化。而单细胞蛋白组学则能够以更高的分辨率分析单个细胞的蛋白质表达情况，这对于监测治疗过程中细胞对药物的反应极为重要[23]。例如，通过在治疗前后对肿瘤细胞进行单细胞分析，研究人员可以识别出哪些细胞在治疗过程中存活并继续增殖，从而为个性化治疗提供依据[25]。

此外，单细胞蛋白组学在生物标志物发现方面也具有重要应用。通过分析不同患者的肿瘤细胞，研究人员能够识别出与疾病进展和治疗反应相关的特定蛋白质标志物。这些标志物不仅有助于疾病的早期诊断，也为制定针对性的治疗策略提供了可能的靶点[20][24]。

最后，单细胞蛋白组学的空间组学（spatial proteomics）结合使用，可以进一步揭示肿瘤微环境中的细胞相互作用及其对治疗反应的影响。这种方法允许研究人员在细胞层面上探讨肿瘤的微环境如何影响癌细胞的行为和治疗效果，从而推动个性化医学的发展[3]。

综上所述，单细胞蛋白组学在癌症研究中的应用，特别是在预后和治疗反应评估方面，具有重要的临床意义和研究潜力。这些技术的发展将为癌症的早期诊断、治疗选择及疗效监测提供新的视角和工具。

4 单细胞蛋白组学在免疫学中的应用 ​

4.1 免疫细胞功能分析 ​

单细胞蛋白组学在免疫学中的应用主要体现在对免疫细胞功能的深入分析，能够揭示细胞群体的异质性和功能特征。具体而言，单细胞蛋白组学技术通过对单个细胞的蛋白质表达进行高分辨率的定量分析，能够帮助研究人员更好地理解免疫细胞在不同生理和病理状态下的功能。

首先，单细胞蛋白组学能够识别和表征免疫细胞的多功能性。研究表明，能够同时产生两种以上蛋白质的多功能T细胞是对抗病原体和癌症的重要效应细胞，这些细胞的功能状态对于免疫反应的强度和持久性至关重要[26]。通过微流控芯片基础的单细胞高通量分泌蛋白组学，可以在不同的细胞和分子层面上表征免疫反应的细胞异质性，进而识别出关键的生物标志物和潜在的相关性，以优化免疫治疗产品的设计[26]。

其次，单细胞蛋白组学技术能够结合其他组学方法（如单细胞基因组学和转录组学），实现多组学分析，从而全面理解免疫细胞的发育和功能。例如，单细胞RNA测序与单细胞蛋白组学的结合，能够揭示不同免疫细胞群体之间的复杂相互作用和功能状态，这对于探索免疫系统在健康与疾病中的动态变化具有重要意义[27]。

此外，单细胞蛋白组学还在慢性炎症性疾病的研究中展现出其潜力，通过对患者样本的单细胞分析，可以捕捉到不同免疫细胞在炎症微环境中的激活状态和分化过程，这为理解慢性炎症的机制提供了新的视角[28]。

最后，单细胞蛋白组学的应用不仅限于基础研究，也在临床研究中发挥着越来越重要的作用。例如，在癌症研究中，单细胞蛋白组学可以帮助识别肿瘤微环境中的免疫细胞类型及其功能状态，从而为个性化免疫治疗提供依据[29]。

综上所述，单细胞蛋白组学在免疫学中的应用为深入理解免疫细胞的功能及其在疾病中的角色提供了强有力的工具，推动了免疫学研究的进展和临床应用的发展。

4.2 自身免疫疾病研究 ​

单细胞蛋白组学（Single-Cell Proteomics, SCP）在自身免疫疾病研究中的应用日益受到关注，因其能够揭示细胞异质性和特定细胞状态在疾病发生发展中的作用。单细胞蛋白组学的优势在于它能够在单个细胞水平上提供蛋白质表达、后转录修饰及蛋白质相互作用的深入分析，这对于理解自身免疫疾病的复杂生物学至关重要。

在自身免疫疾病中，传统的研究方法往往难以捕捉到不同细胞类型和状态的动态变化。通过单细胞蛋白组学，研究者能够更准确地识别特定的病理细胞群体，并探讨它们在免疫反应中的角色。例如，针对乳糜泻等自身免疫疾病，单细胞分析能够帮助识别与疾病相关的特定抗原的T细胞和B细胞，从而揭示适应性免疫反应的关键机制[30]。

此外，单细胞蛋白组学技术在分析疾病样本中的多样性方面也表现出色。通过对来自患者的组织样本进行单细胞分析，研究人员能够发现细胞群体之间的功能异质性，这在以往的研究中往往被忽视。例如，单细胞RNA测序（scRNA-seq）和单细胞蛋白组学的结合，可以更全面地理解细胞在自身免疫疾病中的作用[31]。

