邵宇 陈达飞 | 百年美联储:从诞生到二战——拆解美联储资产负债表(一)
来源:原文首发澎湃. 澎湃商学院栏目
作者邵宇为东方证券首席经济学家、总裁助理,中国首席经济学家论坛理事;陈达飞为东方证券宏观研究员、财富研究中心执行主管;东方证券博士后工作站赵宇博士对本文亦有贡献
本文为笔者澎湃专栏“流动性经济学”新专题——百年美联储的第一篇。我们搜集并整理了美联储自1914年至今的资产负债周度数据,含详细科目,以此考察美联储货币政策操作的逻辑。本文为总览,以及1914-1941年的历史。全文8,700字。
全球宏观经济可能在滑向最糟糕的象限——滞胀。至少在中期内,它都将是宏观政策和资产价格面临的压力测试。一方面,新冠疫情的冲击和扩张的财政、货币政策产生的供求缺口导致要素价格——工资和大宗商品持续上升,引发通胀预期持续升温;另一方面,2008年以来导致经济长期停滞的力量仍在发挥作用——劳动生产率增速中枢持续下移,债务杠杆不断攀升,贫富分化是长期挑战。我们倾向于认为,出现70年代大滞胀的概率较小,不确定性主要来源于货币主义是否真的失灵了。如果通胀进一步演绎,货币政策将面临更加艰难的权衡。
西方国家2008年金融危机以来的非常规货币政策操作框架和逻辑需要重新审视。因为,在不同宏观象限中,其约束条件,及对于经济和金融市场的影响的作用会有显著差异。在“明斯基时刻”,央行创设的流动性便利工具或直接购买金融资产有助于遏制恐慌抛售(fire sale),降低风险溢价,防止流动性冲击演变为偿付危机,修复私人部门资产负债表,加速经济复苏进程。但是,其副作用也不容忽视。围绕央行资产负债表规模扩大的担忧主要包括:道德风险、通胀风险、金融稳定风险以及央行独立性受损的风险。
新冠疫情之后的全球货币政策宽松力度更大,步调更加一致,行动也更加迅速。美联储、英格兰银行和欧洲央行的资产负债表规模(除以GDP)均为创立以来的峰值。它很可能将一场经济危机,甚至是“生存危机”扼杀在摇篮里,但经济的“K型”复苏特征,叠加大宗商品与风险资产价格的暴涨使货币政策进退两难。“量化宽松”(quantitative easing,QE)政策的效应不仅取决于不同货币政策工具的搭配,也依赖于其与财政政策的组合。无论是世纪初的日本,还是2008年之后的美国,量化宽松都没有引发通胀,但此经验不能简单外推。疫情之后的量化宽松政策有着更明显的财政赤字货币化特征,拜登新政中的基础设施建设计划和提高工资法案都将进一步强化通胀预期。
量化宽松政策的另一问题是退出时机的选择,加息与缩表的次序,及其可能对金融市场与经济复苏产生的扰动。随着疫苗注射的加速和疫情的明显好转,3月以来,西方三大央行(FED、ECB和BOJ)扩表的速度已有所放缓,总资产同比增速从2月的60%高位降到了4月的25%。美国基础货币与广义货币(M2)增速的高点均已出现。虽然何时缩减资产购买(taper)和启动加息进程还没有成为美联储的优先事项,但面对4月超预期的通胀数据[1],市场已开始重新定价。货币市场利率隐含的信息是,美联储在2022年底加息的概率为100%,而此前为88%。
扩表看供给,缩表看需求,最优准备金数量是内生的。金融危机不仅改变了央行的行为,也改变了金融机构的行为。受巴塞尔Ⅲ的影响,金融机构对准备金和流动性资产的需求比危机前要大得多。央行已经成为货币市场的重要参与者,不仅是“最后贷款人”,还是“最后交易商”[2],货币市场参与者的数量也远超金融危机之前。所以,几乎可以肯定的是,在任何给定的银行利率水平下,对准备金的需求都可能比金融危机前高得多。(Broadbent et al.,2018)言外之意是,无论是从相对意义上,还是绝对意义上,美联储资产负债表规模都很难回到金融危机之前。
中国正处于从数量型向价格型货币政策框架的转折期,由准备金率的升降所带来的资产负债表规模的变化有不同的含义——降低准备金率会导致央行资产负债表收缩,但却意味着宽松的货币政策,这与西方国家正好相反。后危机时代西方国家的货币政策操作对中国货币政策实践有着明确的指导意义。金融市场结构决定了非常规货币政策的形式是抵押贷款,还是直接购买资产。在主银行结构的欧元区和日本经济中,央行拥有向商业银行提供担保贷款的便利;在以直接融资为基础的美国和英国,央行可通过购买非银行部门发行的债券直接向实体经济部门增信。所以,要想提高货币政策的精准度和传导效率,完善的、多层次的资本市场是不可或缺的。
央行资产负债表是研究非常规货币政策的首选工具,2008年金融危机之后受到越来越多的重视。它不仅具有数量含义,也包含结构和价格信息,可从中观察央行的货币政策目标和职能的转变,及其与其它经济或金融部门的互动。本章主要以美联储资产负债表为工具,探讨美国货币政策框架的演变,比较不同央行非常规货币政策的异同,辨析非常规货币政策的有效性,并分别从本世纪初的日本央行和大危机后的美联储探讨非常规货币政策退出的路径,及其对经济和金融市场的影响。
