科研盛宴！CASMS会议汇集全球华人质谱学者聚焦创新科技
美国时间2023年8月28日，第三届美国华人质谱学会（CASMS）会议在线上召开。作为该领域的独具影响力的盛会，CASMS为与会者提供了一个共享最新科研成果、交流思想和展示创新技术的平台，并得到了来自美国、加拿大、德国、西班牙、奥地利、台湾和中国大陆等各地的支持和关注。本届会议邀请了超过60位科研学界以及工业界的杰出研究人员带来精彩演讲。分析测试百科网作为会议支持媒体，为您带来28号当天的全程报道，接下来的3天时间还有很多精彩内容。
葛兰素史克（GSK）高级总监，CASMS主席 翁乃栋致开幕词
翁乃栋主席代表第三届CASMS会议的联合主席对参与本届会议的所有报告人，会议组织者、分会主席和志愿者们的工作表示了感谢。并感谢赞助商们对本届会议的大力支持。本届会议将由57位高级质谱专业人士带来一共14场会议共计91个学术报告。演讲者们来自世界各地，并且其中至少有4位ASMS Biemann奖章得主，9位ASMS研究奖得主，以及5位国际期刊编辑。并还将举办涵盖各种热门话题和职业发展的CASMS研讨会。希望与会者能享受本次会议。
美国加利福尼亚大学河滨分校教授、CASMS当选主席 汪寅生致开幕词
汪寅生主席介绍了马蒂亚斯·曼恩（Matthias Mann）教授作为代表性的质谱学领域的杰出科学家，以其在蛋白质组学和质谱技术方面的卓越贡献而闻名。他是德国马普生物化学研究所（Max Planck Institute of Biochemistry）的主任，同时也在丹麦哥本哈根大学（University of Copenhagen）担任教授职务。他曾获得诸多奖项并在2013年当选为德国国家科学院院士，他的论文已被引用超过30余万次，曾多年是全球第二被引用次数最多的化学家。
Opening Plenary Session开幕主题会议
丹麦哥本哈根大学健康科学学院教授、德国马普生物化学研究所主任 马蒂亚斯·曼恩（Matthias Mann）教授
报告题目：《Advances in MS-based proteomics for precision medicine（基于质谱学的蛋白质组学在精准医学领域的进展）》
马蒂亚斯·曼恩（Matthias Mann）教授介绍了质谱学在蛋白质组学领域的最新技术进展。他的团队开发了单细胞蛋白质组学的工作流程，该工作流程将微型样品制备、尖端质谱技术与低流速液相色谱相结合，可以准确地测量数千种蛋白质，从而深入理解细胞多样性。这种技术被命名为“深度视觉蛋白质组学”（DVP），它将高内容显微镜、AI驱动的图像识别和超灵敏质谱技术结合在一起。这种整合能够在单细胞类型水平上链接视觉、空间和分子蛋白质组学数据。目前，团队正在利用DVP来研究各种疾病。他表示，相信未来DVP方法所提供的空间分辨率具有巨大的潜力，可以用于对癌症中的细胞类型进行表征，有助于为精准肿瘤学铺平道路。
Sponsor workshopⅠ赞助商研讨会
中国药科大学 教授 叶慧
报告题目：《Mining the dark proteome: Cyclic immonium ion oflactyllysine reveals wide la（挖掘暗蛋白质组：乳酰赖氨酸的环状亚胺离子揭示了人体中广泛存在的乳酰化现象。）》
叶慧教授的研究团队通过合成和研究模型乳酰化肽段的谱图，首次发现了携带乳酰化修饰赖氨酸的多肽在碰撞室中经过二级碎裂会形成链状亚胺离子，该离子经过脱氨形成次生碎片——环状亚胺离子，并提出该离子可作为判定数据库检索的乳酰化真实与否的金标准。乳酰化是广泛存在于人类组织和细胞中的一种非组蛋白特异性的、具有生物学功能的翻译后修饰。利用先进的化学生物学技术——基因密码子扩展技术，首次实现向靶蛋白 ALDOA 定点引入乳酰化修饰，并发现修饰后酶活性显著降低，揭示了乳酸蓄积后，能通过共价修饰糖酵解通路的上游代谢酶，抑制糖酵解活跃度的反馈调节机制，对生物化学领域现有的“终产物抑制”的调控模式进行了补充。她表示，乳酰化是广泛存在于人类组织和细胞中的一种非组蛋白特异性的、具有生物学功能的翻译后修饰。