近年来，单细胞蛋白组学的技术进步，如超高灵敏度质谱法，已经使得研究者能够在单细胞水平上定量分析蛋白质的变化。这些技术的应用使得研究人员能够更好地理解自身免疫疾病的发病机制，探索潜在的治疗靶点[17]。通过这些研究，单细胞蛋白组学不仅为自身免疫疾病的生物标志物发现提供了新思路，也为个性化医疗的发展奠定了基础。

综上所述，单细胞蛋白组学在自身免疫疾病研究中的应用，主要体现在以下几个方面：揭示细胞异质性、识别病理相关细胞群体、探索免疫反应机制以及为个性化治疗提供新策略。这些应用不仅推动了基础研究的进展，也为临床诊断和治疗提供了新的视角和工具。

4.3 个性化免疫治疗 ​

单细胞蛋白组学在免疫学中的应用，特别是在个性化免疫治疗方面，展现出显著的潜力和价值。随着单细胞技术的快速发展，研究人员能够在单个细胞层面上深入了解免疫细胞的多样性、特性及其与肿瘤微环境的相互作用。这些技术的进步为个性化免疫治疗提供了新的研究方向和临床应用。

首先，单细胞蛋白组学可以揭示个体免疫细胞的功能状态和特征，从而为制定个性化的治疗方案提供依据。例如，通过分析肿瘤浸润淋巴细胞（TILs）的蛋白表达谱，研究人员能够识别出与治疗反应相关的特定标志物。这些标志物不仅可以帮助预测患者对免疫治疗的反应，还能指导临床医生调整治疗策略，以提高治疗效果[32]。

其次，单细胞蛋白组学能够帮助研究人员识别和量化肿瘤细胞在接受免疫治疗后所发生的变化。通过对单细胞的精确分析，可以监测细胞在药物处理后的蛋白质组变化，揭示肿瘤细胞对治疗的异质性反应。例如，研究表明，单细胞化学蛋白组学（SCCP）能够定量分析个别癌细胞在抗癌药物作用下的反应，进而识别出承诺死亡与未承诺死亡的细胞亚群，这对于理解肿瘤细胞的生存机制和治疗耐药性至关重要[13]。

此外，单细胞蛋白组学还可与其他组学技术结合使用，以提供更全面的生物学视角。例如，将单细胞蛋白组学与单细胞转录组学结合，可以同时获取细胞的基因表达和蛋白质表达信息，从而更深入地理解免疫细胞在肿瘤微环境中的功能和作用机制。这种整合的方法有助于发现新的治疗靶点，推动个性化免疫治疗的发展[33]。

综上所述，单细胞蛋白组学在个性化免疫治疗中的应用，不仅能够提升对免疫细胞特性和肿瘤微环境的理解，还能为开发针对个体患者的精准治疗方案提供强有力的支持。随着技术的不断进步，单细胞蛋白组学预计将在未来的免疫学研究和临床应用中发挥越来越重要的作用。

5 单细胞蛋白组学在其他领域的应用 ​

5.1 神经科学研究 ​

单细胞蛋白组学（Single-Cell Proteomics, SCP）在神经科学研究中展现出重要的应用潜力，尤其是在理解神经元的功能、疾病机制以及细胞间的相互作用方面。通过单细胞层面的蛋白质分析，研究人员能够深入探讨细胞的异质性，这对于神经系统的复杂性理解至关重要。

在阿尔茨海默病（Alzheimer's Disease, AD）的研究中，采用了单细胞电生理和蛋白组学相结合的方法。研究者开发了一种单细胞补丁钳/蛋白组学平台，该平台用于分析来自携带AD遗传突变的人诱导多能干细胞（hiPSC）衍生的兴奋性神经元，并与同源野生型对照进行比较。这种方法不仅提供了电生理数据，还详细记录了单细胞的蛋白组信息。通过这种新方法，研究者观察到了AD hiPSC神经元的高电活动，与人类AD大脑中观察到的情况相似，同时检测到约1400种蛋白质。这一研究揭示了个体蛋白质丰度与神经元的突变和电生理状态之间的关系，为寻找新的治疗靶点提供了信息[34]。

此外，单细胞蛋白组学还可以帮助揭示神经元在不同生理和病理状态下的功能变化。通过对单个神经元进行精确的蛋白质定量分析，研究人员能够更好地理解细胞在特定环境中的反应机制。例如，单细胞化学蛋白组学（Single-Cell Chemical Proteomics, SCCP）技术被用于研究癌细胞对药物的反应，显示出单细胞层面上对药物的反应存在异质性，这一发现同样适用于神经科学领域，帮助研究人员理解神经细胞在药物治疗下的反应差异[13]。