百年美联储资产负债表总览(1914至今)
资产负债表从规模和结构两个维度显性地记录了美联储百年史,也反映了美联储在国民经济运行中的重要性及其调节经济的能力。必须结合经济周期、货币制度和货币政策框架(目标、工具和价值观)等多个维度来理解美联储资产负债表的变迁。
详情链接:https://t.cn/A6Vi08mQ
来源:原文首发澎湃. 澎湃商学院栏目
作者邵宇为东方证券首席经济学家、总裁助理,中国首席经济学家论坛理事;陈达飞为东方证券宏观研究员、财富研究中心执行主管;东方证券博士后工作站赵宇博士对本文亦有贡献
本文为笔者澎湃专栏“流动性经济学”新专题——百年美联储的第一篇。我们搜集并整理了美联储自1914年至今的资产负债周度数据,含详细科目,以此考察美联储货币政策操作的逻辑。本文为总览,以及1914-1941年的历史。全文8,700字。
全球宏观经济可能在滑向最糟糕的象限——滞胀。至少在中期内,它都将是宏观政策和资产价格面临的压力测试。一方面,新冠疫情的冲击和扩张的财政、货币政策产生的供求缺口导致要素价格——工资和大宗商品持续上升,引发通胀预期持续升温;另一方面,2008年以来导致经济长期停滞的力量仍在发挥作用——劳动生产率增速中枢持续下移,债务杠杆不断攀升,贫富分化是长期挑战。我们倾向于认为,出现70年代大滞胀的概率较小,不确定性主要来源于货币主义是否真的失灵了。如果通胀进一步演绎,货币政策将面临更加艰难的权衡。
西方国家2008年金融危机以来的非常规货币政策操作框架和逻辑需要重新审视。因为,在不同宏观象限中,其约束条件,及对于经济和金融市场的影响的作用会有显著差异。在“明斯基时刻”,央行创设的流动性便利工具或直接购买金融资产有助于遏制恐慌抛售(fire sale),降低风险溢价,防止流动性冲击演变为偿付危机,修复私人部门资产负债表,加速经济复苏进程。但是,其副作用也不容忽视。围绕央行资产负债表规模扩大的担忧主要包括:道德风险、通胀风险、金融稳定风险以及央行独立性受损的风险。
新冠疫情之后的全球货币政策宽松力度更大,步调更加一致,行动也更加迅速。美联储、英格兰银行和欧洲央行的资产负债表规模(除以GDP)均为创立以来的峰值。它很可能将一场经济危机,甚至是“生存危机”扼杀在摇篮里,但经济的“K型”复苏特征,叠加大宗商品与风险资产价格的暴涨使货币政策进退两难。“量化宽松”(quantitative easing,QE)政策的效应不仅取决于不同货币政策工具的搭配,也依赖于其与财政政策的组合。无论是世纪初的日本,还是2008年之后的美国,量化宽松都没有引发通胀,但此经验不能简单外推。疫情之后的量化宽松政策有着更明显的财政赤字货币化特征,拜登新政中的基础设施建设计划和提高工资法案都将进一步强化通胀预期。
量化宽松政策的另一问题是退出时机的选择,加息与缩表的次序,及其可能对金融市场与经济复苏产生的扰动。随着疫苗注射的加速和疫情的明显好转,3月以来,西方三大央行(FED、ECB和BOJ)扩表的速度已有所放缓,总资产同比增速从2月的60%高位降到了4月的25%。美国基础货币与广义货币(M2)增速的高点均已出现。虽然何时缩减资产购买(taper)和启动加息进程还没有成为美联储的优先事项,但面对4月超预期的通胀数据[1],市场已开始重新定价。货币市场利率隐含的信息是,美联储在2022年底加息的概率为100%,而此前为88%。
扩表看供给,缩表看需求,最优准备金数量是内生的。金融危机不仅改变了央行的行为,也改变了金融机构的行为。受巴塞尔Ⅲ的影响,金融机构对准备金和流动性资产的需求比危机前要大得多。央行已经成为货币市场的重要参与者,不仅是“最后贷款人”,还是“最后交易商”[2],货币市场参与者的数量也远超金融危机之前。所以,几乎可以肯定的是,在任何给定的银行利率水平下,对准备金的需求都可能比金融危机前高得多。(Broadbent et al.,2018)言外之意是,无论是从相对意义上,还是绝对意义上,美联储资产负债表规模都很难回到金融危机之前。
中国正处于从数量型向价格型货币政策框架的转折期,由准备金率的升降所带来的资产负债表规模的变化有不同的含义——降低准备金率会导致央行资产负债表收缩,但却意味着宽松的货币政策,这与西方国家正好相反。后危机时代西方国家的货币政策操作对中国货币政策实践有着明确的指导意义。金融市场结构决定了非常规货币政策的形式是抵押贷款,还是直接购买资产。在主银行结构的欧元区和日本经济中,央行拥有向商业银行提供担保贷款的便利;在以直接融资为基础的美国和英国,央行可通过购买非银行部门发行的债券直接向实体经济部门增信。所以,要想提高货币政策的精准度和传导效率,完善的、多层次的资本市场是不可或缺的。