百蓁生物 单宝珍博士
报告题目：《Identifying glycan profile differences of CD33 expressed in HEK293 and CHO cells with GlycanFinder（使用GlycanFinder鉴定HEK293和CHO细胞中CD33的糖基谱差异）》
使用新的PEAKS Glycan Module软件，单博士介绍了对在HEK293和CHO细胞中表达的CD33蛋白的六个位点上的糖基配置差异进行了表征。他们在SinoBiological和R&D Systems的样本中确定了CD33蛋白上六个高度糖基化的位点，这些位点共有超过200种不同的N-链接糖基。每个糖基化位点都获得了深度的糖肽覆盖。这项研究的结果可能有助于理解CD33蛋白在不同细胞类型中的糖基谱变化，以及这些变化是否可能影响其功能或相互作用。研究结果可能对进一步的生物医学研究、蛋白质工程以及药物开发具有重要意义。
Parallel Symposiums --Proteomics in Precision Medicinee
并行研讨会--精准医学中的蛋白质组学
弗雷德·哈钦森癌症中心 CLIA靶向蛋白质组实验室主任 Amanda G. Paulovich博士
报告题目：《Proteomics in Precision Medicine（精准医疗中的蛋白质组学）》
Amanda G. Paulovich博士介绍了蛋白质组学对目前以基因组驱动为基础的精准肿瘤学方法的附加价值，并总结基于选择性/多重反应监测（SRM/MRM）质谱法的定向蛋白质组测量在临床前研究、临床试验以及临床实验室领域的应用，以支持靶点发现、药效动力学和作用机制研究以及诊断性蛋白质的定量。她认为，蛋白质组学的建立在肿瘤学及其他领域的更广泛精准医学应用中具有重要意义。
美国国家老龄化研究所（NIA）和美国国家神经疾病和中风研究所（NINDS） Andy Qi博士
报告题目：《Mis-spliced transcripts generate de novo proteins in TDP-43-related ALS/FTD（错剪接转录本在TDP-43相关的ALS/FTD中产生了新的蛋白质）》
Andy Qi博士的团队通过利用蛋白质组学方法研究了TDP-43耗尽引起地诱导多能干细胞（iPS）细胞分化的神经元的转录组和蛋白组的变化，以将肽段映射到精确的隐蔽外显子坐标，证明了隐蔽外显子在细胞模型和疾病样本中产生了新的蛋白质。基于iPS模型中识别的编码新蛋白质的隐蔽外显子，他们准确地将这些新蛋白质与ALS/FTD患者的人脑组织中表达的新蛋白质相匹配。并且在三重四极质谱仪上开发了一个高通量的靶向蛋白质组学测定方法，用于测量整洁的脑脊液中的两个隐蔽肽段，这可以作为临床上的“即用型”方法他表示，在TDP-43功能障碍的下游，特定的隐蔽外显子翻译对于理解ALS/FTD的病理生理学至关重要，并引入了未来生物标志物开发的先进策略。
威斯康星大学麦迪逊分校 教授 葛瑛
报告题目：：《Top-down Proteomics for Cardiac Precision Medicine（心脏精准医学中的自上而下蛋白质组学）》
葛瑛教授团队开发了超高灵敏度的顶级蛋白质组学，用于单细胞分析，捕获了大蛋白质形态（> 200 kDa）中的单个肌肉细胞异质性。并且通过动物模型和人类临床样本将异常的心脏蛋白质形态与心脏疾病中的收缩功能障碍联系起来。此外，课题组正在将创新的自上而下蛋白质组学技术与患者特异性的hPSC衍生心肌细胞（CMs）相结合，在工程化的心脏组织中理解心脏疾病中的蛋白质形态生物学，以用于精准医学。
贝勒医学院 分子与人类遗传学 教授 Bing Zhang
报告题目：《Pan-cancer proteogenomics expands the landscape of therapeutic targets（泛癌症蛋白质组学扩展了治疗靶点的领域）》