单细胞蛋白组学的技术进步，使得在神经科学研究中能够进行更高分辨率的分析，从而推动对神经元功能、神经疾病机制及其相互作用的深入理解。这种方法不仅在基础研究中具有重要意义，还为临床应用提供了潜在的诊断和治疗策略，尤其是在神经退行性疾病的早期诊断和个性化治疗方面。

5.2 干细胞研究 ​

单细胞蛋白组学（Single-Cell Proteomics, SCP）在干细胞研究中展现出广泛的应用潜力，尤其是在理解细胞异质性、细胞命运决定和再生医学等领域。干细胞及其衍生物作为新型药物，具有用于组织替代治疗的潜力。然而，干细胞培养的异质特征限制了其生物医学应用的有效性[35]。通过针对特定细胞类型或发育阶段的细胞表面蛋白，SCP可以高效地检测和分离特定细胞群体，这为干细胞研究提供了新的工具[35]。

在干细胞的分化过程中，单细胞蛋白组学能够帮助研究人员深入理解细胞行为和发育过程中的分子变化。例如，SCP可以用于分析干细胞在分化过程中的蛋白质表达模式，揭示其功能状态和信号通路的变化[1]。此外，SCP还能够在研究免疫细胞功能、神经细胞发育及活动以及循环肿瘤细胞相关的癌症研究中发挥重要作用[8]。

单细胞蛋白组学的另一个重要应用是其在干细胞治疗中的潜力。通过识别和表征干细胞及其谱系的特异性细胞表面标记物，研究人员可以更有效地纯化特定的干细胞类型，这对于基础研究和临床应用都至关重要[35]。这种方法不仅有助于了解干细胞的基本生物学特性，还可以推动其在再生医学中的应用，如在神经系统、心脏、胰腺和肝脏等领域的干细胞治疗研究[35]。

总之，单细胞蛋白组学为干细胞研究提供了强大的技术支持，使研究人员能够以更高的分辨率和灵敏度分析细胞的功能状态和分子机制，从而促进干细胞在基础生物学和临床医学中的应用。

5.3 新生物标志物和药物靶点发现 ​

单细胞蛋白组学（Single-cell proteomics, SCP）在多个生物医学领域中展现出广泛的应用潜力，尤其是在新生物标志物和药物靶点的发现方面。随着技术的进步，单细胞蛋白组学能够提供更为精细的细胞内蛋白质分析，从而揭示细胞的异质性及其在健康和疾病状态下的功能变化。

在癌症研究中，单细胞蛋白组学被用于识别与肿瘤发生、发展相关的特定蛋白质。例如，单细胞化学蛋白组学（Single-Cell Chemical Proteomics, SCCP）能够量化个别癌细胞对药物的反应，揭示细胞亚群在药物处理中的异质性，从而为个性化治疗提供基础[13]。通过分析肿瘤细胞的蛋白质表达模式，研究人员可以识别新的生物标志物，进而指导临床决策和治疗方案的选择[3]。

此外，单细胞蛋白组学还在生物标志物发现中发挥着重要作用。通过对单个细胞的全面蛋白质谱分析，研究人员能够发现特定疾病状态下的差异表达蛋白。这种方法能够克服传统方法在细胞群体平均化过程中的信息损失，使得对疾病的早期诊断和监测成为可能[6]。例如，单细胞多组学分析结合了蛋白组学、转录组学和代谢组学，为理解疾病机制提供了更全面的视角[6]。

在药物靶点的发现方面，单细胞蛋白组学能够帮助研究人员深入了解药物对细胞内信号通路的影响。通过定量分析细胞在药物处理前后的蛋白质变化，研究人员可以识别潜在的药物靶点和机制，从而加速新药的研发[1]。这一技术的进步使得对复杂生物系统中蛋白质的研究变得更加高效，能够为未来的治疗策略提供重要的基础。

总之，单细胞蛋白组学在新生物标志物和药物靶点的发现中具有重要的应用价值，通过提供对细胞异质性和功能状态的深刻理解，推动了精准医学的发展和疾病治疗策略的优化。

6 面临的挑战与未来发展方向 ​

6.1 技术挑战 ​

单细胞蛋白质组学（single-cell proteomics, SCP）作为一种新兴的研究领域，具有广泛的应用潜力，尤其是在理解生物学过程和疾病机制方面。其应用包括但不限于以下几个方面：

