大会主持人：宁波大学质谱技术与应用研究院院长唐科奇
会议现场
宁波大学副校长邵千钧致欢迎词
宁波大学新药技术研究院院长、中科院院士 赵玉芬
宁波大学新药技术研究院院长、中科院院士赵玉芬带来了题为《Protein N-phosphorylation an underestimate area in biomedicine》（蛋白质N-磷酸化：生物医学中被低估的领域）的报告。
在抗体的制备和应用方面，赵玉芬介绍了pArg模拟物的设计与合成，研究小鼠pArg抗体的产生和特异性。对pArg和pHis进行热稳定分析和酸稳定性分析，发现pHis比pArg对热更敏感，pHis和pArg对酸都很敏感。
在鉴定Jurkat细胞中的N-磷酸化研究中，赵玉芬课题组利用生物质谱技术，对不同刺激条件下的人Jurkat细胞中N-磷酸化位点和相关蛋白进行分析，考察了N-磷酸化蛋白在不同质谱条件，尤其是不同二级裂解模式中的检测情况。通过分别微调CID、EThcD及Trigger模式的参数，对Jurkat细胞蛋白经trypsin酶切和TiO2富集后的多肽进行质谱检测，结果表明CID-2方式可以鉴定到最多的位点，EThcD-1模式次之，而多肽的鉴定质量能够提高。
波士顿大学医学院教授 Catherine E. Costello
波士顿大学医学院教授Catherine E. Costello带来了题为《Applications of Advanced Mass Spectrometry Methods to Clinical Analyses》（将质谱分析方法应用于临床分析）的报告。确定疾病或年龄等生理变化对蛋白质结构、水平变化的影响是一个主要的挑战，因为生物活性蛋白的动态范围很广，共翻译和翻译后修饰的结构复杂性和多样性，以及生物样品中存在大量的异构结构。为了最大限度地减少样品处理造成的损失或人为因素的影响，区分相似成分，为了有效利用仪器时间，我们正在开发离子迁移和质谱相结合的方法，提供详细的结构信息，并与在线分离兼容。
由于广泛使用的碰撞诱导解离方法通常无法产生足够的结构细节以进行全面的结构解析，我们正在探索基于电子的解离方法，这种方法可以保留不稳定的蛋白质修饰，同时产生高度信息化的碎片。Catherine介绍了最近和正在进行的研究的例子，在这些研究中，应用了大量的质谱技术来完成临床样本和模型细胞系统的蛋白质组学和糖蛋白组学分析，包括蛋白质错误折叠病、传染病、癌症治疗和疫苗开发等。
国立中山大学 谢建台教授
国立中山大学谢建台教授带来了题为《Rapid characterization of toxins in various biofluids with ambient mass spectrometry for emergency management》（常压敞开式离子源质谱在应急管理中快速鉴定各种生物流体内的毒素）的报告。
谢建台表示毒素鉴定通常使用常规液相色谱-质谱法，但是其样品预处理太耗费时间。谢建台介绍了一种多任务共行的常压敞开式离子源质谱分析平台，能够快速识别自杀患者使用的农药、过量使用的药物以及因使用中草药中毒的患者体内有毒成分。从患者采集标本，包括唾液、洗胃液、尿液和草药植物的真实样本或草药汤剂，对台湾地区中毒患者常见的杀虫剂、50种滥用药物和9种中草药有毒成分进行了检测。为了模拟实际的临床情况，样品溶液分别使用人胃液、尿液或有机溶剂制备并稀释。直接金属探针被浸入样品溶液中并立即取出。然后将探针插入质谱仪的热解吸-电喷雾电离(TD-ESI)或电喷雾激光解吸电离(ELDI)源中，以表征探针上的毒素。由于不需要对样品进行预处理，毒素的TD-ESI/MS或ELDI/MS采样过程在60秒内完成。农药、滥用药物和有毒草药成分的检测限在ppm以下。实验重现性好(RSD< 15%)，表明该方法具有较高的精密度。研究结果表明，TD-ESL/MS和ELDLMS能够为急诊患者提供及时的毒理学信息，为后续的治疗方案方面具有广阔的应用前景。
美国临床质谱应用协会(MASCL)主席、加州大学圣地亚哥分校病理学系教授 David A. Herold
加州大学圣地亚哥分校病理学系教授David A. Herold带来了题为《Artifficial Intelligence will enable Mass Spectrometry in the Clinical Laboratory》（人工智能将应用到临床实验室的质谱中）
David A. Herold表示人们认为临床实验室在指导病人的诊断和治疗方面贡献了70%的信息。由于质谱法能够更准确、更精确地测量分析物，因此在这一时期质谱法开始得到更广泛的应用。当证明妇女和儿童睾丸甾酮不能用免疫分析法准确测定时，这一概念得到了明确的说明，因为其他类固醇类化合物具有交叉反应，质谱法能够对分析物组进行多重分析。当Arlt等人在尿液中使用9种类固醇来鉴别肾上腺良性囊肿和肾上腺皮质癌（ACC）时，通过人工智能来确定ACC的存在（90%的敏感性和90%的特异性）和复发（92%的敏感性和95%特异性）。这一成功令使用AI来评估疾病和蛋白质组代谢产物相关成为可能。
对于AI的应用而言，最重要的是数据的质量。幸运的是，在HPLC、高分辨率质谱、离子迁移谱和增加MALDI电离效率方面已取得了重大进展。FDA现在已经批准使用数字病理切片检查作为手术病理病例的显微检查。一位病理学家正在审查乳腺癌细胞以找到可能的癌细胞，其灵敏度为73.2％，而能够在几分之一秒内扫描图像的Google Brain则具有92.40的敏感度。通过高分辨率质谱法进行的组织成像将增加关于被检查组织的分子信息，以增加所提供信息的细节。当基于数据质量的AI方法被广泛使用并经过适当策划和训练时，预计成功率将接近100％。
参会代表合影
厂商风采
赛默飞
岛津
安捷伦
布鲁克
PEAK
科瑞恩特
BaySpec
会后，宁波大学质谱技术研究院俞建成带领与会人员参观了宁波大学的质谱技术研究院。
关于宁波大学质谱技术研究院
宁波大学首批重点建设“双一流”学科平台，国内质谱研究领域至今唯一成建制的研究院。
人才团队：研究院凝聚了国际顶尖质谱专家、教育部“长江学者奖励计划”讲座教授、中国质谱产业领军人才、中国质谱知名学者和临床质谱专家领衔的质谱研究团队。目前研究院在高性能和小型化质谱的关键理论、关键部件和整机技术上，已经建立了领先优势。
研究成果：已发表包括 Nature PNAS等在内的SCI论文200多篇，专利100余项，多项专利授权和转让，其中lon Funnel的专利技术转让费用超过1亿美元。获得国内外奖励20余项。承担国家重点研发计划项目、国家重大仪器开发项目等课题多项。
机构定位：研究院以建设成为国际一流的质谱技术产学研的高端研究基地和产业化基地为目标，打造中国质谱产业创新创业的“智谷”，成为具有世界级学术影响力和产业化技术影响力的研究平台，成为质谱科技人才汇集和技术创新的国际区域中心，成为多学科交叉和产学研合作的科研特区和体制机制创新示范区。