Bing Zhang教授团队对2863种可药用蛋白质进行泛癌症特征分析揭示了大范围的蛋白质表达动态范围，以及影响mRNA与蛋白质相关性不佳的生物学因素。将肿瘤的蛋白质组学数据与细胞系的遗传筛选数据整合，确定了蛋白质过表达或高活化驱动的可药用依赖关系。他认为，蛋白质组学鉴定的合成致死性为针对肿瘤抑癌基因丧失提供了一种策略，可以结合蛋白质组学分析和MHC预测，优先选择新抗原候选者。通过计算识别共享的肿瘤相关抗原，随后进行实验确认，将肽段提名为免疫疗法的靶点。综合这些分析，创造了一个全面的蛋白质和肽段靶点的全貌，为未来伴随诊断、药物再利用和新疗法的开发铺平了道路。
图兰大学医学院细胞与分子诊断中心助理教授、图兰大学蛋白质组核心设施主任 Jia Fan
报告题目：《Universal Identification of Mycobacterial Pathogens at Subspecies Resolution by the PEP-TORCH Algorithm（PEP-TORCH算法实现了对分枝杆菌病原体亚种分辨率的通用识别）》
Jia Fan助理教授团队开发了一种集成方法，用于富集分枝杆菌蛋白质，以进行基于质谱的肽段组学分析，可以在早期生长培养物中鉴定分枝杆菌的物种和亚种。这种分析流程为当前临床技术提供了节省时间的替代方法，并允许鉴定密切相关的分枝杆菌物种和亚种，包括传统上难以区分的M. abscessus的耐药和敏感亚种。该方法还可以消除其他质谱诊断方法所采用的次级培养的需求，并且可以在培养第七天检测到结核分枝杆菌特异性肽段，比标准培养方法提前了二十天进行诊断。她提议，这种自动化流程可以在临床环境中加速基于质谱的分枝杆菌物种和亚种鉴定，以改善诊断、治疗决策和疾病结果。
国家卫生研究院阿尔茨海默病及相关痴呆疾病中心（CARD） 博士后 Ying Hao
报告题目：《Longitudinal proteomic landscape of iPSC-derived Microglia study reveals altered expression of risk genes associated with Alzheimer's disease（iPSC衍生的微胶质细胞的纵向蛋白质组学研究揭示了与阿尔茨海默病相关的风险基因表达的改变。）》
Ying Hao博士介绍了她的研究使用两步生长因子为基础的分化方案，其在45天的微胶质细胞分化过程中进行了纵向蛋白质组学分析，通过质谱技术基于数据无差别获取（DIA）蛋白质组学获得了8个时间点的蛋白质组数据。研究发现IFN-γ在微胶质细胞发育过程中下调了高风险阿尔茨海默病（AD）基因（例如TREM2、CR1、ABCA1）的表达，但上调了微胶质细胞特异性的AD风险基因CD33，从而抑制了微胶质细胞的发育。这些结果表明，早期的炎症刺激可能促进微胶质细胞的成熟和功能，而晚期炎症可能会对微胶质细胞的功能产生负面影响。她认为通过调节神经炎症通路提供了治疗AD和相关疾病的潜在药物靶点的证据。
Parallel Symposiums--Regulated Bioanalysisincluding patient centric samplinge
并行研讨会 —— 包括以患者为中心的采样的受控生物分析
生科创新公司（Biogen）董事 Long Yuan
报告题目：《Hybridization LC-MS/MS for Quantification of siRNA in Plasma, CSF and Tissue Samples（杂交液相色谱-质谱/质谱技术用于血浆、脑脊液和组织样本中 siRNA 定量）》
Long Yuan董事报告了公司的研究比较了DNA和肽核酸（PNA）探针在杂交提取siRNA候选药物（siRNA-01）方面的效果，结果显示PNA探针实现了更好的提取回收率。并对杂交LC-MS/MS方法进行了优化，并成功对猴子血浆、脑脊液（CSF）和各种组织中的siRNA-01进行了定量分析，浓度范围为2.00 - 1000 ng/mL。经过优化的杂交LC-MS/MS方法在更广泛地用于定量分析其他siRNA和双链寡核苷酸方面具有巨大潜力。这一进展标志着制药领域新兴治疗药物分析的重大进展。