央行资产负债表是研究非常规货币政策的首选工具,2008年金融危机之后受到越来越多的重视。它不仅具有数量含义,也包含结构和价格信息,可从中观察央行的货币政策目标和职能的转变,及其与其它经济或金融部门的互动。本章主要以美联储资产负债表为工具,探讨美国货币政策框架的演变,比较不同央行非常规货币政策的异同,辨析非常规货币政策的有效性,并分别从本世纪初的日本央行和大危机后的美联储探讨非常规货币政策退出的路径,及其对经济和金融市场的影响。
百年美联储资产负债表总览(1914至今)
资产负债表从规模和结构两个维度显性地记录了美联储百年史,也反映了美联储在国民经济运行中的重要性及其调节经济的能力。必须结合经济周期、货币制度和货币政策框架(目标、工具和价值观)等多个维度来理解美联储资产负债表的变迁。
详情链接:https://t.cn/A6Vi08mQ
中国长城交流会纪要20210519
总结:
1.华为鲲鹏芯片和PKS整合未来可能的方向:具体实践可能通过行政或者市场来做,我们和华为本来就是一个生态,都是ARM架构,到了行业信创,主要是ARM+一部分X86,长期来看还是ARM架构作为国产替代的路线,可能性越来越大,具体路线规划目前还没有。
2.预计公司信创行业和党政两块业务收入相当:行业信创今年比较看好,目前在几块有针对性的,很早开始全部是国产化。央企的是国资委,有央企信创领导指导,近水楼台,银行今年有一定放量,在软件和硬件上有很深的耕耘,未来三年都看好行业信创前景。
3.去年引入战略投资者最晚在二季度之前落地:首要目标是要引入客户,引入整机厂商。还没有敲定到底是哪些家。
【Q&A】
华为徐直军在之前的峰会发言中提到要把PKS和鲲鹏系统融合为一个生态,对此有何看法?
国家层面上也需要统一的平台,统一的一套体系,重复建设行为不经济,华为和我们都有ARM架构基础,比较期待这天能早日实现。
去年公司的产品规划,今年准备发布7nm S5000和14nmPC版本,目前是否计划有调整?
目前没有调整的计划。
飞腾目前库存和流片情况是否有受到被列入实体清单的影响?
暂时没有影响。
上游存储和显卡涨价,对今年整机制造毛利率影响?
去年以来做了很大备货,在备货基础上,不会受到很大原材料涨价影响,后面如果持续涨价,会有一定影响。
有消息说华为和我们会有更紧密的合作,详细介绍?
不太好说。类似长城做整机,Intel做芯片,我们作为整机厂需要intel的芯片。
公司一季报亏损原因?
一方面是去年开始一直到今年研发投入增加,一方面是公司持有一部分证券的股权,一季度股票跌价亏了8000万。
行业信创放量,预计公司行业端收入和党政的收入比例达到多少?
预计两块业务收入相当。行业信创今年比较看好,目前在几块有针对性的,很早开始全部是国产化。央企的是国资委,有央企信创领导指导,近水楼台,银行今年有一定放量,在软件和硬件上有很深的耕耘,未来三年都看好行业信创前景。
飞腾被美国制裁,目前情况?
目前没有太大影响。
飞腾和世芯合作,飞腾被制裁以后,世芯是否还能帮助流片?
飞腾的业务今年会更好,短期没什么影响,长期可能有一些问题。
今年军工高新电子的发展情况?
一季报有比较大的增长,主要是信创业务,高新电子今年是十四五第一年,会慢一点,未来会是比较平稳的增长,几块业务基本上都是龙头,能够跟上行业步伐没有问题。
飞腾芯片今年以来出货量?
一季度出货很好。去年有过预计,目前来看预计没有问题。
长城中标中国银行的柜员机,和数字货币有关系吗?
没有关系。是原来银行的客户服务,比如个人或者企业到银行网点办业务,现在做机器替代,属于针对银行业务应用推出的产品,属于业务拓展。
是否有可能应用到数字货币?
不直接相关。
除了中国银行,其他的情况?
和银行本身业务开展节奏有关,我们打开一个银行的业务以后,可以复制,业务可复制性比较强。
锂电池业务?
一开始做军体机的电池,军体机有很多应用,现在和一些整车厂也在做一些配套,两方面都会有,主要还是做军体。
量产的情况?
新产线在扩张中,扩产是瞄准未来民企的市场。
华为鲲鹏芯片和PKS整合计划,未来整合的方案或者方向?
既有市场要求,也有企业需求。现在市场上各自为政,作为试验性的可以,具体实践可能通过行政或者市场来做,我们和华为本来就是一个生态,都是ARM架构,到了行业信创,主要是ARM+一部分X86,长期来看还是ARM架构作为国产替代的路线,可能性越来越大,所以路线规划目前还没有。
今年行业信创的进展和份额?今年行业和政府信创的情况?
我们近水楼台,一些产品做出来就可以送到工商银行做认证,已经通过了工行的认证。服务器我们已经在行业百台以上规模在用,行业信创刚开始,今年预计会有比较大的量出来。
今年整个政府信创节奏比较快,春节后各地已经开始做,没有停。政府信创明年就要收尾,今年要切完,量比去年更大。行业信创非常看好军工信创。公司未来三年有比较大的期待。
政府或者行业新系统改造,是否会先换PK,再换服务器?
同步换的。
是否会从偏新应用的业务开始换?
根据客户现有模式,也可以根据技术发展和业务态势,更多根据客户需求。
华为很多企业级方案原来基于鲲鹏做,用飞腾芯片做,原来方案是否有很大的改变?
