其他檢測項目
DIA蛋白質組學
實驗介紹
DIA（data-independent acquisition，數據非依賴性采集）技術是近年來發(fā)展起來的一種新的質譜技術，屬于非標記蛋白質組學方法。采用數據非依賴性掃描模式：將質譜整個全掃描范圍分為若干個窗口，然后對每個窗口中的所有離子進行檢測、碎裂，從而無遺漏、無差異地獲得樣本中所有離子的信息。從而降低樣本檢測的缺失值，同時提高定量準確性和重復性，實現(xiàn)大樣本隊列中高穩(wěn)定，高精準的蛋白質組定量分析。 與DDA技術相比，DIA技術的優(yōu)勢包括：（1）采集所有的離子信息，實現(xiàn)更高的數據覆蓋度；（2）減少采集的隨機性，實現(xiàn)極高的檢測重現(xiàn)性、穩(wěn)定性；（3）采用碎片離子定量，定量精密度、準確性、線性范圍大大提高。基于上述技術優(yōu)勢，DIA技術尤其適用于大規(guī)模樣本的高度覆蓋、穩(wěn)定和可追溯地分析。
實驗流程
應用方向
DIA專為大樣本量分析應用而生：
? 疾病精準分型、品系研究比較：DIA實現(xiàn)更加準確的定量結果，從而更精確反映疾病亞型、品系間的差異；
? 生物標志物發(fā)現(xiàn)：DIA接近MRM的定量能力，實現(xiàn)標志物篩選與初步驗證過程合二為一；
? 生物樣本信息庫構建：DIA可實現(xiàn)生物信息的完整保存，為后續(xù)回溯分析提供保障。
數據分析
標準數據分析內容 | |
鑒定結果統(tǒng)計與分析 | 樣本蛋白質及肽段鑒定柱狀圖、PCA分布圖、定量差異統(tǒng)計分析 |
生物信息學分析 | GO及GO富集、KEGG及KEGG富集分析、PPI互作網絡與module分析 |
| 差異上下調蛋白KEGG蝴蝶圖、KEGG通路功能歸屬等 |
高級數據分析內容 | |
標志物篩選 | 集成機器學習、LASSO回歸分析、標志物panel、ROC分析 |
分子分型分析 | 無監(jiān)督聚類分型分析、蛋白質組+轉錄組聯(lián)合分析、激酶分析 |
臨床表征與組學結果聯(lián)合分析 | |
疾病相關功能模塊分析 | WGCNA共表達分析 |
生存曲線分析 | 臨床分型與生存曲線分析 |
技術優(yōu)勢
? 全掃描模式：數據非依賴性采集模式，大大減少高豐度干擾，全面采集高低豐度信號，數據覆蓋度提高近40%
? 超高重現(xiàn)性、穩(wěn)定性：大樣本鑒定重復率提升近40%，定量精密度提升近1倍
? 超高定量準確度：定量能力接近金標準SRM/MRM靶向技術