生物分析发现与开发科学部门 科学家 Karan Agrawal
报告题目：《Target Engagement Assessments Using Immunocapture-LC/MS-Based Antibody-Bound and Total Protein Measurements（靶点参与评估：基于免疫捕获液相色谱/质谱的抗体结合和总蛋白质测量）》
Karan Agrawal科学家展示了一种基于通用化的杂交LC-MS的靶标参与度测定方法，该方法不仅评估了治疗药物结合的靶标和总靶标浓度，还确定了用于药代动力学评估的治疗药物浓度，所有这些信息都可以从两个5 µL样本小分册中获取。之后还讨论了方法开发过程、样本数据分析以及在受监管环境中进行方法验证的建议。结论，这个工作流程代表了一种工具，可用于未来的生物分析研究，用于开发单克隆抗体治疗药物的有效杂交LC-MS靶标参与度测定方法。
Resolian 高级总监 Aihua Liu
报告题目：《Bioanalytical Challenges and Strategies Used to Develop Ultra-sensitive LC-MS/MS Assays to Quantify Inhalation Drugs in Human Plasma（生物分析挑战和策略：开发超灵敏度的LC-MS/MS测定法用于定量人类血浆中吸入药物）》
Aihua Liu总监报告了开发超灵敏度的LC-MS/MS测定法来定量人类血浆中吸入药物所面临的挑战和策略。他表示，在开发超灵敏度的LC-MS/MS方法时，应考虑分析物的结构，包括化学结构、关键功能基团和平衡酸解离常数（pKa）值；增加LC柱上的分析物量；通过使用正交提取方法进行样品提取的优化（PPE+SPE，LLE+SPE）；通过加入切换阀以进行柱的反向冲洗和正向冲洗，并使用二维（2D）色谱，如保护柱捕集或“心脏切割”色谱，以减少背景噪声，从而增加信噪比；以及增加质谱灵敏度；使用最灵敏的质谱系统，并添加几个MRM过渡以获得灵敏度。这些创新策略成功地应用于通过LC-MS/MS定量上述超低浓度吸入药物在人类血浆中的含量。
葛兰素史克GSK 首席科学家Kasie Fang
报告题目：《Derivatize on the anabolites----LC-MS/MS strategies for the selective and sensitive determination of intracellular di- and tri-phosphate in PBMC （酯化代谢产物 - 用于选择性和灵敏测定PBMC内二磷酸和三磷酸的LC-MS/MS策略）》
Kasie Fang科学家讨论了有选择性和灵敏度的LC-MS/MS测定方法开发策略，稳健的PBMC采集和有效的分析物稳定方法。她采用了化学酯化方法，使用1-乙基-3-(3-二甲氨基丙基)羧酸二亚胺（EDC）和己胺来降低分析物的极性，实现了在反相液相色谱-质谱分析中的直接应用。采用30/70/2（体积比）的RPMI-1640/甲醇/三氯乙酸处理PBMC，发现这种方法对于分析物的稳定和回收非常有效。还开发了用于犬和大鼠PBMC中同时分析GSK1-DP和GSK1-TP的方法，检测区间为2-2,000 ng/mL，以支持临床前研究。随后，对于在人类PBMC中分析GSK1-TP进行了优化，检测区间为0.1-100 ng/mL，以支持“人体首次给药”研究。所有三种测定方法均显示出高精密度和准确性。对分析物储备液、基质、工作台、长期、冻融和处理提取物的稳定性进行了系统评估，并证明是稳定的。
艾伯维（Abbive）DMPK-BA部门主管 Qin Ji
报告题目：《Honorable Highlighted Early Career Industry Scientists（杰出的早期职业行业科学家）》
Qin Ji主管介绍道，从今年的CASMS虚拟会议开始，他们将专门进行一个演讲，重点介绍质谱领域中早期职业行业科学家的情况。在演讲的下一部分，这些杰出科学家将为自己做两张幻灯片的介绍。他认为这将是一个展示杰出科学家的绝佳机会。这些杰出的科学家将激励其他人追求在行业中的职业进展。并鼓励其他人在未来联系CASMS，参与明年的演讲。随后有五位行业精英进行了精彩的快速介绍。