有一点差别,但是在应用级体现不出来。用ARM架构才是最具有价值的做法。
下游在行业里从去年到今年出现新变化以后,飞腾和长城在行业口是否有目标?
飞腾比较容易一点,长城难度要大一点,因为做末端整机相对差异没这么大,在政府信创和行业,华为基本没有货,行业主路线只有两条。
我们在整车这块未来的业务规划?
我们和车厂合作主要两块,都在武汉,一块做汽车的单电,和整机厂配套,一块是电池,基于我们在新能源电池的技术沉淀,和整机厂合作。
在自动驾驶或者智能座舱是否有合作?
飞腾在控制等方面都有涉猎,针对不同行业在做不同的方案,没有深入交流,但是在飞腾的规划中。
和飞腾在智能解决方案方面的合作?
限于探讨,还没有大的项目。
去年引入战略投资者还没有落地,目前进展?
最晚在二季度之内落地。
什么类型的机构会投资?
首要目标是要引入客户,引入整机厂商。还没有敲定到底是哪些家。
华为向中国电子伸出橄榄枝,要融合成一个生态,ARM架构两家芯片要联合,是否可以理解为未来鲲鹏要基于飞腾提供解决方案?
不好说,还没到最后一步,还没有到共同规划层面,未来可能会往这个方向走。
公司定增进展?
会加快推进。
党政办公352节奏,未来党政的持续性?
绝大部分在收尾。收尾之后是否会有新东西出来不得而知。金融、央企、军队都在做,看好金融未来三年持续增长。
金融未来三年的体量?去年Q3有大的招标,今年各地比较散,是否以后还会有大的招标?
银保监会会有一个风险后台,类似于要求运营商未来必须20-30%要用国产产品,银行会有类似的要求出来,可能IT投入对国产成分有要求。央企和其他企业进度可能不一样。金融可能会更快。招标去年开始了,有截止日期,各地在做,不需要集中招了。#股票##价值投资日志[超话]#
总结:
1.华为鲲鹏芯片和PKS整合未来可能的方向:具体实践可能通过行政或者市场来做,我们和华为本来就是一个生态,都是ARM架构,到了行业信创,主要是ARM+一部分X86,长期来看还是ARM架构作为国产替代的路线,可能性越来越大,具体路线规划目前还没有。
2.预计公司信创行业和党政两块业务收入相当:行业信创今年比较看好,目前在几块有针对性的,很早开始全部是国产化。央企的是国资委,有央企信创领导指导,近水楼台,银行今年有一定放量,在软件和硬件上有很深的耕耘,未来三年都看好行业信创前景。
3.去年引入战略投资者最晚在二季度之前落地:首要目标是要引入客户,引入整机厂商。还没有敲定到底是哪些家。
【Q&A】
华为徐直军在之前的峰会发言中提到要把PKS和鲲鹏系统融合为一个生态,对此有何看法?
国家层面上也需要统一的平台,统一的一套体系,重复建设行为不经济,华为和我们都有ARM架构基础,比较期待这天能早日实现。
去年公司的产品规划,今年准备发布7nm S5000和14nmPC版本,目前是否计划有调整?
目前没有调整的计划。
飞腾目前库存和流片情况是否有受到被列入实体清单的影响?
暂时没有影响。
上游存储和显卡涨价,对今年整机制造毛利率影响?
去年以来做了很大备货,在备货基础上,不会受到很大原材料涨价影响,后面如果持续涨价,会有一定影响。
有消息说华为和我们会有更紧密的合作,详细介绍?
不太好说。类似长城做整机,Intel做芯片,我们作为整机厂需要intel的芯片。
公司一季报亏损原因?
一方面是去年开始一直到今年研发投入增加,一方面是公司持有一部分证券的股权,一季度股票跌价亏了8000万。
行业信创放量,预计公司行业端收入和党政的收入比例达到多少?
预计两块业务收入相当。行业信创今年比较看好,目前在几块有针对性的,很早开始全部是国产化。央企的是国资委,有央企信创领导指导,近水楼台,银行今年有一定放量,在软件和硬件上有很深的耕耘,未来三年都看好行业信创前景。
飞腾被美国制裁,目前情况?
目前没有太大影响。
飞腾和世芯合作,飞腾被制裁以后,世芯是否还能帮助流片?
飞腾的业务今年会更好,短期没什么影响,长期可能有一些问题。
今年军工高新电子的发展情况?
一季报有比较大的增长,主要是信创业务,高新电子今年是十四五第一年,会慢一点,未来会是比较平稳的增长,几块业务基本上都是龙头,能够跟上行业步伐没有问题。
飞腾芯片今年以来出货量?
一季度出货很好。去年有过预计,目前来看预计没有问题。
长城中标中国银行的柜员机,和数字货币有关系吗?
没有关系。是原来银行的客户服务,比如个人或者企业到银行网点办业务,现在做机器替代,属于针对银行业务应用推出的产品,属于业务拓展。
是否有可能应用到数字货币?
不直接相关。
除了中国银行,其他的情况?
和银行本身业务开展节奏有关,我们打开一个银行的业务以后,可以复制,业务可复制性比较强。
锂电池业务?
一开始做军体机的电池,军体机有很多应用,现在和一些整车厂也在做一些配套,两方面都会有,主要还是做军体。
量产的情况?
