2.6.1 十年深度曲线
第 2 章走到这里，制备端（2.1–2.4）与采集端（2.5）的设计空间已经摊开；本节转向硬件本身。衡量仪器进步最直接的读数是蛋白组深度(proteome depth)：一个细胞定量到多少种蛋白。
这个数字十年间的轨迹，本身就是一部仪器与流程的协同进化史：2017 年 SCoPE-MS 预印本把单细胞定量做到百级量级（Budnik et al., 2018）；2021 年 SCoPE2 把每细胞口径抬到约千种、全数据集合计 3,042 种（Specht et al., 2021；口径详见 2.3.4）；2025 年前后，Chip-Tip 流程报告每细胞超过 6,000 种，其中含 168 种激酶与逾 200 种膜蛋白（Ye et al., 2025），同期另一项工作给出每细胞约 5,300 种（Bubis et al., 2025）。Sinn 与 Demichev（2025）在评论中的判断是：单细胞蛋白组学已可定量约半数表达蛋白组。图 2.6-1 把这条曲线画在对数轴上。
读这条曲线要抓三件事。其一，十年抬升约一个半数量级，斜率未见明显放缓；增益来自制备与仪器两端的合力，不是任何单点突破。
其二，"约半数"之后的每一格都比之前更贵：蛋白丰度呈长尾分布，越往低处，单种蛋白的拷贝数越少，凑够可鉴定的离子数越难，深度曲线不能线性外推到全蛋白组。其三，深度数字全部带着口径——细胞类型、梯度长度、标记策略不同，数字可差出一倍以上；口径的语言见 2.3.4 与本节 2.6.6。
口径如此要紧，值得先拿一个现成的例子练手。
Chip-Tip 的数字怎么读。"每细胞超过 6,000 种蛋白"至少要拆成三层：第一层是口径，这是每细胞而非跨细胞合计；第二层是构成，168 种激酶与逾 200 种膜蛋白值得单列，因为激酶多属低丰度调控蛋白、膜蛋白疏水难测，它们的覆盖说明深度已进入信号传导与膜生物学层面，而不只是高丰度骨架蛋白的重复计数；第三层是条件，深度与细胞类型、梯度、仪器配置绑定，换一个体系不能照搬数字（Ye et al., 2025）。
深度过半的意义不止于数字。约半数表达蛋白组意味着多数信号通路的核心组分已进入可测范围，激酶覆盖 168 种即为佐证；深度至此，单细胞蛋白组学开始有能力回答"通路活性差异"一类的问题，而不止于细胞类型的粗分类（Sinn and Demichev, 2025）。这也是"深度"作为指标的分量所在：它是问题空间的一把尺子，不是排行榜上的名次。
2.6.2 增益来源一：分析器速度与离子利用率
深度从哪里来？把一台质谱想成一本离子流的账，答案只有一句话：让更多已经生成的离子实际贡献信号。为此先立一个根本性指标。
离子利用率（ion utilization efficiency）：进入离子源的离子中，实际对鉴定与定量作出贡献的比例。单细胞样品的离子来源只有约 100–200 pg 蛋白，任何一环的浪费都直接折算成深度损失；离子利用率因此是单细胞测量的根本效率指标（Slavov, 2026）。
从样品到数据要过四道关：进样与制备（表面吸附、稀释、回收不全）、电喷雾离子化（雾滴内的竞争与离子抑制）、真空接口与离子光学（传输损失）、扫描与利用（循环周期内没轮到碎裂的离子直接流失）。
总利用率是各环节保留率的连乘：
分析器的速度改写的是第四个因子。质量分析器(mass analyzer)按质荷比分拣离子，其中轨道阱(Orbitrap)以离子沿静电轨道回旋的频率测质量、以高分辨率著称，但单次扫描要等回旋信号积累，扫描频率有限。
新一代静电分析器(electrostatic analyzer)（如与轨道阱联用的 Orbitrap Astral 中的 Astral 分析器）让离子在静电反射镜之间沿非对称轨道多次反射、近乎无损地抵达检测器，毫秒级即可完成一次扫描，商品系统据此把二级扫描频率抬到约每秒两百次（约 200 Hz；Bubis et al., 2025）。
需要泼一瓢冷水：扫描快只是"用得快"，并不改变进入离子源的离子总数。若离子化与传输环节供给不足，分析器空转，深度照样上不去。
AstrAL 类仪器在单细胞上的增益，是与预置柱进样、低流失液相组合之后才兑现的（Ye et al., 2025；Bubis et al., 2025）——式 (2.6-1) 的连乘结构决定了单项改进的天花板。
