隨著下一代蛋白質組學NGP (Next Generation Proteomics) 的到來，不同蛋白質組學的技術路徑對比，引發了市場上的大量探討。被討論多的歐美三家NGP標干企業Olink、Somalogic、Seer，也都全部進入了中國市場。

三家公司各有千秋，Nanomics團隊分別從發展歷程、技術平臺、產品和商業化進程，來介紹這三家公司，并進行了對比。所有信息都來源于網絡公開信息。

以下，enjoy。

Olink Proteomics發源于瑞典Uppsala大學，其身是創立于2004年的Olink Biosciences，創始人是Ulf Landegren教授，也是其核心技術PEA（Proximity Extension Assay）的發明人。

Ulf Landegren教授，Olink創始人

Olink是一家來自瑞典的生物科技公司，創始人就是上面這位老爺爺，Ulf Landegren教授，任教于Uppsala University。Olink Biosciences（Olink Proteomics的身）早在2004年就成立了，當時離后來使其爆火的PEA技術發布還有7年。直到2011年，第1篇關于鄰位延展技術（PEA）才正式發表，Olink Proteomics的故事就此拉開帷幕。

Olink的技術平臺叫鄰位延申技術PEA（Proximity Extension Assay），其核心是：通過一雙 “抗體對”特異性識別靶蛋白的兩個相鄰結合位點，再將靶蛋白的定量檢測轉化成寡聚核苷酸（分別標記在“抗體對”重鏈）的實時定量檢測。

通過結合“抗體對-寡聚核苷酸”探針，巧妙地解決了蛋白豐度低捕獲的問題。其中“抗體對”實現了對蛋白捕獲的特異性，“寡聚核苷酸”則可以通過PCR擴增，實現了蛋白的信號放大，使得低豐度蛋白檢測成為可能。

Larry Gold教授，Somalogic創始人

Somalogic成立于2000年，是3家當中成立蕞早的，其創始人是zhu名的Larry Gold教授，2021年登陸納斯達克。Larry Gold老爺子從1970年開始就在科羅拉多大學任教，并先后創立多家生物科技公司，包括NeXagen（和Gilead合并）、Synergen、Somalogic。

Somalogic的技術平臺是SOMAScan™，其核心是被稱為SOMAmer (Slow Off-Rate Modified Aptamer) 的蛋白質親和試劑，直接翻譯過來就是具有慢解離速率的修飾過的核酸適配體。核酸適配體（Aptamer）本質上是人工合成的核酸（可以是RNA或者DNA），長度一般為25~60個核苷酸，具有穩定的二結構，能夠和靶標蛋白特異性結合的。

通過篩選跟不同靶蛋白能夠特異性結合的SOMAmer，從而實現對多重蛋白的捕獲。目，Somalogic能夠做到從一個樣本當中捕捉7000個蛋白質。

SOMAScan™技術原理

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能夠從55 uL的單個血漿或者血清樣本中檢測接近7000個靶蛋白。這也是目蛋白質組學平臺能夠一次性從單個血漿中測得蛋白質數量多。

2022年，Somalogic的營收為9500萬美元。2023年，Somalogic正式進入中國市場，仁科為其代理服務商。

Seer是三家公司里面年輕的公司，是新入局者，同是也為下一代蛋白質組學帶來了創新和技術路徑。2017年，Seer由哈佛大學教授、連續成功創業者Omid Frakhzad 創立，3年后的2020年旋即登陸納斯達克，市值一度高達40億美金。有人將其類比為“蛋白質組學域的Illumina”（Seer，蛋白質組學域的 “Illumina”）。

Omid Frakhzad，哈佛大學教授，Seer創始人

Seer的技術平臺名為Proteograph™，其核心是通過在超順磁性納米粒子表面進行功能化修飾，使得血漿中的低豐度蛋白質能夠在納米尺度空間富集，通過高分辨質譜在肽段層面鑒定蛋白質，從而實現對血漿蛋白質的多重深度富集。

其核心技術在創新之處在于突破了"親和體-蛋白質"之間1對1的結合方式，而是通過篩選不同化學基團修飾的納米粒子，實現對一個納米粒子對應數千種蛋白質的捕獲，從而使得避免了對抗體對或者核酸適配體開發的依賴。

其招股書顯示，Seer的差異化來源于其能夠實現對蛋白組的無偏非靶向富集和檢測。目Seer能夠通過不同修飾納米粒子的組合實現從一個血漿樣本當中捕獲5000種蛋白質。并且由于其依靠的是質譜檢測平臺，可以做到蛋白質翻譯后修飾和變體的區分（抗體則難以區分蛋白質變體）。