新产线在扩张中,扩产是瞄准未来民企的市场。
华为鲲鹏芯片和PKS整合计划,未来整合的方案或者方向?
既有市场要求,也有企业需求。现在市场上各自为政,作为试验性的可以,具体实践可能通过行政或者市场来做,我们和华为本来就是一个生态,都是ARM架构,到了行业信创,主要是ARM+一部分X86,长期来看还是ARM架构作为国产替代的路线,可能性越来越大,所以路线规划目前还没有。
今年行业信创的进展和份额?今年行业和政府信创的情况?
我们近水楼台,一些产品做出来就可以送到工商银行做认证,已经通过了工行的认证。服务器我们已经在行业百台以上规模在用,行业信创刚开始,今年预计会有比较大的量出来。
今年整个政府信创节奏比较快,春节后各地已经开始做,没有停。政府信创明年就要收尾,今年要切完,量比去年更大。行业信创非常看好军工信创。公司未来三年有比较大的期待。
政府或者行业新系统改造,是否会先换PK,再换服务器?
同步换的。
是否会从偏新应用的业务开始换?
根据客户现有模式,也可以根据技术发展和业务态势,更多根据客户需求。
华为很多企业级方案原来基于鲲鹏做,用飞腾芯片做,原来方案是否有很大的改变?
有一点差别,但是在应用级体现不出来。用ARM架构才是最具有价值的做法。
下游在行业里从去年到今年出现新变化以后,飞腾和长城在行业口是否有目标?
飞腾比较容易一点,长城难度要大一点,因为做末端整机相对差异没这么大,在政府信创和行业,华为基本没有货,行业主路线只有两条。
我们在整车这块未来的业务规划?
我们和车厂合作主要两块,都在武汉,一块做汽车的单电,和整机厂配套,一块是电池,基于我们在新能源电池的技术沉淀,和整机厂合作。
在自动驾驶或者智能座舱是否有合作?
飞腾在控制等方面都有涉猎,针对不同行业在做不同的方案,没有深入交流,但是在飞腾的规划中。
和飞腾在智能解决方案方面的合作?
限于探讨,还没有大的项目。
去年引入战略投资者还没有落地,目前进展?
最晚在二季度之内落地。
什么类型的机构会投资?
首要目标是要引入客户,引入整机厂商。还没有敲定到底是哪些家。
华为向中国电子伸出橄榄枝,要融合成一个生态,ARM架构两家芯片要联合,是否可以理解为未来鲲鹏要基于飞腾提供解决方案?
不好说,还没到最后一步,还没有到共同规划层面,未来可能会往这个方向走。
公司定增进展?
会加快推进。
党政办公352节奏,未来党政的持续性?
绝大部分在收尾。收尾之后是否会有新东西出来不得而知。金融、央企、军队都在做,看好金融未来三年持续增长。
金融未来三年的体量?去年Q3有大的招标,今年各地比较散,是否以后还会有大的招标?
银保监会会有一个风险后台,类似于要求运营商未来必须20-30%要用国产产品,银行会有类似的要求出来,可能IT投入对国产成分有要求。央企和其他企业进度可能不一样。金融可能会更快。招标去年开始了,有截止日期,各地在做,不需要集中招了。#股票##价值投资日志[超话]#
临床大队列蛋白质组学整体解决方案助力精准诊疗
原创 金开瑞生物 金开瑞生物 4天前
图片
简介
在精准医学和大数据时代、人工智能的大背景下,高通量大队列样本组学(Omics)研究在生命科学研究以及在临床病理研究、临床诊疗领域得到广泛应用。蛋白质作为生命活动和功能的直接执行者,在研究生理、病理机制以及临床诊断、预后评估、治疗靶点以及药物靶点研究中扮演着重要角色。蛋白质组学大队列样本在临床诊疗、疾病机制研究中的应用受到科学家的广泛关注。
然而,制约大队列样本蛋白质组学技术的两大因素极大地限制了其应用,一是针对大样本质谱检测的机时问题以及由此带来的批次效应(质谱长时间运行导致其性能下降,样品间的仪器误差增大),二是对复杂的大样本数据的深度挖掘。金开瑞针对这两个问题专门开发了包含蛋白质组学技术服务、大数据深度挖掘和标志物深度验证三大模块的临床大队列样本蛋白质组学整体解决方案,为科研工作者提供专业、全方位的技术服务。
方案流程
1. 蛋白质组学技术
2. 大数据深度挖掘
3. 疾病标志物验证
通过高通量、大规模蛋白质组学技术及生物信息学、统计学等手段,可以筛选到部分候选蛋白标志物,其表达量往往在疾病/正常样本中具有明显的差异。但是,仅仅通过蛋白质组学手段不足以确定,还需要进行进一步验证和确证[1](下图)。金开瑞拥有成熟的抗体制备平台、Wester Blot实验平台、免疫组织化学平台和ELISA制备平台,为您提供完整的标志物各阶段验证实验。
标志物筛选的四个步骤
技术优势
1. microflow-LC技术[2-5]
微流控液相色谱-质谱(microflow-LC MS/MS)系统由于其大流速、粗管路的特点,具有耐脏、高稳定性、短梯度等优势,在处理大队列样本过程,可大大降低质谱数据采集过程的偏差,提升队列数据的整体质量。具体表现为如下优势:
大幅缩短检测周期。处理100例样本,传统LC-MS/MS系统大约需12天左右,采用micro-SWATH仅需5天即可完成。