速度的副产品是数据量。扫描频率翻上数倍，每针的谱图数与原始文件随之线性膨胀，存储、传输与检索算力成为新的现实成本；算法端也须同步跟上——免库 DIA 检索在高扫描速度数据上的计算开销，正是 2.5 节所述算法生态持续演进的动因之一。仪器越快，"测得完"与"算得完"的差距越值得纳入流程设计。
习题 2.6-1
设某单细胞酶解物电喷雾后、进入质量分析器之前共有 2×108 个肽段离子（示意量级），四个环节的保留率依次约为 0.5、0.2、0.4、0.05。（a）按式 (2.6-1) 求总离子利用率与实际贡献信号的离子数。（b）新型分析器把第四环节的保留率提高到 0.10，总利用率变为多少？（c）鉴定的蛋白数会随之翻倍吗？给出一个基于计数统计的定性论证。
参考解答（a）η = 0.5×0.2×0.4×0.05 = 0.002；Nuse = 2×108 × 0.002 = 4×105。（b）0.5×0.2×0.4×0.10 = 0.004，恰好翻倍——连乘结构下，其余环节不变时，单环节翻倍即总利用率翻倍。（c）不会。低丰度肽段能否鉴定服从计数统计：信噪比随离子数按平方根量级改善，离子数翻倍只把检出限下移约 21/2 ≈ 1.4 倍；且高丰度部分早已检出，新增离子大多花在丰度长尾上，蛋白鉴定数的增长是次线性的。这正是 2.6.1 节"深度曲线越走越贵"的微观解释。
2.6.3 增益来源二：离子淌度再分一维
第二个增益维度在气相里。离子淌度(ion mobility)按离子在缓冲气体中的漂移快慢再分一维，物理依据是碰撞截面(collisional cross section, CCS)——离子与气体分子碰撞的等效面积。2.5 节已见过它与 DIA 的组合（diaPASEF 的斜切窗口）；本节从利用率的角度再读一遍。
timsTOF 类平台采用陷俘离子淌度(trapped ion mobility spectrometry, TIMS)：离子先在阱中并行累积，再按淌度依次释放。累积期间离子停在阱里，而不是一路流过分析器白白丢掉；释放节奏又与飞行时间质谱同步，占空比(duty cycle)接近百分之百（Meier et al., 2020）。这正是离子利用率思想在淌度维上的实现。
对深度的贡献有两笔。其一，干扰减少：共洗脱的肽段若碰撞截面不同，进入碎裂区之前先分开一维，碎片离子更纯净，低输入下谱图信噪比与检索置信度同时受益——1.4 节"共洗脱竞争"的老问题在第二维得到部分化解。
其二，母离子用得更省：淌度分离后的离子束更窄，同样的隔离窗口实际框进的干扰更少，等价于每个窗口的有效纯度上升。免标记自动流程正是把这类平台与自动制备组合的实例（Ctortecka et al., 2024）。
边界也写在这里。淌度分辨力有限，碰撞截面相近的离子仍混在一起；diaPASEF 的窗口设计依赖质荷比与淌度的对角分布带，肽段偏离对角带时覆盖受损；多出的这一维还推高数据量与解卷积的计算成本。淌度是"再分一维"的增益，不是无条件的白拿。
2.6.4 增益来源三：低流失液相与短梯度
第三个增益来源在离子源之外。2.3 节讲过 SCoPE2 的窄孔柱配置：75 µm 内径、200 nL/min——同样多的肽段在更细的柱床上洗脱，浓度更高、雾滴更小，色谱与离子化两端同时受益。
这条路的延伸方向就是把内径与流速继续往下压（数十微米级，量级），换取更高的有效浓度；代价是柱子更娇气，对颗粒物与死体积零容忍，制备端的洁净（2.1、2.4 节）反过来成为前提。
另一半改进是标准化。预置柱(preformed column tip)（如 Evotip 类）把样品先载入一次性微量柱尖富集固定，进样与梯度分离由此解耦：上样体积不再挤占梯度时间，残留污染可控，进样重复性提高。
配套的 Evosep 类液相把常用方法固化为预设梯度档位（如每日约 30、60、100 针，对应每针约 45、21、15 min，量级参考），每针时长从 SCoPE2 的约 95 min 压到数十分钟乃至更短。
短梯度对深度是双刃。梯度压短，峰变窄、峰容量下降；按式 (2.5-2)，峰宽收窄时循环时间必须同步压短，否则每峰点数不足、定量失稳。旧仪器在这里无解——快不起来；高速分析器恰好补上这块短板：峰更窄、扫描更快，两个短处拼成一个长处。Chip-Tip 流程即按此逻辑，把预置柱进样与高速分析器组合（Ye et al., 2025）。硬件增益很少来自孤立的部件，多来自互相解锁的组合——这是本节的核心论点。表 2.6-1 把三类来源并列。
标准化还有一层账：残留污染。针与针之间的携带残留决定了需要插入多少空白针冲洗，短梯度若被频繁的空白针打断，通量优势归零；预置柱一次性使用的性质恰好剪断了这条损失链——2.1 节开列的敌人清单，在仪器端至此收口。
