- 移动端
上海中科新生命生物科技有限公司
18 年
手机商铺
- NaN
- 0.5
- 1.5
- 0.5
- 3.5
公司新闻/正文
蛋白组学样本选择犯难？血清血浆如何取舍，一文理清思路！
18 人阅读发布时间：2026-09-28 10:33
血液作为人体最重要的循环体液，不仅能实时反映机体生理与病理状态，也能够捕捉疾病发生发展中的动态分子改变。凭借采样便捷、创伤小的优势，血液蛋白质组学已成为疾病早期筛查、分型诊断、预后评估以及精准医疗与新药研发的重要支撑。
然而在真正开展血液蛋白质组学研究时，一个看似基础却常被忽视的问题始终摆在研究者面前：血清（serum）和血浆（plasma），到底该选哪一种？
本文从三个层面给出答案：先厘清两者的生物学本质差异，再结合近年代表性文献看实证结论，最后给出可操作的样本选择建议。
一、血清与血浆：到底差在哪？
血清和血浆都是血液的液体成分，但二者在成分、外观、制备流程、功能与临床应用上存在系统性差异。理解这些差异，是正确选择样本的前提。
1.1 成分差异（核心区别）
血浆（plasma）：血液的成分含有纤维蛋白原（fibrinogen）及各类凝血因子（在凝血过程中起关键作用），此外还包括水、白蛋白、球蛋白、电解质、营养物质等。
血清（serum）：血液自然凝固后析出的液体，不含纤维蛋白原及大部分凝血因子（因凝血过程中纤维蛋白原已转化为纤维蛋白并凝集去除），但含有白蛋白、球蛋白、电解质、激素、代谢废物等。
一句话：血浆保留了完整的凝血系统，血清则是"去掉凝血系统后的血液上清"。
1.2 外观与制备差异
全血、血浆和血清的成分差异
1.3 功能与临床应用差异
血浆：因保留完整凝血系统，主要用于凝血功能检测（如凝血酶原时间 PT、活化部分凝血活酶时间 APTT），以及临床输血治疗中补充血容量与凝血因子（用于凝血障碍、大出血、烧伤等患者）。
血清：因不含凝血因子，避免了凝血过程对检测指标的干扰，广泛用于临床生化检验（肝功能、肾功能、血脂、血糖、激素、肿瘤标志物）与免疫学检测。
1.4 一句话公式
血浆 = 全血 + 抗凝剂 + 离心（保留纤维蛋白原）；
血清 = 全血 − 抗凝剂 + 自然凝固 + 离心（去除纤维蛋白原）。
二、文献实证：血清与血浆，近年研究如何取舍？
在血液蛋白质组学研究中，血清与血浆孰优孰劣长期缺乏共识：一方面，血清在凝血过程中可能丢失部分蛋白质，并因血小板/红细胞破裂而混入外源蛋白；另一方面，血浆中添加的抗凝剂又可能干扰特定检测。为给出更扎实的判断，小编梳理了4 篇代表性研究。
2.1 DIA 定量蛋白质组学的功能比较
文章题目：Data-Independent Acquisition-Based Quantitative Proteomics for Pairwise Comparison of Serum and Plasma
- 研究设计：基于数据非依赖采集（DIA）的蛋白质组学，对同一供体的 10 对血浆-血清样本做发现集、8 对做验证集，系统比较两者蛋白谱。
- 功能通路差异：血浆中显著富集的蛋白主要参与吞噬体与免疫相关通路（如补体激活途径）；血清则突出表现为氨基酸代谢相关蛋白过表达，尤其是苯丙氨酸与色氨酸代谢途径。
- 器官来源偏好：肝脏来源蛋白在血浆中更高（与肝脏合成多数凝血因子的特性一致）；而血清中骨骼肌分泌蛋白占比更高，提示凝血过程可能释放肌源性蛋白。
- 肿瘤标志物线索：整合 TCGA 与 HPA 数据库，鉴定出血浆特异性标志物 CD5L（与卵巢癌预后相关）与血清特征蛋白 APOA4（在结直肠癌中异常表达）。
研究路线图
启示：在 DIA 无靶向检测中，血清与血浆在生物学功能与器官来源上并非"同一份样本"，跨样本类型的结论不宜直接平移。
2.2 孕期中Olink血液检测预测孕周的效能比较
文章题目：Comparative predictive power of serum vs plasma proteomic signatures in feto-maternal medicine
- 研究设计：取自一项多国前瞻性队列生物样本库，对 73 名女性的配对血清-血浆样本进行检测；采用 Olink（Target 96，13 个 panel）共测量 1,116 个蛋白（88 个配对样本）。
- 核心结果：血浆蛋白质组特征的预测力（R = 0.64）显著高于血清（R = 0.45）；血清与血浆的特征蛋白高度重叠，但血清蛋白与孕周的关联强度更弱。
- 结论：血清蛋白质组学信息量低于血浆，可能与样本处理中血清蛋白的部分体外降解与修饰有关；作者认为血浆是更优基质（preferred matrix）。
血清与血浆蛋白之间的关联强度
血清和血浆中与孕周显著相关的蛋白质的预测能力比较
启示：在以“预测生理/疾病结局”为目标的队列研究中，若样本类型可选，血浆通常能提供更稳健的信号。
2.3 阿尔茨海默病 NULISA 平台的基质对比
文章题目：Evaluation of serum as an alternative matrix to plasma for NULISA-based proteomic blood biomarker measurements
- 研究设计：评估新型 NULISAseq CNS 面板在 AD 诊断中的潜力，比较来自记忆门诊队列的 43 对匹配血清-血浆样本，对 124 个蛋白靶标定量。
- 相关性与差异：79 个蛋白的血清-血浆相关性强；48 个靶标差异显著，其中 32 个在血浆中更高。血浆中红细胞富集蛋白更多（HBA1、PGK1、SOD1、PRDX6），血清中血小板来源蛋白更多（CD40LG、BDNF、VEGFA、Aβ40）。