  1. 细胞异质性分析：单细胞蛋白质组学能够深入探讨细胞间的功能差异，帮助研究者理解细胞如何在不同的生物状态下表现出不同的特征。这对于肿瘤生物学、免疫学等领域尤为重要，能够揭示肿瘤微环境中不同细胞类型的相互作用和功能状态[1]。

  2. 疾病机制研究：通过分析单个细胞的蛋白质表达，研究人员能够更好地理解疾病的发生和发展机制。例如，SCP可以用于识别与癌症、糖尿病、阿尔茨海默病等相关的特定蛋白质标志物，从而为早期诊断和个性化治疗提供支持[3]。

  3. 生物标志物发现：在临床研究中，单细胞蛋白质组学有助于识别与特定疾病相关的生物标志物，这些标志物可以用于疾病的诊断和预后评估[14]。

  4. 多组学整合：单细胞蛋白质组学还可以与单细胞RNA测序等其他组学技术结合，提供对细胞功能和状态的全面理解。这种多组学的整合能够揭示细胞内复杂的信号传导网络和调控机制[36]。

尽管单细胞蛋白质组学在多个领域展现了巨大的应用潜力，但仍面临一系列技术挑战：

  1. 样本量和通量：当前的单细胞蛋白质组学技术在处理大量样本时仍存在通量不足的问题。尽管方法的发展已经显著提高了单细胞蛋白质的覆盖率，但如何在保持高通量的同时确保数据的质量和可靠性仍然是一个主要挑战[2]。

  2. 蛋白质吸附损失：在样本处理过程中，蛋白质吸附损失（protein adsorption loss, PAL）是制约单细胞蛋白质组学进展的一个关键技术挑战。现有的解决方案往往缺乏针对性，需要开发更加具体的技术来量化和减少这一损失[37]。

  3. 数据分析和计算方法：单细胞蛋白质组学产生的高维数据需要复杂的计算方法进行分析和可视化。随着数据量的不断增加，现有的计算工具需要不断优化，以充分挖掘这些数据所蕴含的生物学信息[38]。

未来的发展方向包括提升单细胞蛋白质组学的标准化和可重复性，以便更广泛地应用于生物医学研究中。此外，微流控技术的进步将进一步提高样本处理的灵活性和效率，从而推动单细胞蛋白质组学的应用范围[39]。通过解决上述挑战，单细胞蛋白质组学有望成为揭示生命科学深层次问题的重要工具。

6.2 数据解析与标准化 ​

单细胞蛋白质组学（single-cell proteomics, SCP）是一项前沿技术，旨在对单个细胞进行高通量、精确的蛋白质分析。其应用广泛，涵盖了生物医学研究的多个领域。首先，SCP能够揭示细胞内的异质性，识别稀有细胞类型，并对细胞状态进行表征，这对于理解细胞的功能和疾病机制至关重要[1]。例如，在癌症研究中，SCP可以帮助识别与肿瘤进展相关的特定蛋白质表达模式，进而指导个性化治疗方案的制定[3]。

然而，SCP在实际应用中面临多重挑战。首先，单细胞样本量小，导致蛋白质的提取和分析过程复杂，易受到污染和损失的影响，尤其是蛋白质吸附损失（protein adsorption loss, PAL）问题显著，这会影响结果的准确性[37]。此外，当前的技术在样本通量和数据处理方面仍存在限制，无法满足高通量实验的需求[2]。

未来的发展方向主要集中在几个方面。首先，必须解决样本处理和数据分析的标准化问题，以提高技术的可重复性和可比性。建立统一的数据处理标准和分析平台将有助于推动SCP技术的广泛应用[1]。其次，随着新技术的不断涌现，如结合人工智能的分析方法，将进一步提升数据解析的效率和准确性[7]。此外，未来的研究还应注重多组学（multi-omics）整合，结合单细胞基因组学、转录组学和代谢组学，以全面了解细胞功能和生物过程[17]。

在数据解析与标准化方面，当前的单细胞蛋白质组学数据量巨大，涵盖数百万个细胞的高维数据，要求开发出更为先进的计算工具来处理和可视化这些复杂数据[38]。这包括建立数据库和知识库，以便于研究人员能够方便地访问和分析单细胞蛋白质组学数据，从而促进该领域的进一步发展[40]。

6.3 临床转化潜力 ​

单细胞蛋白质组学（single-cell proteomics, SCP）在生物医学研究中展现出广泛的应用潜力，尤其是在理解细胞功能、疾病机制及个体化医疗方面。SCP的应用主要体现在以下几个方面：

