随着下一代蛋白质组学NGP (Next Generation Proteomics) 的到来，不同蛋白质组学的技术路径对比，引发了市场上的大量探讨。被讨论多的欧美三家NGP标干企业Olink、Somalogic、Seer，也都全部进入了中国市场。

三家公司各有千秋，Nanomics团队分别从发展历程、技术平台、产品和商业化进程，来介绍这三家公司，并进行了对比。所有信息都来源于网络公开信息。

以下，enjoy。

Olink Proteomics发源于瑞典Uppsala大学，其身是创立于2004年的Olink Biosciences，创始人是Ulf Landegren教授，也是其核心技术PEA（Proximity Extension Assay）的发明人。

Ulf Landegren教授，Olink创始人

Olink是一家来自瑞典的生物科技公司，创始人就是上面这位老爷爷，Ulf Landegren教授，任教于Uppsala University。Olink Biosciences（Olink Proteomics的身）早在2004年就成立了，当时离后来使其爆火的PEA技术发布还有7年。直到2011年，第1篇关于邻位延展技术（PEA）才正式发表，Olink Proteomics的故事就此拉开帷幕。

Olink的技术平台叫邻位延申技术PEA（Proximity Extension Assay），其核心是：通过一双 “抗体对”特异性识别靶蛋白的两个相邻结合位点，再将靶蛋白的定量检测转化成寡聚核苷酸（分别标记在“抗体对”重链）的实时定量检测。

通过结合“抗体对-寡聚核苷酸”探针，巧妙地解决了蛋白丰度低捕获的问题。其中“抗体对”实现了对蛋白捕获的特异性，“寡聚核苷酸”则可以通过PCR扩增，实现了蛋白的信号放大，使得低丰度蛋白检测成为可能。

Larry Gold教授，Somalogic创始人

Somalogic成立于2000年，是3家当中成立蕞早的，其创始人是zhu名的Larry Gold教授，2021年登陆纳斯达克。Larry Gold老爷子从1970年开始就在科罗拉多大学任教，并先后创立多家生物科技公司，包括NeXagen（和Gilead合并）、Synergen、Somalogic。

Somalogic的技术平台是SOMAScan™，其核心是被称为SOMAmer (Slow Off-Rate Modified Aptamer) 的蛋白质亲和试剂，直接翻译过来就是具有慢解离速率的修饰过的核酸适配体。核酸适配体（Aptamer）本质上是人工合成的核酸（可以是RNA或者DNA），长度一般为25~60个核苷酸，具有稳定的二结构，能够和靶标蛋白特异性结合的。

通过筛选跟不同靶蛋白能够特异性结合的SOMAmer，从而实现对多重蛋白的捕获。目，Somalogic能够做到从一个样本当中捕捉7000个蛋白质。

SOMAScan™技术原理

As of June 30, 2021, our assay can measure approximately 7,000 protein target measurements in a single sample using only approximately 55 µL of plasma or serum.

引用自Somalogic SEC filing

截止到2021年6月30日，Somalogic能够从55 uL的单个血浆或者血清样本中检测接近7000个靶蛋白。这也是目蛋白质组学平台能够一次性从单个血浆中测得蛋白质数量多。

2022年，Somalogic的营收为9500万美元。2023年，Somalogic正式进入中国市场，仁科为其代理服务商。

Seer是三家公司里面年轻的公司，是新入局者，同是也为下一代蛋白质组学带来了创新和技术路径。2017年，Seer由哈佛大学教授、连续成功创业者Omid Frakhzad 创立，3年后的2020年旋即登陆纳斯达克，市值一度高达40亿美金。有人将其类比为“蛋白质组学域的Illumina”（Seer，蛋白质组学域的 “Illumina”）。

Omid Frakhzad，哈佛大学教授，Seer创始人

Seer的技术平台名为Proteograph™，其核心是通过在超顺磁性纳米粒子表面进行功能化修饰，使得血浆中的低丰度蛋白质能够在纳米尺度空间富集，通过高分辨质谱在肽段层面鉴定蛋白质，从而实现对血浆蛋白质的多重深度富集。

其核心技术在创新之处在于突破了"亲和体-蛋白质"之间1对1的结合方式，而是通过筛选不同化学基团修饰的纳米粒子，实现对一个纳米粒子对应数千种蛋白质的捕获，从而使得避免了对抗体对或者核酸适配体开发的依赖。

其招股书显示，Seer的差异化来源于其能够实现对蛋白组的无偏非靶向富集和检测。目Seer能够通过不同修饰纳米粒子的组合实现从一个血浆样本当中捕获5000种蛋白质。并且由于其依靠的是质谱检测平台，可以做到蛋白质翻译后修饰和变体的区分（抗体则难以区分蛋白质变体）。

