.png)
合作交流
DIA（data-independent acquisition，数据非依赖性采集）技术是近年来发展起来的一种新的质谱技术，属于非标记蛋白质组学方法。采用数据非依赖性扫描模式：将质谱整个全扫描范围分为若干个窗口，然后对每个窗口中的所有离子进行检测、碎裂，从而无遗漏、无差异地获得样本中所有离子的信息。从而降低样本检测的缺失值，同时提高定量准确性和重复性，实现大样本队列中高稳定，高准确的蛋白质组定量分析。 与DDA技术相比，DIA技术的优势包括：（1）采集所有的离子信息，实现更高的数据覆盖度；（2）减少采集的随机性，实现更高的检测重现性、稳定性；（3）采用碎片离子定量，定量精密度、准确性、线性范围大大提高。基于上述技术优势，DIA技术尤其适用于大规模样本的高度覆盖、稳定和可追溯地分析。
备注：DIA与常规定量蛋白质组的最大不同之处在于“谱图库（spectral library）构建”，即DIA在进行样本检测之前，建议先进行建库操作。质谱对蛋白质肽段的鉴定，基于一级信号和二级图谱：在常规蛋白质组的扫描模式下，1张二级图谱几乎仅来自于1个一级信号；而在DIA全扫描模式下，1张二级图谱是一个混合图谱，来自于多个一级信号。通过建库方式进行准确匹配，可提高鉴定准确性，降低匹配难度。
DIA专为大样本量分析应用而生：
▶ 疾病精准分型、品系研究比较：DIA实现更加准确的定量结果，从而更准确反映疾病亚型、品系间的差异；
▶ 生物标志物发现：DIA接近MRM的定量能力，实现标志物筛选与初步验证过程合二为一；
▶ 生物样本信息库构建：DIA可实现生物信息的完整保存，为后续回溯分析提供保障。
| 标准数据分析内容 | |
|---|---|
| 鉴定结果统计与分析 | 样本蛋白质及肽段鉴定柱状图、PCA分布图、定量差异统计分析 |
| 生物信息学分析 | GO及GO富集、KEGG及KEGG富集分析、PPI互作网络与module分析 |
| 差异上下调蛋白KEGG蝴蝶图、KEGG通路功能归属等 | |
| 高级数据分析内容 | |
| 标志物筛选 | 集成机器学习、LASSO回归分析、标志物panel、ROC分析 |
| 分子分型分析 | 无监督聚类分型分析、蛋白质组+转录组联合分析、激酶分析 |
| 临床表征与组学结果联合分析 | |
| 疾病相关功能模块分析 | WGCNA共表达分析 |
| 生存曲线分析 | 临床分型与生存曲线分析 |
▶ 全扫描模式：数据非依赖性采集模式，大大减少高丰度干扰，全面采集高低丰度信号，数据覆盖度提高近40%
▶ 超高重现性、稳定性：大样本鉴定重复率提升近40%，定量精密度提升近1倍
▶ 超高定量准确度：定量能力接近金标准SRM/MRM靶向技术
推荐组合产品
(1) 临床大队列研究“黄金”联合：DIA蛋白质组+DIA磷酸化蛋白质组
(2) 标志物研究“一站式”解决方案：DIA蛋白质组+PRM
Low-Dose Sorafenib Acts as a Mitochondrial Uncoupler and Ameliorates Nonalcoholic Steatohepatitis. 2020. Cell Metabolism. (IF 27.287) 【客户文献】
DIA蛋白质组+Label free磷酸化修饰组学助力发现低剂量索拉非尼可改善非酒精性脂肪性肝炎
The Protein Landscape of Chronic Lymphocytic Leukemia (CLL). 2021. Blood. (IF 22.113)
DIA蛋白组应用于慢性淋巴细胞白血病图谱的绘制
Urinary proteome profiling for stratifying patients with familial Parkinson’s disease. 2021. EMBO Molecular Medicine. (IF 12.137）
DIA+机器学习筛选帕金森氏病尿液标志物
© 2004 - 2019 上海中科新生命生物科技有限公司 版权所有 sitemap 沪ICP备14033860号 网站建设 Powered by Yongsy
.png)