首先，单细胞蛋白质组学能够揭示细胞内的信号传导路径及其调控机制。通过对单个细胞内蛋白质的高通量分析，研究人员能够识别细胞在不同生理和病理状态下的蛋白质表达变化，从而为细胞的功能状态提供深入的理解[14]。例如，SCP已被应用于癌症研究，通过对肿瘤细胞的精确表征，帮助识别稀有细胞类型及其在肿瘤微环境中的作用[41]。

其次，单细胞蛋白质组学在临床诊断和治疗方面的潜力也日益显现。其能够提供细胞层面的分子特征，有助于提高癌症等疾病的诊断准确性，并指导个体化治疗方案的选择[1]。SCP的进步使得对患者生物样本的分析更加精准，从而可能推动临床转化研究的进展。

然而，单细胞蛋白质组学在应用过程中面临诸多挑战。首先，技术上，单细胞蛋白质组学的灵敏度和通量仍然有限，尤其是在样本处理和数据分析方面，需克服蛋白质吸附损失（protein adsorption loss, PAL）等技术难题，以确保数据的准确性和可靠性[37]。此外，样本量小导致的高变异性也使得数据解读更加复杂，急需发展更为健全的统计分析方法以处理这些挑战[1]。

未来的发展方向主要集中在以下几个方面：一是提高技术的通量和灵敏度，使得可以同时分析成千上万的单细胞蛋白质组，从而扩展其在生物研究中的应用[2]。二是推动多组学整合，结合单细胞基因组学和转录组学等其他组学技术，以实现对细胞状态的全面理解[42]。三是加大对标准化和规范化流程的研究，确保单细胞蛋白质组学的广泛应用和验证，促进其在临床转化中的有效性[1]。

综上所述，单细胞蛋白质组学在生物医学领域的应用前景广阔，但仍需解决技术和方法上的挑战，以实现其在临床诊断和个体化医疗中的潜力。

7 总结 ​

单细胞蛋白组学（SCP）在生物医学研究中展现出显著的应用潜力，尤其是在癌症、免疫学、神经科学和干细胞研究等领域。主要发现表明，SCP能够深入揭示细胞的异质性、功能状态及其在疾病发展中的作用，推动了精准医学的发展。尽管当前技术在样本处理、数据分析及标准化方面仍面临挑战，但随着微流控技术、高通量质谱和数据分析方法的不断进步，单细胞蛋白组学的应用前景将更加广阔。未来研究方向应聚焦于提升技术灵敏度和通量、实现多组学整合以及加强临床转化潜力，从而推动这一领域的进一步发展。

