2019年3月20日，MCP 杂志在线发表题为“Comprehensive analysis of individual variation in the urinary proteome revealed significant gender differences”的研究论文。为了阐明个体差异及影响尿蛋白组的相关因素，来自北京师范大学高友鹤教授、国家肾脏病重点实验室的吴镝课题组及中国科学院基础医学科学研究所的孙伟研究团队等联合开展研究。作者通过对20-69岁健康成人的尿液样本进行了蛋白质组学分析，研究发现了尿蛋白的代谢状态、性别相关差异和年龄相关差异，尤其是证明了性别是导致个体差异的关键因素；最后，通过特征蛋白质的参考区间提供了发现尿液生物标志物分析异常的基线。

　　该研究选择了49名健康献血者（年龄在20-69岁）的尿液（样本策略）进行分析。根据年龄将其分为5个类别，每个类别的间隔为10年。因此，整个样本根据年龄和性别共分为十组。由于样本检测的复杂性，采取了无标签定量技术（Label-free）方法进行蛋白质组定量（质谱策略）。最终鉴定到3008个蛋白质（FDR<1%且unique peptide="">2），其中可定量到1872个蛋白质。

Figure 1. 蛋白组学技术流程路线

　　作者通过构建蛋白质共表达网络，分析了在不同个体中具有相似尿表达谱的蛋白质，并绘制了具有相似表达谱的蛋白质簇的代表性互作网络，以及不同年龄和性别组中蛋白质丰度的可视化蛋白质丰度分布图。通过REACTOME数据库对其最大的子网进一步分析发现，共有36种蛋白质参与了代谢途径；其中显著富集到的有碳水化合物、氨基酸和衍生物、生物氧化和维生素和辅因子代谢途径。同时发现12个蛋白质在肾脏和肝脏中高表达，进一步说明这个子网可能代表了代谢状态异常与否的关键性尿指标。

Figure 2. 蛋白共表达网络

　　作者从组学结果中筛选出了男性和女性尿液样品中显著变化的35和76个蛋白质。首先针对可能来自生殖系统的蛋白质进行了亚细胞定位和IPA分析，发现在不同性别组中增加的蛋白质对细胞侵袭显示出相反的作用。随后作者从中选择了9类特征蛋白质在85个独立样本上进行MRM验证，并建立了用于区分男性和女性样本的“尿液模型”；最后通过2D LC-MS / MS分析证实了大多数样品符合这一“模型”预测。

Figure 3. 不同性别的尿液模式分析

　　正常尿蛋白质组的表征为疾病的诊断和监测提供了基础信息。作者在这项研究中，发现性别是除年龄外导致个体差异的关键因素。男性和女性尿蛋白质组表现出不同的表达谱，并且可以通过仅由五种蛋白质组成的线性模型准确区分。