| 增益来源 | 作用环节 | 机理要点 | 代表配置（举例） | 主要代价 |
|---|---|---|---|---|
| 分析器扫描速度 | η₄ 扫描利用 | 同峰宽内安排更多二级扫描，窗口更窄或母离子更多 | 轨道阱＋静电分析器联用（Orbitrap Astral 类） | 数据量剧增；离子供给不足时增益打折 |
| 离子淌度 | η₃、η₄ | 按碰撞截面再分一维；并行累积近全占空比，碎片更纯净 | timsTOF 类（diaPASEF） | 分辨力有限；数据与算力成本上升 |
| 低流失液相 | η₁、η₂ | 更窄内径与更低流速提高有效浓度；预置柱把进样标准化 | 数十微米柱＋Evotip/Evosep 类 | 系统娇气，洁净与维护要求高 |
表的最右一列与式 (2.6-1) 对读：任何一类增益的代价，都是把损失推向别的环节或别的成本项——快扫描推高数据量，淌度推高算力，窄柱推高维护。天下没有只赚不赔的因子。
2.6.5 通量与自动化
深度之外另一条轴是通量(throughput)：单位时间测量的细胞数。它的算式只有三个因子：
自动化是把人从流程里拿掉。cellenONE 类自动挑针按图像识别挑出单细胞、直接点到 proteoCHIP 载片，与 timsTOF 类仪器组成免标记自动流程，深度足以支撑细胞类型区分之外的生物学问题（Ctortecka et al., 2024）。自动化的贡献不在单针性能，而在把批间的人为波动压掉、把"制备—上机"的无缝衔接变成常态——2.3 节的稳健化逻辑在仪器端的延续。短梯度与自动制备叠加，日通量正从百级向千级推进（量级判断；Slavov, 2026）。
图 2.6-3 把深度与通量的关系画成一张地图：横轴通量、纵轴每细胞深度，既有方法各占一角。
流程内部的选择（梯度长短、标记与否）大体只能沿"机时前沿"滑动——要一头就得让另一头；硬件与制备的进步才把整条前沿向外推。这也是本节把增益来源逐一拆开的原因：前沿的每一次外移，都对应式 (2.6-1) 中某个因子的实质改善。
这张地图是静态的，前沿不是。把不同年份的配置画到同一坐标系里，2.6.1 的深度曲线其实就是前沿外移在纵轴上的投影。
深度与通量的跷跷板。同一台仪器、同样的机时，深度与通量尚难同时最大化：长梯度、免标记，深挖少数细胞；短梯度、多重标记，摊给大量细胞。两者共享离子利用率的物理上限——可供碎裂的离子数给定了，要么集中花在少数细胞上，要么摊到多数细胞上。选流程先定优先级：问题问的是少数细胞的深画像（信号通路、低丰度调控因子），还是大量细胞的粗粒度结构（组织异质性、罕见群体）。表 2.5-1 的四条路线，就是这架跷跷板上的四个位置。
把跷跷板写进实验设计，顺序是固定的：先回答优先级，再按表 2.5-1 选路线，最后用式 (2.6-3) 核对通量是否够用。三步次序颠倒，常见的结果是深度与通量两头都没拿到。
习题 2.6-2
免标记单通道流程，每针 30 min，每日有效机时 20 h。（a）按式 (2.6-3) 求通量上限。（b）改为 16 通道 TMT：13 个单细胞通道、1 个载体通道、2 个参比通道，每针仍 30 min，等效日通量与相对增益是多少？（c）若保持免标记、把每针压到 21 min，通量变为多少？为什么（b）的"等效"要打引号？
参考解答（a）20 h ÷ 0.5 h = 40 针；免标记每针一个细胞，通量上限 40 个细胞/日。（b）40 针 × 13 个单细胞通道 = 520 个细胞/日，为免标记的 13 倍。（c）20×60 ÷ 21 ≈ 57 针，约 57 个细胞/日。（b）的等效只在"名义细胞数/日"这一层成立：其一，同一针的离子与扫描分摊给 13 个细胞，每细胞深度下降，报告离子层还带来比值压缩与载体相关的定量假象（2.2、2.3 节）；其二，质控通过率要折损（2.3.4 的 64% 一类的口径）；其三，TMT 试剂成本另计。深度与定量精度并不随名义通量等效放大。
2.6.6 冷静的账：成本、口径与仍难企及的目标
先算机时账（量级估算）。沿用习题 2.6-2 的配置：免标记每日 40 个细胞，机时费按每小时 300 元量级计，日耗约 6,000 元，折合约 150 元/细胞（机时口径）；16 通道多重标记每日约 520 个细胞，机时口径折合约 12 元/细胞。