Parallel Symposiums--Frontiers in Data Acquisition and Analysise
并行研讨会 —— 数据获取与分析的前沿
美国东北大学教授 Olga Vitek
报告题目：《Multilevel statistical modeling for proteomic experiments with complex designs and isobaric labeling（复杂设计和同位素标记的蛋白质组学实验的多层次统计建模）》
Olga Vitek教授表示希望对随时间和多种条件下多次采集的生物样本中蛋白质丰度和翻译后修饰的变化进行表征。与此同时，蛋白质组学实验越来越多地引入串联质谱标签（TMT）标记，这是一种多重标记策略，既能够提高相对蛋白质定量的准确性，又能够提高样本通量。将复杂的实验设计与TMT多重标记相结合，会产生多种感兴趣的系统性变异源和干扰性变异的独特相互作用。他提倡在这种复杂情况下对数据进行统计分析进行多层次建模，并介绍其在开源的 R/Bioconductor 软件包系列中能够实现，特别是 MSstatsTMT、MSstatsPTM 和 MSstatsShiny。
加拿大滑铁卢大学 教授 Bin Ma
报告题目：《Novor.Cloud: Cloud-based proteomics free software for database search and de novo peptide sequencing（Novor.Cloud：基于云的蛋白质组学免费软件，用于数据库搜索和新序肽片段测序）》
Bin Ma教授介绍了Novor.Cloud是一款基于云计算的蛋白质组学软件，支持新序肽段测序和数据库搜索。用户可以将他们的自下而上的质谱数据以原始格式上传。分析结果可以通过网络浏览器进行可视化，并通过网络链接方便地与合作者共享。本演讲将讨论该软件的算法和特点。该软件可以免费登录访问，网址为 http://novor.cloud。
印第安纳大学伯明顿分校 教授 Haixu Tang
报告题目：《Deep learning approaches to computational mass spectrometry（深度学习在计算质谱学中的应用）》
Haixu Tang教授介绍了几种深度学习方法，用于解析分子的MS/MS谱中的复杂模式和规则，随后用于分子鉴定。PredFull是一个用于从肽段序列预测完整MS/MS谱的深度神经网络。PepNet可以解决逆问题，它使用全卷积神经网络从MS/MS谱中进行新序肽片段测序。最后介绍了3DMolMS，这是一个基于点的深度神经网络，用于从分子的三维（3D）构象中预测MS/MS谱。这些工具在大规模实验性MS/MS谱上进行了训练和评估，并在各自的任务中取得了最先进的性能。这些结果再次证实，深度学习算法可以从大规模实验数据中发现复杂的模式和规则，对科学研究非常有帮助。
阿尔茨海默病及相关痴呆疾病研究中心 数据科学家 Ziyi Li
报告题目：《ProtPipe: A multifunctional pipeline for mass spectrometry-based proteomics and peptidomics（ProtPipe：一款用于基于质谱的蛋白质组学和肽组学的多功能流程）》
Ziyi Li 科学家介绍了Protpipe ，它是一个多功能的蛋白质组学和肽组学数据分析工具。它旨在整合各种步骤和工具，以实现高效、准确的质谱数据分析，从而帮助研究人员更好地处理和解析蛋白质和肽的质谱数据，简化的多阶段数据处理和可视化。这个项目旨在建立一个简化的多阶段数据处理和可视化流程，用于标准化质谱后数据分析，并且还开发了一个集成的免疫肽组去卷积流程，旨在识别和解析复杂的免疫肽组数据。这个流程可以帮助科学家更好地理解免疫肽组中的肽段，从而为免疫学研究提供更深入的见解。它有多平台兼容性以及开源免费等优点。