Seer已经推出了其产品套件Proteograph™，包括三部分：试剂盒、自动化工作站（SP100，贴牌Hamilton）、数据分析软件。

其商业模式类似于Olink，也是经典的“打印机-墨盒”商业模式，即通过在合作者和终端客户安装产品套件Proteograph™，通过消耗试剂来持续不断创造营收。用时髦的话术来讲，就是HaaS (Hardware as a Service)。

根据investors.等机构的预测，2023年Seer的营收在2500万美元左右。Seer也已经通过和应脉科技合作，进入中国市场，百济神州是其客户。

介绍完了这三家标干公司，来说说哪家强。这是一个招黑的话题。先来说说这三家公司存在的共同点。

第1，Olink、Somalogic、Seer，他们核心的技术都是材料技术、纳米生物技术。而总所周知，材料技术一直是我们国家被欧美卡脖子的关键技术。很大一部分生物技术的创新本质是新材料技术的创新。

第二，Olink、Somalogic、Seer，他们主打的产品，都是为了去实现对人类蛋白质组的访问和数据挖掘。这也是行业希望实现的事情，即人类如何能够像访问基因组一样访问蛋白质组，即如何实现下一代蛋白质组学NGP。

第三，Olink、Somalogic、Seer，他们配备的测序仪也好质谱仪也好，都是第三方厂家的成熟产品。换句话说，要懂得如何将自家的产品嵌入到现有的行业生态中（而不是去占上下游的蛋糕），显得非常重要。Illumina就已经官宣跟Somalogic深度合作，基因组龙头老da入局蛋白组。

再说说哪家强。从营收来说，毫无疑问，Olink是3家当中收入蕞高的，Somalogic居中，Seer是少的。从成立时间来看，Somalogic已经超过20年，Olink接近20年，Seer年轻，不过6年。从资本市场给的PS来看，Olink大概是12倍，Seer差不多是10倍，Somalogic是6倍。

但从蛋白检测数量来说，Somalogic能够从单个血浆样本中多检测7000个蛋白，Olink能够做到3000个，Seer能够做到5000个。可见蛋白检测数量不是唯1的标准。

注：营收数据为2023年预测，数据来源于investors., MarketWatch.

有很多人问我，为什么Olink和Somalogic市值差异那么大？者的PS是后者的2倍？这个问题其实很难回答。从Somalogic的招股书里面可以看出一点，即IPO的时候（2021年6月），Somalogic还是一家服务商，没有完成产品化，客户样本必须送到Somalogic的实验室。而Olink已经完成了产品化，可以实现在服务商和终端客户实验室建站。

可见技术完成产品化对商业化是多么重要。

...We currently run our platform within our own laboratory, receive samples from customers and perform proteomics analysis on their behalf....

引用自Somalogic SEC filing

蕞后，做一个小小的总结。近几年，蛋白质组学正在经历快速的发展。但不管是从技术成熟度、捕获蛋白的数量、营收规模、还是市场接受度来说，整个行业还处于非常早期的阶段，未来的增长空间还很大。不管是Somalogic、SVB Leerink、Seer，都说下一代蛋白质组学NGP的TAM总量会超越基因组学。换句话说，全qiu的NGP公司都处在同一个起跑线上。

上周在上海张江由Olink举办的《蛋白质组学驱动药物开发大会》上，我问了其亚太区副总裁Andrea Ballagi一个问题，即下一代蛋白质组学NGP的拐点会在何时出现？Andrea说大约3年。

可能没有那么快，但可以想象一个NGP的未来图景，即：所有的药物临床试验，用蛋白质组学来做病人分层、疗效评估、剂量指导，成为标配；所有的疾病标志物研究，用蛋白质组学成为标配；基于多重蛋白标志物（结合其他标志物）的疾病诊断、早筛进入到临床；基于基因蛋白质组学发现多个新的药物靶点；蛋白质可以实现高通量从头测序；蛋白质可以实现直接编辑。正如Motanaro Research所言，生命科学进入一个以蛋白为中心的新时代（Proteomics: Biology's Coming of Age Moment）。

可能不会3年那么快。但也说不定，赛默飞刚刚就在ASMS大会上官宣了新一代高分辨质谱仪Astral，性能得到大提升。但可以看出来，NGP的进一步发展，肯定离不开材料技术的创新、产品化、AI算法、以及和跟上下游深度合作。

同时随着人工智能时代的到来，大模型、蛋白质设计成为可能，Somalogic和Seer都强调自己有的AI算法，相信人类访问100万人类蛋白组数据这一进程会被大大加速。
 

以上文字转载自网络nanomics bio