▲自下而上（Bottom-up）與自上而下（Top-down）蛋白質體學之技術戰略評估。MarkerX 銳準生醫擅長依據團隊的的臨床研究需求（高通量篩選 vs. 完整結構解析）選擇最適切的分析策略（製圖：Gemini）。

閱讀時間：約10分鐘
撰文：陳聖光 | 技術審訂：黃彥鈞 博士

【先看結論】

• 自下而上（Bottom-up）：採用「先切碎、後拼湊」策略，具備無與倫比的吞吐量與靈敏度，是大規模生物標記開發（Biomarker）的首選。

• 自上而下（Top-down）：採用「完整進、完整出」策略，百分之百還原蛋白質結構與修飾（Proteoforms），專攻單一標靶蛋白與抗體藥物分析。

• 高通量需求，選自下而上（Bottom-up）；要求完整度，選自上而下（Top-down）。

隨著基因體學在臨床應用的普及，科學界與醫學界逐漸意識到：DNA 是劇本，但真正執行生命功能、反映即時生理與病理狀態的「演員」，是蛋白質。

無論是尋找新型癌症生物標記、開發精準醫療檢測，還是驗證標靶藥物作用機制，AI驅動次世代質譜蛋白質體分析（Mass Spectrometry-based Proteomics） 都已成為不可或缺的核心技術。

下載免費白皮書瞭解更多技術應用實例。

然而，當醫師與研究人員準備導入質譜技術時，往往會面臨第一個抉擇：我們該採用「自下而上（Bottom-up）」還是「自上而下（Top-down）」的技術路徑？這兩種流派在邏輯、優勢與應用場景上截然不同，以下為您白話解析。

自下而上（Bottom-up）：高通量的「地毯式搜索」

「自下而上」又稱散彈式蛋白質體學（Shotgun Proteomics），是目前國際生技與臨床研究採用度最高、技術最成熟的主流路徑。

• 技術邏輯：它採取「先拆解、後拼湊」的化整為零策略。實驗室先使用胰蛋白酶（Trypsin）將複雜的蛋白質混合物徹底水解成數萬個小片段「胜肽（Peptides）」。接著透過液相層析串聯質譜儀（LC-MS/MS）測量胜肽的質量與電荷，最後利用生物資訊軟體比對資料庫，反推原始蛋白質的身分與表現量。

• 核心優勢：提供超高效能的吞吐量與靈敏度。在單次分析中，Bottom-up 能夠同時鑑定並定量數千種甚至上萬種蛋白質。對於未知疾病的標靶篩選、大規模臨床檢體（如組織、細胞）的體學圖譜建立，它是目前效率最高、CP值最佳的選擇。

• 臨床與學研痛點：蛋白酶在進樣前就把蛋白質切成碎片段。當科學家試圖研究蛋白質的「翻譯後修飾（PTM，如磷酸化）」或「剪接異構體（Splice Variants）」時，切碎的胜肽往往會失去空間關聯性，導致資訊無法還原完整的蛋白質全貌（Proteoforms）。

自上而下（Top-down）：追求完整的「顯微解剖」

相較於 Bottom-up 的化整為零，近年伴隨超高解析度質譜儀發展而興起的「自上而下」，則展現了不同的分析維度。

• 技術邏輯：它主張「完整進、完整出」。樣品不經過任何酵素水解，直接將完整的天然蛋白質（Intact Protein）送入高解析質譜儀（如 Orbitrap）中進行離子化與碎裂分析。

• 核心優勢：提供百分之百的結構還原度。Top-down 能夠清晰辨識出同一個蛋白質上同時存在的多個修飾位點組合（Proteoform-specific profiling）。對於蛋白質異構體、單株抗體藥物（Monoclonal Antibodies）的精確分子量鑑定，它能提供 Bottom-up 無法企及的精準度。

• 臨床與學研痛點：完整蛋白質分子量巨大、電荷極度複雜，對質譜儀的解析度要求極高。此外，前處理的分離難度極大，單次能分析的蛋白質數量遠少於 Bottom-up，對大分子蛋白（>50 kDa）的偵測能力大幅受限，不適合進行大規模的體學篩選。

Bottom-up vs. Top-down 戰略評估矩陣

（製表：Gemini）

結語：高通量，選自下而上（Bottom-up）；完整度，選自上而下（Top-down）

換句話說，若您的研究目標是「在大規模檢體中，尋找潛在的生物標記或進行疾病分型」，Bottom-up 是毫無疑問的主力工具；若您的目標是「針對特定已知標靶蛋白，看清其精細的修飾結構與異構物變異」，則需仰賴 Top-down。

然而，當科學界試圖將高通量的 Bottom-up 技術應用於臨床血液非侵入性液態切片（Liquid Biopsy）時，卻撞上了一道巨大的高牆——血漿中霸佔 60% 質量的白蛋白與高達 100 億倍（10¹⁰）的動態範圍，引發嚴重的離子抑制，導致微量腫瘤與神經標記完全被淹沒。

這個困擾生醫界數十年的技術瓶頸是什麼？生醫各界菁英如何各顯神通面對這個難題？我們將在專題【下篇】為您深度剖析！