有效降低批次效应。得益于微流控系统的高稳定性和短梯度等特点,microflow系统在处理大队列样本时表现出卓越的一致性,几乎无批次偏倚。
定量结果表现出良好的一致性(20例人血浆样本)
极大提升定量准确性。microflow针对大样本定量检测表现出极佳的准确性,样品间的相关系数普遍在0.9以上。
microflow-SWATH结果表现出良好的相关性(20例血浆样本)
2. 数据分析整体解决方案
在精准医学和大数据时代、人工智能的大背景下,大队列样本的数据分析成为科学家关注的重点,也是难点。通过调阅相关CNS文献报道,结合蛋白质组学数据本身特点,我们开发了一套专门针对临床疾病(尤其是肿瘤)的大队列数据分析方案,充分挖掘大数据中隐藏的信息,为临床诊断、治疗及疾病机制研究提供可靠的证据。
数据预处理保证数据质量。三大维度预处理,保证高可靠、高质量数据[6]。
三大维度数据质量控制,确保数据的高质量
分子分型助力精准诊疗。蛋白质层面的分子分型可以帮助临床医生更准确地识别不同类型的肿瘤,确定精准的治疗方案,更加适合指导肿瘤患者用药、治疗,预后评估,并通过功能分析以及生存分析发现在通路富集和总体生存率层面蛋白分子水平分型是否存在显著差异,进一步证实根据蛋白质进行分类的科学性。是肿瘤分子分型的又一大热点[7]。
共识聚类的凭据共识矩阵和轮廓距离确定最佳分类数
多组学整合分析揭示病理机制。尽管目前的研究结果显示转录组和蛋白质组表达趋势相关性较差,但mRNA和蛋白作为基因表达的共同产物,在某种程度上必然存在因果关系或相关关系。我们通过分子分型结果,对两组学数据进行进一步细化、关联,从而得到常规关联分析所不能获得的信息,并结合差异表达分析,深入挖掘关键功能模块,探索疾病病理机制。除此之外,我们也开发了CNV/SNP对蛋白质表达/功能影响的相关算法,旨在研究基因层面突变对蛋白功能的影响[8]。
蛋白质组和转录组表达水平相关性分析
CNV和蛋白质/mRNA表达水平相关性分析
预后标志物筛选实现精准诊断。使用合理的描述性统计学和相关性分析等手段,经过严格的筛选标准,最终通过Cox回归模型分析影响患者生存预后的因素,结合变化倍数,可挖掘出针对肿瘤不同分子型的特异性表达蛋白,并通过KM生存曲线分析判断是否为预后不良病例的特异性蛋白标志物[8]。
标志物筛选的基本流程
候选药物靶点提名实现精准用药。基于蛋白质组学及蛋白质组学分型结果,结合是否为已知临床药物靶点,可以针对肿瘤或特定分子型筛选具有药物靶点潜能的显著差异蛋白,从而达到精准用药[9]。
3. 标志物验证和确证
蛋白质标志物的鉴定往往需要经过四个阶段:a) 发现阶段,通过大队列样本蛋白质组学的Discovery 策略,结合数据的深度挖掘,最终选定上百种候选标志物蛋白进行进一步验证;b) 差异表达验证,经过此阶段,一般最终筛选到几十种蛋白符合预期;c) 概念阶段验证,进而实现临床疾病诊断、治疗的医学转化。金开瑞可提供多种蛋白质定性、定量验证手段。
基于质谱PRM验证。通过高分辨质谱对靶蛋白-肽段的特异识别检测,可实现蛋白的精确定量,具有通量高、定量准确的优势,一次可同时验证上百种蛋白标志物;
PRM验证的基本原理
基于Western blot验证。制备候选靶点蛋白的单多克隆抗体,基于抗原抗体的特异性反应实现对样本中目标蛋白的定性/半定量检测。验证过程中可选择多例表型差异的样品进行平行检测,通过识别信号的强弱及灰度分析值进一步判断靶点蛋白作为候选靶标的准确性。
Western blot验证的基本原理
基于IHC验证。制备候选靶点蛋白的单多克隆抗体,基于抗原抗体的特异性反应实现对样本中目标蛋白的定性/半定量检测。区别于WB,IHC更侧重靶点蛋白的亚细胞定位,对特异性进一步做了补充,着色深浅跟目标蛋白的含量呈正相关。
immunochemistry验证的基本原理
基于Sandwich ELISA验证。ELISA的基础是抗原或抗体的固相化及抗原或抗体的酶标记,受检标本加入后,与固相载体表面的抗原或抗体起反应,再加入酶反应的底物后,底物被酶催化成为有色产物,产物的量与标本中受检物质的量直接相关,根据呈色的深浅进行定性或定量分析。对于大分子的靶标蛋白检测,通常是基于夹心ELISA原理进行定量检测产品的开发,这一步主要是扩大测样通量,以满足诊断级别的样本检测例数,同时对靶标蛋白进行绝对定量。
Sandwich ELISA验证的基本原理
限时优惠
活动期间,做一个蛋白质组送一个WB验证。
活动日期截止:2021年5月30日
更多优惠活动请咨询当地销售
参考文献
1. Del Campo, M., et al., Facilitating the Validation of Novel Protein Biomarkers for Dementia: An Optimal Workflow for the Development of Sandwich Immunoassays. Front Neurol, 2015. 6: p. 202.