参考文献 ​

  • [1] Rushdy Ahmad;Bogdan Budnik. A review of the current state of single-cell proteomics and future perspective.. Analytical and bioanalytical chemistry(IF=3.8). 2023. PMID:37285026. DOI: 10.1007/s00216-023-04759-8.
  • [2] Alyssa A Nitz;Jose Humberto Giraldez Chavez;Zachary G Eliason;Samuel H Payne. Are We There Yet? Assessing the Readiness of Single-Cell Proteomics to Answer Biological Hypotheses.. Journal of proteome research(IF=3.6). 2025. PMID:38981598. DOI: 10.1021/acs.jproteome.4c00091.
  • [3] Vartika Lohani;Akhiya A R;Soumen Kundu;Md Quasid Akhter;Swarnendu Bag. Single-Cell Proteomics with Spatial Attributes: Tools and Techniques.. ACS omega(IF=4.3). 2023. PMID:37251119. DOI: 10.1021/acsomega.3c00795.
  • [4] Thy Truong;Ryan T Kelly. What's new in single-cell proteomics.. Current opinion in biotechnology(IF=7.0). 2024. PMID:38359605. DOI: 10.1016/j.copbio.2024.103077.
  • [5] Manas Mondal;Renjie Liao;Jia Guo. Highly Multiplexed Single-Cell Protein Analysis.. Chemistry (Weinheim an der Bergstrasse, Germany)(IF=3.7). 2018. PMID:29194810. DOI: 10.1002/chem.201705014.
  • [6] Sam F Nassar;Khadir Raddassi;Terence Wu. Single-Cell Multiomics Analysis for Drug Discovery.. Metabolites(IF=3.7). 2021. PMID:34822387. DOI: 10.3390/metabo11110729.
  • [7] Sooyeon Kim;Latiefa Kamarulzaman;Yuichi Taniguchi. Recent methodological advances towards single-cell proteomics.. Proceedings of the Japan Academy. Series B, Physical and biological sciences(IF=4.6). 2023. PMID:37673661. DOI: 10.2183/pjab.99.021.
  • [8] Wenyi Chen;Shumin Li;Anuja Shreeram Kulkarni;Lin Huang;Jing Cao;Kun Qian;Jingjing Wan. Single Cell Omics: From Assay Design to Biomedical Application.. Biotechnology journal(IF=3.1). 2020. PMID:31562752. DOI: 10.1002/biot.201900262.
  • [9] Maïgane Diop;Brittany R Davidson;Gabriela K Fragiadakis;Marina Sirota;Brice Gaudillière;Alexis J Combes. Single-cell omics technologies - Fundamentals on how to create single-cell looking glasses for reproductive health.. American journal of obstetrics and gynecology(IF=8.4). 2025. PMID:40253074. DOI: 10.1016/j.ajog.2024.08.041.
  • [10] Shiri Karagach;Joachim Smollich;Ofir Atrakchi;Vishnu Mohan;Tamar Geiger. High-Throughput Single-Cell Proteomics of In Vivo Cells.. Molecular & cellular proteomics : MCP(IF=5.5). 2025. PMID:40544993. DOI: 10.1016/j.mcpro.2025.101018.
  • [11] Andreas Mund;Andreas-David Brunner;Matthias Mann. Unbiased spatial proteomics with single-cell resolution in tissues.. Molecular cell(IF=16.6). 2022. PMID:35714588. DOI: 10.1016/j.molcel.2022.05.022.
  • [12] Benjamin C Orsburn;Yuting Yuan;Namandjé N Bumpus. Insights into protein post-translational modification landscapes of individual human cells by trapped ion mobility time-of-flight mass spectrometry.. Nature communications(IF=15.7). 2022. PMID:36433961. DOI: 10.1038/s41467-022-34919-w.
  • [13] Ákos Végvári;Jimmy E Rodriguez;Roman A Zubarev. Single-Cell Chemical Proteomics (SCCP) Interrogates the Timing and Heterogeneity of Cancer Cell Commitment to Death.. Analytical chemistry(IF=6.7). 2022. PMID:35731985. DOI: 10.1021/acs.analchem.2c00413.
  • [14] M Shahid Mansuri;Kenneth Williams;Angus C Nairn. Uncovering biology by single-cell proteomics.. Communications biology(IF=5.1). 2023. PMID:37031277. DOI: 10.1038/s42003-023-04635-2.
  • [15] Carlota Arias-Hidalgo;Pablo Juanes-Velasco;Alicia Landeira-Viñuela;Marina L García-Vaquero;Enrique Montalvillo;Rafael Góngora;Ángela-Patricia Hernández;Manuel Fuentes. Single-Cell Proteomics: The Critical Role of Nanotechnology.. International journal of molecular sciences(IF=4.9). 2022. PMID:35743151. DOI: 10.3390/ijms23126707.
  • [16] Sofani Tafesse Gebreyesus;Asad Ali Siyal;Reta Birhanu Kitata;Eric Sheng-Wen Chen;Bayarmaa Enkhbayar;Takashi Angata;Kuo-I Lin;Yu-Ju Chen;Hsiung-Lin Tu. Streamlined single-cell proteomics by an integrated microfluidic chip and data-independent acquisition mass spectrometry.. Nature communications(IF=15.7). 2022. PMID:35013269. DOI: 10.1038/s41467-021-27778-4.
