|
单细胞测序技术服务 靶向单细胞测序（lncRNA&mRNA） 单细胞测序 |
|
生物分子凝聚体研究 HyPro靶RNA临近标记技术 |
|
NGS测序技术服务 R-loop 测序（DRIPc-seq） |
|
NGS测序技术服务 环状DNA测序（eccDNA测序） |
|
Ribo-seq Ribo seq（ribosome profiling） |
核糖体-新生肽链复合物(RNC) RNC联合 circRNA芯片 RNC联合 lncRNA芯片 RNC-seq |
|
蛋白表达定量 Label free非标定量 TMT标记定量 PRM靶向定量 DIA定量蛋白质组学 |
相关服务
TMT标记定量 Label free非标定量相关产品
相关资源
数据非依赖采集（Data independent acquisition，DIA）是近年来备受瞩目的质谱采集技术之一，一度带领了定量蛋白质组学新发展。DIA相比于传统的数据依赖采集DDA的优势在于通过无偏地采集所有离子的碎片信息，实现对复杂生物样本中蛋白质的高覆盖鉴定和精准定量，能够有效检测复杂样品中相对低丰度的蛋白质及其肽段，大幅提高了组学分析的鉴定深度。DIA的原理是在质谱数据采集时，高速、循环的将每个采集窗口内的所有母离子及其碎裂后的子离子进行全扫描，可以无遗漏地获得样本中所有离子的全部碎片信息，避免了数据依赖采集（Data Dependent acquisition，DDA）中因母离子选择导致的低丰度肽段信息丢失问题，数据利用度大大提高，缺失值更少。DIA具有高通量、高重现性、高定量精度的优点，已成为蛋白质组学研究的主流方法之一。
图1. DDA-MS和DIA-MS采集原理
· 长色谱分离梯度：使用2小时色谱梯度，支持鉴定到更多肽段。
· 高灵敏度：避免DDA的选择偏差，显著提升低丰度蛋白的检出率，降低数据缺失率。
· 高重复性：无差别采集所有离子信息，不同实验间的定量结果一致性更高。
· 高定量准确性：通过碎片离子的强度积分实现蛋白质的定量，变异系数（Coefficient of Variation, CV）可控制在10%以内。
· 数据可回溯性：原始数据可反复挖掘，支持后续新蛋白鉴定或功能注释。
· 技术扩展性：可根据需求个性化设置窗口宽度，或建立项目专属谱图库，进一步提升鉴定深度。
· 深度数据分析：采用DIA-NN分析方法，利用深度神经网络以及新的量化和信号校正策略处理DIA数据，精准识别和定量蛋白。
图2. DDA-MS 与 DIA-MS 相比的优势和局限性
样品前处理跟常规非标记DDA方法一致，在数据处理阶段，传统DIA数据分析需要通过额外的DDA数据建立谱图库，而随着软件算法的不断发展，直接进行无库的DIA分析逐渐成为可能，且不失去其原来的优点。DIA-NN首次于2020年发表在nature methods杂志，其使用深度神经网络 (DNN) 来区分真实信号和噪声，并采用了新的定量和信号校正策略，可以有效的提高DIA分析结果的蛋白数，并显著提高蛋白的覆盖度。
图3. 非标记DDA-MS和DIA-MS工作流程
DIA定量蛋白质组学可提供以下结果：质谱原始数据，蛋白质鉴定及定量列表，生物信息学分析结果。
1.差异蛋白GO/pathway分析
2.差异蛋白火山图
3.差异蛋白PPI互作网络图
表1. DIA-MS 在癌症研究的应用
图4. DIA-MS在癌症研究中的应用
DIA技术凭借其高覆盖、高重现性和精准定量能力，已成为蛋白质组学研究的核心工具，广泛应用于疾病机制、药物开发、生物标志物筛选等领域。随着算法和硬件的持续优化，DIA将推动蛋白质组学向更高分辨率、更大规模队列分析方向发展。