后者要把试剂、载体通道、质控损耗与比值压缩的精度损失一并记账（2.3 节的习题按合格口径算出约 59 元/细胞，配置不同数字不同，量级一致）。深度换通量的价格，就写在这两个数字的比值里。
口径陷阱：每细胞 vs 合计。"从单细胞鉴定 6,000 种蛋白"与"全部细胞合计 6,000 种"相差悬殊——后者把跨细胞、跨 run 的并集当作卖点，每个细胞实际看到的可能少得多；2.3.4 的表 2.3-1 是现成的例子（合计 3,042 种，每细胞约千种）。
读深度数字先找三处：表题或图注里"每细胞"的字样；给的是均值还是中位数、缺失率多少；"鉴定"与"定量"是否分开陈述（Gatto et al., 2023）。摘要里的数字若找不到这三处支撑，一律按最保守口径理解。
再看仍未企及的目标。翻译后修饰：修饰肽段只占酶解物的一小部分，富集需要远超单细胞的材料量，单细胞磷酸化一类分析仍处早期，深度与稳健性都落后于全蛋白组。
proteoform：哪些修饰共存于同一个蛋白分子，这层信息在酶解那一步已经丢失（1.4.7）；自上而下路线能保留它，但通量与灵敏度距离单细胞尚远。绝对定量：需要逐肽加入已知量的内标，单细胞尺度几无实现，主流仍是 run 内相对定量。深度曲线的下半程，大概率要靠这些"非深度"维度的突破来定义新的前沿。
习题 2.6-3
某论文摘要写"从单细胞定量约 6,000 种蛋白"。列出你评估这个数字时至少要核对的五项口径，并各说明一项对应的误读风险。
参考解答①每细胞还是合计：合计口径把并集当卖点，单细胞实际覆盖可能低数倍（2.3.4 的例子相差约三倍）。②鉴定还是定量、FDR 控制在哪一层：PSM、肽段、蛋白层的 1% 不等价，"鉴定"不保证有可用的定量值。③均值还是中位数、缺失率多少：均值受少数好细胞抬高，缺失结构才是数据可用性的真实读数。④细胞类型与制备流程：深度随体系与配置浮动，数字不能跨体系照搬。⑤仪器与梯度配置、通量代价与标记策略：同一深度若以长梯度换取，通量折损须一并报告；是否多重标记、有无载体通道，直接改变定量假象的结构（Gatto et al., 2023）。
本节从仪器端收束第 2 章：深度与通量的边界，最终都落在同一条离子流的账上。
- 深度：每细胞定量蛋白数十年间从百级抬到数千种，约达表达蛋白组之半；曲线的每一格都注明口径，越往后越贵，深度是问题空间的尺子而非排行榜名次；
- 增益来源：分析器扫描速度加密扫描利用环节，离子淌度以近全占空比再分一维，低流失液相与预置柱守住进样与离子化环节——三者按式 (2.6-1) 连乘，靠组合互相解锁；
- 通量：短梯度与自动化把日通量从百级推向千级；深度与通量共享离子利用率上限，流程选择沿机时前沿滑动，硬件进步才把前沿外推（图 2.6-3）；
- 成本：每细胞机时成本随配置差出一个数量级（免标记约 150 元 vs 多重标记约 12 元，机时口径、量级估算），报价必须连口径一起给；
- 口径：每细胞与合计、鉴定与定量、均值与中位数，三处口径不定，深度数字无从谈起（2.3.4、Gatto et al., 2023）；
- 边界：翻译后修饰、proteoform 与绝对定量仍未企及，深度曲线的下半程将由这些维度重新定义。
第 3 章离开质谱路线，转向亲和方法：测什么、测多快、测多准，将换成另一套物理与另一本账。
关键术语
- 离子利用率 (ion utilization efficiency)
- 进入离子源的离子中实际对鉴定与定量作出贡献的比例。
- 蛋白组深度 (proteome depth)
- 单个细胞定量到的蛋白种数，报告时必须注明口径。
- 质量分析器 (mass analyzer)
- 按质荷比分拣与检测离子的质谱核心部件。
- 轨道阱 (Orbitrap)
- 以离子沿静电轨道回旋的频率测质量的高分辨率分析器。
- 静电分析器 (electrostatic analyzer)
- 以静电场轨道多次反射分离离子的高速分析器，如 Astral。
- 离子淌度 (ion mobility)
- 气相离子按碰撞截面在缓冲气体中漂移分离的额外一维。
- 碰撞截面 (collisional cross section)
- 离子与缓冲气体碰撞的等效面积，淌度分离的物理依据。
- 占空比 (duty cycle)
- 分析器实际检测离子所占的时间比例，并行累积可使其接近 100%。
- 预置柱 (preformed column tip)
- 预先载样富集的微量柱尖，把进样与梯度分离解耦并标准化。
- 短梯度 (short gradient)