  • [17] Andreas-David Brunner;Marvin Thielert;Catherine Vasilopoulou;Constantin Ammar;Fabian Coscia;Andreas Mund;Ole B Hoerning;Nicolai Bache;Amalia Apalategui;Markus Lubeck;Sabrina Richter;David S Fischer;Oliver Raether;Melvin A Park;Florian Meier;Fabian J Theis;Matthias Mann. Ultra-high sensitivity mass spectrometry quantifies single-cell proteome changes upon perturbation.. Molecular systems biology(IF=7.7). 2022. PMID:35226415. DOI: 10.15252/msb.202110798.
  • [18] Rufeng Li;Lixin Li;Yungang Xu;Juan Yang. Machine learning meets omics: applications and perspectives.. Briefings in bioinformatics(IF=7.7). 2022. PMID:34791021. DOI: 10.1093/bib/bbab460.
  • [19] Elham Karimi;Miranda W Yu;Sarah M Maritan;Lucas J M Perus;Morteza Rezanejad;Mark Sorin;Matthew Dankner;Parvaneh Fallah;Samuel Doré;Dongmei Zuo;Benoit Fiset;Daan J Kloosterman;LeeAnn Ramsay;Yuhong Wei;Stephanie Lam;Roa Alsajjan;Ian R Watson;Gloria Roldan Urgoiti;Morag Park;Dieta Brandsma;Donna L Senger;Jennifer A Chan;Leila Akkari;Kevin Petrecca;Marie-Christine Guiot;Peter M Siegel;Daniela F Quail;Logan A Walsh. Single-cell spatial immune landscapes of primary and metastatic brain tumours.. Nature(IF=48.5). 2023. PMID:36725935. DOI: 10.1038/s41586-022-05680-3.
  • [20] Jacob Kagan;Robert L Moritz;Richard Mazurchuk;Je Hyuk Lee;Peter Vasili Kharchenko;Orit Rozenblatt-Rosen;Eytan Ruppin;Fredrik Edfors;Fiona Ginty;Yury Goltsev;James A Wells;John LaCava;Jessica L Riesterer;Ronald N Germain;Tujin Shi;Mark S Chee;Bogdan A Budnik;John R Yates;Brian T Chait;Jeffery R Moffitt;Richard D Smith;Sudhir Srivastava. National Cancer Institute Think-Tank Meeting Report on Proteomic Cartography and Biomarkers at the Single-Cell Level: Interrogation of Premalignant Lesions.. Journal of proteome research(IF=3.6). 2020. PMID:32163288. DOI: 10.1021/acs.jproteome.0c00021.
  • [21] Wan-Chen Hsieh;Bugi Ratno Budiarto;Yi-Fu Wang;Chih-Yu Lin;Mao-Chun Gwo;Dorothy Kazuno So;Yi-Shiuan Tzeng;Shih-Yu Chen. Spatial multi-omics analyses of the tumor immune microenvironment.. Journal of biomedical science(IF=12.1). 2022. PMID:36376874. DOI: 10.1186/s12929-022-00879-y.
  • [22] Yao Lu;Liu Yang;Wei Wei;Qihui Shi. Microchip-based single-cell functional proteomics for biomedical applications.. Lab on a chip(IF=5.4). 2017. PMID:28280819. DOI: 10.1039/c7lc00037e.
  • [23] K Kamil Reza;Shuvashis Dey;Alain Wuethrich; Jing Wang;Andreas Behren;Fiach Antaw;Yuling Wang;Abu Ali Ibn Sina;Matt Trau. In Situ Single Cell Proteomics Reveals Circulating Tumor Cell Heterogeneity during Treatment.. ACS nano(IF=16.0). 2021. PMID:34225455. DOI: 10.1021/acsnano.0c10008.
  • [24] Maomao Li;Jing Zuo;Kailin Yang;Ping Wang;Shengtao Zhou. Proteomics mining of cancer hallmarks on a single-cell resolution.. Mass spectrometry reviews(IF=6.6). 2024. PMID:37051664. DOI: 10.1002/mas.21842.
  • [25] Yong Chiang Tan;Teck Yew Low;Pey Yee Lee;Lay Cheng Lim. Single-cell proteomics by mass spectrometry: Advances and implications in cancer research.. Proteomics(IF=3.9). 2024. PMID:38727198. DOI: 10.1002/pmic.202300210.
  • [26] Weiming Ni;Edward X Han;Matthew Cyr;Sean Mackay;Jing Zhou. Applying single-cell highly multiplexed secretome proteomics to characterize immunotherapeutic products and predict clinical responses.. Proteomics(IF=3.9). 2023. PMID:36786585. DOI: 10.1002/pmic.202200242.
  • [27] Martijn Cordes;Karin Pike-Overzet;Erik B Van Den Akker;Frank J T Staal;Kirsten Canté-Barrett. Multi-omic analyses in immune cell development with lessons learned from T cell development.. Frontiers in cell and developmental biology(IF=4.3). 2023. PMID:37091971. DOI: 10.3389/fcell.2023.1163529.
  • [28] Seyoung Jung;Jeong Seok Lee. Single-Cell Genomics for Investigating Pathogenesis of Inflammatory Diseases.. Molecules and cells(IF=6.5). 2023. PMID:36859476. DOI: 10.14348/molcells.2023.0002.