- 经典 AD 标志物：所有 tau 亚型在血浆中显著高于血清；GFAP 与 NfL 在两者相近；p-tau217/Aβ42 比值（对应 Lumipulse 已获 FDA 批准的临床指标）仅在血浆中显著，血清中不显著。
- 诊断效能：12 个靶标 + p-tau217/Aβ42 与 AD 诊断相关，血浆效应量（effect size）普遍更大。
血清与血浆之间NULISAseq中枢神经系统面板测量的相关性
血浆与血清的蛋白表达差异比较
启示：在靶向免疫检测（如 NULISA）中，尽管两者整体高度相关，但绝对量值与部分核心标志物存在基质依赖性差异——该研究支持血清可用，但显示血浆在该面板下表现更佳。
2.4 跨越鸿沟：血清-血浆SomaScan数据整合的"桥接"策略
- 文章题目：Bridging the gap: A systematic approach to integrating serum and plasma proteomic datasets for biomarker studies
- 研究设计：利用 SomaScan 平台，对 3 个独立队列中 177 对匹配的癌症患者血清-血浆样本进行高通量蛋白质组学分析（覆盖 7,289 个蛋白）。
- 桥接方法：基于配对样本，估计每类蛋白在血清与血浆之间的线性缩放因子（linear scaling factor），将因子应用于血清测量值，将其转换到血浆可比尺度（即"系统性变换"），使两类数据可合并分析。
- 结果：线性缩放因子在三个队列间高度一致，说明具备可推广性；91.6% 的蛋白在血清与血浆间存在显著相关（p < 0.05）。
- 验证：利用 OncoHost 的 PROphet® AI 血浆蛋白质组模型（预测非小细胞肺癌 NSCLC 免疫治疗结局）验证桥接策略——将缩放后的血清数据输入模型，其临床获益预测与生存分层结果与血浆数据相当。
血清‑血浆蛋白质组数据桥接流程
启示：当研究需合并不同基质的历史队列时，“桥接”策略提供了可行的数据整合方案。它与前文 NULISA 研究恰好构成“问题”与“解法”的互补：前者揭示差异，后者消除差异。
三、样本选择建议
综合上述机制与证据，给出以下可操作的判断框架：
1. 优先选血浆的典型场景
- 目标是以预测生理/疾病结局建模的队列研究（血浆信号更稳健，体外修饰更少）；
- 关注凝血相关、肝脏来源或免疫/补体通路分子；
- 使用靶向免疫检测平台（如 Olink、NULISA）且希望核心标志物量值稳定。
2. 可选血清的典型场景
- 临床实验室常规采集、样本更易获得、且已有血清参考区间；
- 关注氨基酸代谢、骨骼肌来源相关分子；
- 历史队列仅有血清样本，可借助"桥接"策略与血浆队列整合。
3. 跨样本类型整合的“桥接”思路
当需合并血清与血浆数据时，不要直接比较原始量值，而应基于配对样本估计缩放因子做系统性变换，再进行合并分析——这是目前最被验证可行的整合路径。
4. 样本类型的选择没有最优解
在蛋白质组学研究中，样本类型的选择没有绝对答案，取决于研究目标、平台与可用样本，应遵循"同一研究内基质一致"的基本原则。另外规范的前处理流程与高深度的检测能力，同样决定数据的可靠性。
参考文献：
1.Li Y, et al. Data-Independent Acquisition-Based Quantitative Proteomics for Pairwise Comparison of Serum and Plasma. J Proteome Res. 2025;24(6):2614-2627. DOI: 10.1021/acs.jproteome.4c00783.
2.Espinosa C, Ali SM, Khan W, et al. Comparative predictive power of serum vs plasma proteomic signatures in feto-maternal medicine. AJOG Global Reports. 2023;3(3):100244. DOI: 10.1016/j.xagr.2023.100244.
3.Farinas MF, et al. Evaluation of serum as an alternative matrix to plasma for NULISA-based proteomic blood biomarker measurements. Scientific Reports. 2026. DOI: 10.1038/s41598-026-46409-w.
4.Lahav C, Dahan N, Harel M, et al. Bridging the gap: A systematic approach to integrating serum and plasma proteomic datasets for biomarker studies. J Pharm Biomed Anal. 2026;274:117421. DOI: 10.1016/j.jpba.2026.117421.
中科优品推荐中科新生命提供完整的血液蛋白质组学解决方案。
关于中科新生命
上海中科新生命生物科技有限公司（APTBIO）创立于 2004 年，由原中国科学院上海生命科学研究院蛋白质组研究中心孵化而来，是国内质谱多组学应用领域的开拓者。公司以 “AI + 质谱多组学” 双核驱动创新，构建智能化组学生态。拥有自主知识产权的质谱检测平台与 AI 大数据分析系统，聚焦科技服务、生物医药及大健康消费三大领域，为全球科研机构、医院、药企提供从基础研究到临床转化的一站式解决方案。融合多组学技术与人工智能，围绕生物标志物发掘、药物靶点筛选及个性化诊疗等方向，构建具有国际竞争力的组学数据库与算法模型，推动转化医学进程，加速创新药物研发，成为推动生命科学数字化升级的核心引领者。