Seer已經推出了其產品套件Proteograph™，包括三部分：試劑盒、自動化工作站（SP100，貼牌Hamilton）、數據分析軟件。

其商業模式類似于Olink，也是經典的“打印機-墨盒”商業模式，即通過在合作者和終端客戶安裝產品套件Proteograph™，通過消耗試劑來持續不斷創造營收。用時髦的話術來講，就是HaaS (Hardware as a Service)。

根據investors.等機構的預測，2023年Seer的營收在2500萬美元左右。Seer也已經通過和應脈科技合作，進入中國市場，百濟神州是其客戶。

介紹完了這三家標干公司，來說說哪家強。這是一個招黑的話題。先來說說這三家公司存在的共同點。

第1，Olink、Somalogic、Seer，他們核心的技術都是材料技術、納米生物技術。而總所周知，材料技術一直是我們國家被歐美卡脖子的關鍵技術。很大一部分生物技術的創新本質是新材料技術的創新。

第二，Olink、Somalogic、Seer，他們主打的產品，都是為了去實現對人類蛋白質組的訪問和數據挖掘。這也是行業希望實現的事情，即人類如何能夠像訪問基因組一樣訪問蛋白質組，即如何實現下一代蛋白質組學NGP。

第三，Olink、Somalogic、Seer，他們配備的測序儀也好質譜儀也好，都是第三方廠家的成熟產品。換句話說，要懂得如何將自家的產品嵌入到現有的行業生態中（而不是去占上下游的蛋糕），顯得非常重要。Illumina就已經官宣跟Somalogic深度合作，基因組龍頭老da入局蛋白組。

再說說哪家強。從營收來說，毫無疑問，Olink是3家當中收入蕞高的，Somalogic居中，Seer是少的。從成立時間來看，Somalogic已經超過20年，Olink接近20年，Seer年輕，不過6年。從資本市場給的PS來看，Olink大概是12倍，Seer差不多是10倍，Somalogic是6倍。

但從蛋白檢測數量來說，Somalogic能夠從單個血漿樣本中多檢測7000個蛋白，Olink能夠做到3000個，Seer能夠做到5000個。可見蛋白檢測數量不是唯1的標準。

注：營收數據為2023年預測，數據來源于investors., MarketWatch.

有很多人問我，為什么Olink和Somalogic市值差異那么大？者的PS是后者的2倍？這個問題其實很難回答。從Somalogic的招股書里面可以看出一點，即IPO的時候（2021年6月），Somalogic還是一家服務商，沒有完成產品化，客戶樣本必須送到Somalogic的實驗室。而Olink已經完成了產品化，可以實現在服務商和終端客戶實驗室建站。

可見技術完成產品化對商業化是多么重要。

...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，做一個小小的總結。近幾年，蛋白質組學正在經歷快速的發展。但不管是從技術成熟度、捕獲蛋白的數量、營收規模、還是市場接受度來說，整個行業還處于非常早期的階段，未來的增長空間還很大。不管是Somalogic、SVB Leerink、Seer，都說下一代蛋白質組學NGP的TAM總量會超越基因組學。換句話說，全qiu的NGP公司都處在同一個起跑線上。

上周在上海張江由Olink舉辦的《蛋白質組學驅動藥物開發大會》上，我問了其亞太區副總裁Andrea Ballagi一個問題，即下一代蛋白質組學NGP的拐點會在何時出現？Andrea說大約3年。

可能沒有那么快，但可以想象一個NGP的未來圖景，即：所有的藥物臨床試驗，用蛋白質組學來做病人分層、療效評估、劑量指導，成為標配；所有的疾病標志物研究，用蛋白質組學成為標配；基于多重蛋白標志物（結合其他標志物）的疾病診斷、早篩進入到臨床；基于基因蛋白質組學發現多個新的藥物靶點；蛋白質可以實現高通量從頭測序；蛋白質可以實現直接編輯。正如Motanaro Research所言，生命科學進入一個以蛋白為中心的新時代（Proteomics: Biology's Coming of Age Moment）。

可能不會3年那么快。但也說不定，賽默飛剛剛就在ASMS大會上官宣了新一代高分辨質譜儀Astral，性能得到大提升。但可以看出來，NGP的進一步發展，肯定離不開材料技術的創新、產品化、AI算法、以及和跟上下游深度合作。

同時隨著人工智能時代的到來，大模型、蛋白質設計成為可能，Somalogic和Seer都強調自己有的AI算法，相信人類訪問100萬人類蛋白組數據這一進程會被大大加速。
 

以上文字轉載自網絡nanomics bio