浙江中醫藥大學孫秋華教授發表題為“Multi-omics Analysis at Serum Proteomic and Metabolomic Levels Reveals Mechanisms of Moxibustion for a Mouse Model of Ankylosing Spondylitis”的研究性論文。這項研究的目的是確定艾灸改善強直性脊柱炎(AS)癥狀的潛在分子機制。

此外，基于質譜的代謝組學和脂質組學研究COVID-19也很有意義。研究者開發利用代謝組學和脂質組學技術研究SARS-CoV-2病毒感染的不同癥狀患者或感染細胞模型的方法流程。通常，來自血液和其他生物指標(如尿液、唾液、拭子和呼吸標本)的血清、血漿和PBMCs可用于COVID-19患者的靶向或非靶向代謝組學或脂質組學分析。比較后再進行多元統計分析，可用于研究不同COVID-19嚴重程度的代謝物或脂質生物標志物。

通過綜合“組學”方法發現生物標志物和調查改變的分子網絡，可能是能用于更好地了解COVID-19的有利工具，蛋白質組學、糖組學、脂組學和代謝組學是上游基因組和轉錄組學活動的最終產物，未來的研究應聚焦于整合組學在COVID-19中的應用，這有助于更好地理解感染、發病機制和治療靶點的分子機制。

此外，層次聚類分析顯示，晚期CRC的血清蛋白質組比代謝組更多樣化，癌癥相關的蛋白質和代謝產物參與了細胞代謝，包括糖酵解/糖異生、氨基酸生物合成、谷胱甘肽代謝和花生四烯酸代謝等。最后，作者構建了晚期CRC血清的蛋白-蛋白相互作用網絡。最后，作者選擇了三種代謝物(氫醌、亮氨酸和鞘磷脂)和兩種蛋白(凝血因子XIII A鏈和血漿激肽酶)作為晚期CRC的潛在生物標志物。

本研究中的結果對晚期結直腸癌生理病理的理解起到了推動作用，并發現了新的潛在生物標志物，用于進一步驗證和應用，以改善晚期結直腸癌的診斷和監測。

從《Nature Methods》年度關注技術到癌癥登月計劃，Data-independent Acquisition(DIA)數據非依賴型采集模式，突破了傳統的數據采集模式，實現了無偏向性地全息采集樣本中所有分子信息，在覆蓋度、準確性、穩定性上實現了全面提升，是當下蛋白質組學研究領域的熱門技術。

蛋白組學領域重點期刊Molecular & Cellular Proteomics發表了一篇社論，題為“Initial Guidelines for Manuscripts Employing Data independentAcquisition Mass Spectrometry for Proteomic Analysis”，也在為DIA技術站臺發聲。

對于較小的樣本個數，TMT等同位素標記定量有著出色的表現，但是對于大的樣本量，比如大隊列的臨床樣本、FFPE樣本，非標記定量的方法變顯現出了對的優勢，DIA為DDA的升級款采集方法，在數據采集方面有著出色的表現，專為大隊列樣本而生，并且能夠完美的與大隊列代謝組學數據相匹配。

1.每年持續更新最版本的數據檢索軟件，保證數據解析能力，更高的數據解析性能，采用深度建庫方式使得數據解析率更高。

大隊列樣本蛋白鑒定數量維持在一個比較平穩的高水平，證明從樣本的前處理到上機操作以及質譜儀的狀態都保持在一個穩定的狀態。

3.青蓮的項目都能免費使用biolader云平臺進行數據個性化處理，是一個專業的生物信息在線分析和可視化平臺，為廣大的科研工作者提供方便、快捷的數據處理、功能分析和可視化作圖服務。