DIA定量
随着生命科学的快速发展，蛋白质组学的关注焦点和研究趋势已经逐渐从定性转向定量。定量蛋白质组学是对细胞、组织乃至完整生物体的蛋白质表达量及差异进行分析，对于生物过程机理的探索和临床诊断标志物的发现与验证具有重要意义。基于静电场轨道阱 Orbitrap 的数据非依赖采集（Data Independent Acquisition, DIA）是一项全新的、全息式的质谱技术。DIA 将质谱整个全扫描范围分为若干个窗口，高速、循环地对每个窗口中的所有离子进行选择、碎裂、检测，从而无遗漏、无差异地获得样本中所有离子的全部碎片信息。
DIA 有效结合了Shotgun 和PRM的优势和特点。在生命科学研究中，高度的复杂性、庞大的样本量、样本的不稳定性是分析的难点，而 DIA 提供条件统一、无差别的质谱采集方法，能够在样本信息“完全未知”的情况下，对样本进行高通量、高速度采集，获得数据之后再进行深入解析和挖掘，是应用蛋白质组学实验的利器。在生物学研究中，多个时间点或多种条件下蛋白表达量的变化趋势是分析的重点，而 DIA 的灵敏度、精确度和重现性为获得准确、可靠的定量结果提供了有力保障。
技术介绍 技术优势 技术流程 产品信息
传统的依赖质谱的蛋白质组学技术（包括shotgun、Label free、iTRAQ/TMT以及SILAC等）的采集模式为DDA（Data Dependent Acquisition）。在这种模式下，质谱根据离子化的肽段母离子的强度，依次选择N个（一般10-20）强度最大的离子进入串联质谱，进行进一步碎裂，然后经过与模板蛋白质数据库比较确认。这种方法无疑丢失了大量有用的肽段母离子信息。此外，经过二级碎裂的二级谱图，在后期使用软件鉴定中也仅有少量谱图得到解析（约30%-50%），大部分谱图依然得不到有效利用。由于质谱选择离子的随机性，造成鉴定的重复度较低。又由于空间电荷效应的存在，大大限制了分析的动态范围，一些重要的低丰度蛋白得不到解析。
与传统蛋白质组学“鸟枪法”（Shotgun）相比，DIA蛋白质组学技术具有以下优势：
1. 无歧视地获得所有肽段的信息，不会造成低丰度蛋白信息的丢失， 2. 循环时间固定，扫描点数均匀，定量准确度高， 3. 肽段的选择没有随机性，数据可以回溯，对于复杂蛋白样本，特别是低丰度蛋白具有更优异的重现性。
与传统质谱定量“金标准”选择反应监测/ 多反应监测（SRM/MRM）相比，DIA蛋白质组学技术具有以下优势：
1. 无需提前指定目标肽段，适用于未知蛋白分析； 2. 无需优化方法，获得数据后再基于谱图库实现定性确证和定量离子筛选； 3. 通量无上限，适合大规模蛋白定量分析。形象地说，Shotgun 就像机枪扫射，高效率地打击尽可能多的目标；SRM/MRM 就像精准狙击，准确无误地打击特定目标；而DIA 就像地毯式轰炸，无遗漏地打击全部目标。
1. 采集所有离子及碎片谱图，不丢失任何信息，重现性好； 2. 数据易于追溯，即使目前的水平无法发现某些蛋白/ 化合物，未来可以回溯； 3. 无需优化方法，对于易降解样品可以即刻采集，获得数据后再深入挖掘； 4. 基于碎片离子（即母子离子对）定量，选择性好，与 SRM/MRM 相当；5. 循环时间固定，扫描点数均匀，定量准确度高； 6. 通量无上限，同时监测所有目标蛋白/ 化合物； 7. 相同肽段不同翻译后修饰位点的定量区分与辨别。
1.产品描述：DIA非标蛋白质组学-对客户提供的不同组别的样本进行蛋白质组学分析，鉴定获得所有样本的肽段/蛋白信息，定量筛选不同组别样本之间显著性差异表达的蛋白质，并对显著性差异蛋白质进行生物信息学分析。
2.样品要求：
2.1. 常规人、动物组织（比如肝脏、肾脏、脑组织等）：≥100mg；
2.2. 软体动物：≥100mg；
2.3. 动物坚韧组织（软骨、毛发等）：≥500mg；
2.4. 植物叶片等鲜嫩组织：湿重≥1g；
2.5. 植物富含杂质或蛋白含量低的样本，如植物根，根茎、木质部、韧皮部组织等：干重≥2g；
2.6. 植物花粉：≥100mg；
2.7. 藻类组织：≥1g；
2.8. 细胞样本数目须达到：105（建议使用本公司的裂解液进行裂解之后再进行寄送）；
2.9. 微生物菌类：≥50µL纯菌体；
2.10. 体液类（唾液、羊水、脑脊液等）1 mL以上，不能溶血；血清50 μl以上；尿液10 mL以上。
2.11. 其他特殊样本如有疑问请联系我们。
3.质谱信息：Orbitrap Fusion（Thermo Scientific），Orbitrap Exploris 480（Thermo Scientific)
4.测试周期：30个工作日
5.报告信息：测试报告、肽段/蛋白质鉴定列表（电子版）、显著性分析列表（电子版）、生物信息学报告、原始质谱测试文件
6:生信分析：
6.1. 质谱数据质量分析
6.2. 显著性差异统计分析
6.3. GeneOntology注释和富集分析
6.4. KEGG注释和富集分析
6.5. 蛋白质互做网络PPI分析