  • [29] Qingzhu Jia;Han Chu;Zheng Jin;Haixia Long;Bo Zhu. High-throughput single-сell sequencing in cancer research.. Signal transduction and targeted therapy(IF=52.7). 2022. PMID:35504878. DOI: 10.1038/s41392-022-00990-4.
  • [30] Ida Lindeman;Ludvig M Sollid. Single-cell approaches to dissect adaptive immune responses involved in autoimmunity: the case of celiac disease.. Mucosal immunology(IF=7.6). 2022. PMID:34531547. DOI: 10.1038/s41385-021-00452-0.
  • [31] Hengqi Betty Zheng. Application of single-cell omics in inflammatory bowel disease.. World journal of gastroenterology(IF=5.4). 2023. PMID:37576705. DOI: 10.3748/wjg.v29.i28.4397.
  • [32] Zhiliang Bai;Graham Su;Rong Fan. Single-cell Analysis Technologies for Immuno-oncology Research: from Mechanistic Delineation to Biomarker Discovery.. Genomics, proteomics & bioinformatics(IF=7.9). 2021. PMID:34000441. DOI: 10.1016/j.gpb.2021.02.004.
  • [33] Saeed Khodayari;Hamid Khodayari;Elnaz Saeedi;Habibollah Mahmoodzadeh;Alireza Sadrkhah;Karim Nayernia. Single-Cell Transcriptomics for Unlocking Personalized Cancer Immunotherapy: Toward Targeting the Origin of Tumor Development Immunogenicity.. Cancers(IF=4.4). 2023. PMID:37509276. DOI: 10.3390/cancers15143615.
  • [34] Swagata Ghatak;Jolene K Diedrich;Maria Talantova;Nivedita Bhadra;Henry Scott;Meetal Sharma;Matthew Albertolle;Nicholas J Schork;John R Yates;Stuart A Lipton. Single-Cell Patch-Clamp/Proteomics of Human Alzheimer's Disease iPSC-Derived Excitatory Neurons Versus Isogenic Wild-Type Controls Suggests Novel Causation and Therapeutic Targets.. Advanced science (Weinheim, Baden-Wurttemberg, Germany)(IF=14.1). 2024. PMID:38773714. DOI: 10.1002/advs.202400545.
  • [35] Anna Meyfour;Sara Pahlavan;Mehdi Mirzaei;Jeroen Krijgsveld;Hossein Baharvand;Ghasem Hosseini Salekdeh. The quest of cell surface markers for stem cell therapy.. Cellular and molecular life sciences : CMLS(IF=6.2). 2021. PMID:32710154. DOI: 10.1007/s00018-020-03602-y.
  • [36] Haiyang Xie;Xianting Ding. The Intriguing Landscape of Single-Cell Protein Analysis.. Advanced science (Weinheim, Baden-Wurttemberg, Germany)(IF=14.1). 2022. PMID:35199955. DOI: 10.1002/advs.202105932.
  • [37] Bingyun Sun;Sharwan Kumar. Protein Adsorption Loss─The Bottleneck of Single-Cell Proteomics.. Journal of proteome research(IF=3.6). 2022. PMID:35849481. DOI: 10.1021/acs.jproteome.2c00317.
  • [38] Sophia M Guldberg;Trine Line Hauge Okholm;Elizabeth E McCarthy;Matthew H Spitzer. Computational Methods for Single-Cell Proteomics.. Annual review of biomedical data science(IF=6.0). 2023. PMID:37040735. DOI: 10.1146/annurev-biodatasci-020422-050255.
  • [39] Sofani Tafesse Gebreyesus;Gul Muneer;Chih-Cheng Huang;Asad Ali Siyal;Mihir Anand;Yu-Ju Chen;Hsiung-Lin Tu. Recent advances in microfluidics for single-cell functional proteomics.. Lab on a chip(IF=5.4). 2023. PMID:36811978. DOI: 10.1039/d2lc01096h.
  • [40] Fang Wang;Chunpu Liu;Jiawei Li;Fan Yang;Jiangning Song;Tianyi Zang;Jianhua Yao;Guohua Wang. SPDB: a comprehensive resource and knowledgebase for proteomic data at the single-cell resolution.. Nucleic acids research(IF=13.1). 2024. PMID:37953313. DOI: 10.1093/nar/gkad1018.
  • [41] Sonia Gavasso;Stein-Erik Gullaksen;Jørn Skavland;Bjørn T Gjertsen. Single-cell proteomics: potential implications for cancer diagnostics.. Expert review of molecular diagnostics(IF=3.6). 2016. PMID:26895397. DOI: 10.1586/14737159.2016.1156531.
  • [42] Linjing Liu;Wei Li;Fang Wang;Yiming Li;Long-Kai Huang;Ka-Chun Wong;Fan Yang;Jianhua Yao. A pre-trained large generative model for translating single-cell transcriptomes to proteomes.. Nature biomedical engineering(IF=26.6). 2025. PMID:41193888. DOI: 10.1038/s41551-025-01528-z.

麦伴智能科研服务 ​

在麦伴科研 (maltsci.com) 搜索更多文献 ​

单细胞蛋白组学 · 癌症研究 · 细胞异质性 · 生物标志物 · 精准医学

© 2025 MaltSci 麦伴科研