《Scientific Data》：Proteomic profiling of human omental and subcutaneous adipose tissue in individuals with a broad range of BMI
编辑推荐：
为解决肥胖背景下脂肪组织生物学特性及能量分配的解剖位置（脂肪库）特异性变化问题，研究人员针对无共病的代谢健康个体，跨越广泛的体重指数范围，开展了匹配的大网膜与皮下脂肪组织定量蛋白质组学研究。该研究通过数据非依赖采集液质联用技术，获得了高质量、可公开获取的蛋白质组数据集，为揭示肥胖发展初期脂肪组织的生物学演变及库区特异性生理特征提供了宝贵资源，对深入理解肥胖及相关并发症的机制具有重要意义。
肥胖已成为影响全球健康的严峻挑战，与糖尿病、心血管疾病等诸多并发症紧密相连。我们的身体里，脂肪并非均匀分布的“一团”，它们依据位置被划分为不同的“仓库”，例如皮肤下的皮下脂肪和包裹腹腔器官的大网膜脂肪。这些脂肪仓库的“脾气”大不相同，它们对能量储存和释放的“管理方式”，以及在炎症、代谢等方面的“行为偏好”都可能存在差异。科学家们认为，随着体重增加，这些脂肪仓库的生物学特性会发生特定的、先于疾病出现的改变。然而，在人体中，跨越从苗条到肥胖的整个体重范围，系统地描绘这些脂肪仓库在蛋白质层面的具体“画像”，仍然是一个有待深入探索的领域。这正是本研究旨在攻克的难题：在并发症出现之前，精确捕捉随着脂肪量增加，不同脂肪组织中蛋白质世界的动态演变。
为了回答上述问题，研究团队在《Scientific Data》上发表了一项研究。他们收集了在择期手术中获取的、来自代谢健康且无共病个体的配对皮下和大网膜脂肪组织样本，这些样本覆盖了广泛的体重指数范围。样本在获取后立即进行处理，部分用于组织学分析，部分冻存以备后续蛋白质组学检测。研究的核心技术方法是数据非依赖采集液相色谱-串联质谱技术，该方法能够对复杂样本中的蛋白质进行系统、定量的分析。整个研究流程建立了内部和外部的质量控制体系，确保了所生成数据的高质量与可靠性。最终，所有原始及处理后的数据均已通过ProteomeXchange数据库公开共享。
研究结果
高质量、可公开获取的人类脂肪组织蛋白质组数据集
研究人员成功建立并提供了一个全面、定量的人类脂肪组织蛋白质组学数据集，涵盖肽段和蛋白质两个层面。所有数据均遵循了严格的质量控制标准，并通过ProteomeXchange平台（标识符：PXDXXXXXX）向科学界完全开放，为后续相关研究提供了宝贵的基础资源。
跨越BMI谱系的样本队列特征
本研究纳入了XX名代谢健康、无已知共病的个体，其体重指数覆盖了从正常体重到肥胖的广泛范围。所有参与者均在择期手术（如非急诊的腹腔手术）中提供了配对的皮下脂肪和大网膜脂肪组织样本。这种匹配取样设计是揭示脂肪库特异性差异的关键。
脂肪组织的组织学确认与质量控制
对收集的部分脂肪组织样本进行了标准的组织学处理（苏木精-伊红染色），以确认其脂肪细胞形态和结构完整性，排除了明显的病理变化，确保了用于蛋白质组学分析的样本是典型的脂肪组织。
基于DIA LC-MS/MS的深度蛋白质组覆盖
应用数据非依赖采集液相色谱-串联质谱技术，研究团队对所有人脂肪组织样本进行了系统的蛋白质组分析。该技术能够无偏倚地捕获样本中几乎所有的肽段信号，从而实现深度覆盖。数据分析流程鉴定了数千个蛋白质，为后续的生物学洞察奠定了数据基础。
数据质量控制与重复性评估
研究实施了严格的质量控制流程。包括使用标准样品进行仪器状态监控，以及分析技术重复样本以评估实验流程的重复性。结果表明，整个蛋白质组学工作流程具有高度的稳定性和可重复性，蛋白质定量数据可靠。
研究结论与讨论
这项研究系统地描绘了在代谢健康状态下，随着体重指数升高，人体皮下与大网膜脂肪组织的蛋白质组景观。所构建的高质量、公开可用的数据集，其核心价值在于捕捉了肥胖并发症出现之前，脂肪组织生物学特性的早期变化轨迹。通过匹配取样策略，该研究为比较不同脂肪仓库（皮下 vs. 大网膜）的生理和分子特征提供了独特视角，有助于未来揭示为何不同部位的脂肪堆积会带来不同的健康风险。研究者强调，理解脂肪组织在肥胖早期阶段的适应性重塑过程，对于开发预防和治疗肥胖相关代谢疾病的新策略至关重要。此数据集作为一个强大的资源平台，将激励全球科学家深入挖掘，有望在未来发现新的生物标志物、药物靶点，并深化对脂肪组织在能量稳态和系统代谢中复杂作用的认识。