2. Broccardo, C.J., et al., Multiplexed analysis of steroid hormones in human serum using novel microflow tile technology and LC-MS/MS. J Chromatogr B Analyt Technol Biomed Life Sci, 2013. 934: p. 16-21.
3. Sun, R., et al., Accelerated Protein Biomarker Discovery from FFPE Tissue Samples Using Single-Shot, Short Gradient Microflow SWATH MS. J Proteome Res, 2020. 19(7): p. 2732-2741.
4. Needham, S.R., Microspray and microflow liquid chromatography: the way forward for LC-MS bioanalysis. Bioanalysis, 2017. 9(24): p. 1935-1937.
5. Distler, U., et al., Enhancing Sensitivity of Microflow-Based Bottom-Up Proteomics through Postcolumn Solvent Addition. Anal Chem, 2019. 91(12): p. 7510-7515.
6. Gillette, M.A., et al., Proteogenomic Characterization Reveals Therapeutic Vulnerabilities in Lung Adenocarcinoma. Cell, 2020. 182(1): p. 200-225 e35.
7. Xu, J.Y., et al., Integrative Proteomic Characterization of Human Lung Adenocarcinoma. Cell, 2020. 182(1): p. 245-261 e17.
8. Gao, Q., et al., Integrated Proteogenomic Characterization of HBV-Related Hepatocellular Carcinoma. Cell, 2019. 179(5): p. 1240.
9. Ge, S., et al., Author Correction: A proteomic landscape of diffuse-type gastric cancer. Nat Commun, 2018. 9(1): p. 1850.
原创 金开瑞生物 金开瑞生物 4天前
图片
简介
在精准医学和大数据时代、人工智能的大背景下,高通量大队列样本组学(Omics)研究在生命科学研究以及在临床病理研究、临床诊疗领域得到广泛应用。蛋白质作为生命活动和功能的直接执行者,在研究生理、病理机制以及临床诊断、预后评估、治疗靶点以及药物靶点研究中扮演着重要角色。蛋白质组学大队列样本在临床诊疗、疾病机制研究中的应用受到科学家的广泛关注。
然而,制约大队列样本蛋白质组学技术的两大因素极大地限制了其应用,一是针对大样本质谱检测的机时问题以及由此带来的批次效应(质谱长时间运行导致其性能下降,样品间的仪器误差增大),二是对复杂的大样本数据的深度挖掘。金开瑞针对这两个问题专门开发了包含蛋白质组学技术服务、大数据深度挖掘和标志物深度验证三大模块的临床大队列样本蛋白质组学整体解决方案,为科研工作者提供专业、全方位的技术服务。
方案流程
1. 蛋白质组学技术
2. 大数据深度挖掘
3. 疾病标志物验证
通过高通量、大规模蛋白质组学技术及生物信息学、统计学等手段,可以筛选到部分候选蛋白标志物,其表达量往往在疾病/正常样本中具有明显的差异。但是,仅仅通过蛋白质组学手段不足以确定,还需要进行进一步验证和确证[1](下图)。金开瑞拥有成熟的抗体制备平台、Wester Blot实验平台、免疫组织化学平台和ELISA制备平台,为您提供完整的标志物各阶段验证实验。
标志物筛选的四个步骤
技术优势
1. microflow-LC技术[2-5]
微流控液相色谱-质谱(microflow-LC MS/MS)系统由于其大流速、粗管路的特点,具有耐脏、高稳定性、短梯度等优势,在处理大队列样本过程,可大大降低质谱数据采集过程的偏差,提升队列数据的整体质量。具体表现为如下优势:
大幅缩短检测周期。处理100例样本,传统LC-MS/MS系统大约需12天左右,采用micro-SWATH仅需5天即可完成。
有效降低批次效应。得益于微流控系统的高稳定性和短梯度等特点,microflow系统在处理大队列样本时表现出卓越的一致性,几乎无批次偏倚。
定量结果表现出良好的一致性(20例人血浆样本)
极大提升定量准确性。microflow针对大样本定量检测表现出极佳的准确性,样品间的相关系数普遍在0.9以上。
microflow-SWATH结果表现出良好的相关性(20例血浆样本)
2. 数据分析整体解决方案
在精准医学和大数据时代、人工智能的大背景下,大队列样本的数据分析成为科学家关注的重点,也是难点。通过调阅相关CNS文献报道,结合蛋白质组学数据本身特点,我们开发了一套专门针对临床疾病(尤其是肿瘤)的大队列数据分析方案,充分挖掘大数据中隐藏的信息,为临床诊断、治疗及疾病机制研究提供可靠的证据。
数据预处理保证数据质量。三大维度预处理,保证高可靠、高质量数据[6]。
三大维度数据质量控制,确保数据的高质量
分子分型助力精准诊疗。蛋白质层面的分子分型可以帮助临床医生更准确地识别不同类型的肿瘤,确定精准的治疗方案,更加适合指导肿瘤患者用药、治疗,预后评估,并通过功能分析以及生存分析发现在通路富集和总体生存率层面蛋白分子水平分型是否存在显著差异,进一步证实根据蛋白质进行分类的科学性。是肿瘤分子分型的又一大热点[7]。
共识聚类的凭据共识矩阵和轮廓距离确定最佳分类数