- 数十分钟的预设梯度，以峰容量换通量与进样重复性。
- 通量 (throughput)
- 单位时间测量的细胞数，分名义与合格两个口径。
参考文献与延伸阅读
- Budnik B, Levy E, Harmange G, Slavov N. 2018. SCoPE-MS: mass spectrometry of single mammalian cells quantifies proteome heterogeneity during cell differentiation. Genome Biology 19: 161.
- Bubis JA, Arrey TN, Damoc E, et al. 2025. Challenging the Astral mass analyzer to quantify up to 5,300 proteins per single cell at unseen accuracy to uncover cellular heterogeneity. Nature Methods 22: 510–519.
- Ctortecka C, et al. 2024. Automated single-cell proteomics providing sufficient proteome depth to study complex biology beyond cell type classifications. Nature Communications 15: 2474.
- Derks J, Derks J, Leduc A, Masselon C, et al. 2023. Increasing the throughput of sensitive proteomics by plexDIA. Nature Biotechnology.
- Gatto L, Aebersold R, Slavov N, et al. 2023. Initial recommendations for performing, benchmarking and reporting single-cell proteomics experiments. Nature Methods 20: 375–386.
- Lin HJL, Webber KGI, Nwosu AJ, Kelly RT. 2024. Review and practical guide for getting started with single-cell proteomics. Proteomics 25(1–2): e202400021.
- Meier F, Brunner AD, Koch S, et al. 2020. diaPASEF: parallel accumulation–serial fragmentation combined with data-independent acquisition. Nature Methods 17: 1229–1236.
- Sinn LR, Demichev V. 2025. Entering the era of deep single-cell proteomics. Nature Methods 22: 459–460.
- Slavov N. 2026. Single-cell proteomic technologies: tools in the quest for principles. Annual Review of Biophysics 55: 253–275.
- Specht H, Emmott E, Petelski AA, Huffman RG, Perlman DH, Koller A, Slavov N. 2021. Single-cell proteomic and transcriptomic analysis of macrophage heterogeneity using SCoPE2. Genome Biology 22: 50.
- Ye Z, Sabatier P, et al. 2025. Enhanced sensitivity and scalability with a Chip-Tip workflow enables deep single-cell proteomics. Nature Methods 22: 499–509.