郭天南博士
Tiannan Guo, Ph. D.
生命科学学院

蛋白质组大数据实验室
联系
邮箱: guotiannan@westlake.edu.cn
网站: http://www.guomics.com





郭天南博士
Tiannan Guo, Ph. D.
生命科学学院

蛋白质组大数据实验室
联系
邮箱: guotiannan@westlake.edu.cn
网站: http://www.guomics.com



“'毕竟西湖六月中，风光不与四时同'：在这里，我们将融合西湖大学精心遴选的多个学科的独特优势，做不一样的蛋白质组研究；'接天莲叶无穷碧，映日荷花别样红'：在这里，我们将建立蛋白质组大数据，从中提炼出蛋白质表达和变化的数学规律。”


个人简介

郭天南，2006年毕业于华中科技大学同济医学院临床医学七年制，同时获得武汉大学生物科学双学位。2007-2008年曾在新加坡国立肿瘤中心从事医学研究工作。2012年获得新加坡南洋理工大学博士学位。2012-2017在瑞士苏黎世联邦理工大学Ruedi Aebersold教授实验室从事博士后研究。2017年初至七月在澳大利亚悉尼大学儿童医学研究所ProCan任Scientific Director，肿瘤蛋白质组Group Leader，悉尼大学医学院兼聘高级讲师。2017年8月加入浙江西湖高等研究院（西湖大学前身）任特聘研究员。

学术成果

数以千计的蛋白质存在于几乎所有生物体内，以不同的浓度混合，相互协作，执行各种生命活动。我们课题组的使命是在尽可能短的时间内，从尽可能小量的生物样本中，对尽可能多的蛋白质进行准确定量，进而解析生命活动的数学规律，最终实现基于蛋白质组的精准医疗，详见《年轻的蛋白质组学：华丽的诞生和成长的烦恼》。

课题组组长长期从事蛋白质组学相关研究，在蛋白质组技术开发和应用上做出多项原创性技术成果。在新加坡攻读博士学位其间，于2010年获得国家优秀自费留学生奖学金, 之后于2011年获得生命科学领域吴瑞奖学金。在Ruedi Aebersold教授实验室作为主要执行者建立了一套独特的高通量临床蛋白质组方法学（高压循环-卫星扫描质谱技术，PCT-SWATH），解决了将蛋白质组学实际应用于医学临床检验的一个核心技术难题， 实现了对小量临床样本的高重复性高通量的质谱分析，并将其应用于大量的临床样本（包括前列腺癌、肾癌等）以寻找生物标志物。基于PCT-SWATH，申请者协助多国合作者们建立了首批工业级别的大型临床蛋白质组平台。此外，现正将该质谱技术应用于临床检验诊断的几个关键领域，包括肿瘤样本的异质性和肿瘤药敏性预测方向，做出一些原创性工作。

代表论文


1. Protein Classifier for Thyroid Nodules Learned from Rapidly Acquired Proteotypes. MedRxived: June 17, 2020 10.1101/2020.06.14.**
通过临床大队列蛋白质组学分析，开发出预测甲状腺结节良恶性的方法。


2. Proteomic and Metabolomic Characterization of COVID-19 Patient Sera. Cell. 2020, 182(1): 59-72 e15 10.1016/j.cell.2020.05.032
首次报道了COVID-19病人血浆的蛋白组及代谢组，并筛选出了预测疾病严重程度的生物标记物。


3. Phenotype Prediction using a Tensor Representation and Deep Learning from Data Independent Acquisition Mass Spectrometry. bioRxiv: 10.1101/2020.03.05.978635v1
我们开发了DIATensor的格式, 将SWATH/DIA的数据转化为多维度超高分辨率图像, 可以从新的角度对临床样品的表型进行准确预测。


4. Accelerated Lysis and Proteolytic Digestion of Biopsy-level Fresh Frozen and FFPE Tissue Samples Using Pressure Cycling Technology. Journal of Proteome Research. 2020, 19(5), 1982-1990. 10.1021/acs.jproteome.9b00790
改进PCT技术，加快临床穿刺新鲜组织及石蜡包埋组织的蛋白质提取与酶解。


5. DPHL: A DIA pan-human protein mass spectrometry library for robust biomarker discovery.
Genomics, Proteomics and Bioinformatics. online 2020 Aug 12 10.1016/j.gpb.2019.11.008
基于Docker建立了开源的DIA谱库构建流程，并使用该流程建立了包含多种人体组织的DIA谱库DPHL，最后通过分析临床队列验证了该谱库的有效性。


6. High-throughput Proteomics analysis of FFPE tissue samples facilitates tumor stratification. Molecular Oncology. 2019. 13 (11) :2305-2328. 10.1002/1878-0261.12570
从石蜡包埋组织进行高通量样本制备与蛋白质组学研究，帮助肿瘤分型。


7. PulseDIA: in-depth data independent acquisition mass spectrometry using enhanced gas phase fractionation. bioRxiv: 10.1101/787705v1 In revision.
开发一种脉冲式，基于气相分馏多次进样的增强型DIA-MS方法，在相同有效梯度内增加了蛋白鉴定量。


8. Quantitative proteome landscape of the NCI-60 cancer cell lines. iScience. 2019, 21:664-680. 10.1016/j.isci.2019.10.059
本文首次使用包含蛋白质组学的多组学数据对药物敏感性进行系统预测，展示蛋白质组数据对表型预测的不可或缺性。


9. Multi-region proteome analysis quantifies spatial heterogeneity of prostate tissue biomarkers. Life Science Alliance. Published 29 May 2018. 10.26508/lsa.
首次对肿瘤蛋白质组异质性进行了系统定量研究。


10. Rapid mass spectrometric conversion of tissue biopsy samples into permanent quantitative digital proteome maps.Nature Medicine. 2015. 21, 407-413.10.1038/nm.3807
本文首次描述PCT-SWATH技术，并应用于临床活检样本的高通量蛋白质组分析


全部论文请见:http://www.guomics.com/PUBLICATIONS.html

联系方式

电子邮箱：guotiannan@westlake.edu.cn