多组学整合分析揭示病理机制。尽管目前的研究结果显示转录组和蛋白质组表达趋势相关性较差,但mRNA和蛋白作为基因表达的共同产物,在某种程度上必然存在因果关系或相关关系。我们通过分子分型结果,对两组学数据进行进一步细化、关联,从而得到常规关联分析所不能获得的信息,并结合差异表达分析,深入挖掘关键功能模块,探索疾病病理机制。除此之外,我们也开发了CNV/SNP对蛋白质表达/功能影响的相关算法,旨在研究基因层面突变对蛋白功能的影响[8]。
蛋白质组和转录组表达水平相关性分析
CNV和蛋白质/mRNA表达水平相关性分析
预后标志物筛选实现精准诊断。使用合理的描述性统计学和相关性分析等手段,经过严格的筛选标准,最终通过Cox回归模型分析影响患者生存预后的因素,结合变化倍数,可挖掘出针对肿瘤不同分子型的特异性表达蛋白,并通过KM生存曲线分析判断是否为预后不良病例的特异性蛋白标志物[8]。
标志物筛选的基本流程
候选药物靶点提名实现精准用药。基于蛋白质组学及蛋白质组学分型结果,结合是否为已知临床药物靶点,可以针对肿瘤或特定分子型筛选具有药物靶点潜能的显著差异蛋白,从而达到精准用药[9]。
3. 标志物验证和确证
蛋白质标志物的鉴定往往需要经过四个阶段:a) 发现阶段,通过大队列样本蛋白质组学的Discovery 策略,结合数据的深度挖掘,最终选定上百种候选标志物蛋白进行进一步验证;b) 差异表达验证,经过此阶段,一般最终筛选到几十种蛋白符合预期;c) 概念阶段验证,进而实现临床疾病诊断、治疗的医学转化。金开瑞可提供多种蛋白质定性、定量验证手段。
基于质谱PRM验证。通过高分辨质谱对靶蛋白-肽段的特异识别检测,可实现蛋白的精确定量,具有通量高、定量准确的优势,一次可同时验证上百种蛋白标志物;
PRM验证的基本原理
基于Western blot验证。制备候选靶点蛋白的单多克隆抗体,基于抗原抗体的特异性反应实现对样本中目标蛋白的定性/半定量检测。验证过程中可选择多例表型差异的样品进行平行检测,通过识别信号的强弱及灰度分析值进一步判断靶点蛋白作为候选靶标的准确性。
Western blot验证的基本原理
基于IHC验证。制备候选靶点蛋白的单多克隆抗体,基于抗原抗体的特异性反应实现对样本中目标蛋白的定性/半定量检测。区别于WB,IHC更侧重靶点蛋白的亚细胞定位,对特异性进一步做了补充,着色深浅跟目标蛋白的含量呈正相关。
immunochemistry验证的基本原理
基于Sandwich ELISA验证。ELISA的基础是抗原或抗体的固相化及抗原或抗体的酶标记,受检标本加入后,与固相载体表面的抗原或抗体起反应,再加入酶反应的底物后,底物被酶催化成为有色产物,产物的量与标本中受检物质的量直接相关,根据呈色的深浅进行定性或定量分析。对于大分子的靶标蛋白检测,通常是基于夹心ELISA原理进行定量检测产品的开发,这一步主要是扩大测样通量,以满足诊断级别的样本检测例数,同时对靶标蛋白进行绝对定量。
Sandwich ELISA验证的基本原理
限时优惠
活动期间,做一个蛋白质组送一个WB验证。
活动日期截止:2021年5月30日
更多优惠活动请咨询当地销售
参考文献
1. Del Campo, M., et al., Facilitating the Validation of Novel Protein Biomarkers for Dementia: An Optimal Workflow for the Development of Sandwich Immunoassays. Front Neurol, 2015. 6: p. 202.
2. Broccardo, C.J., et al., Multiplexed analysis of steroid hormones in human serum using novel microflow tile technology and LC-MS/MS. J Chromatogr B Analyt Technol Biomed Life Sci, 2013. 934: p. 16-21.
3. Sun, R., et al., Accelerated Protein Biomarker Discovery from FFPE Tissue Samples Using Single-Shot, Short Gradient Microflow SWATH MS. J Proteome Res, 2020. 19(7): p. 2732-2741.
4. Needham, S.R., Microspray and microflow liquid chromatography: the way forward for LC-MS bioanalysis. Bioanalysis, 2017. 9(24): p. 1935-1937.
5. Distler, U., et al., Enhancing Sensitivity of Microflow-Based Bottom-Up Proteomics through Postcolumn Solvent Addition. Anal Chem, 2019. 91(12): p. 7510-7515.
6. Gillette, M.A., et al., Proteogenomic Characterization Reveals Therapeutic Vulnerabilities in Lung Adenocarcinoma. Cell, 2020. 182(1): p. 200-225 e35.
7. Xu, J.Y., et al., Integrative Proteomic Characterization of Human Lung Adenocarcinoma. Cell, 2020. 182(1): p. 245-261 e17.
8. Gao, Q., et al., Integrated Proteogenomic Characterization of HBV-Related Hepatocellular Carcinoma. Cell, 2019. 179(5): p. 1240.
9. Ge, S., et al., Author Correction: A proteomic landscape of diffuse-type gastric cancer. Nat Commun, 2018. 9(1): p. 1850.
✋热门推荐