DIA重要选取数据非依赖采集模式（DIA） ，结合传统的数据依赖采集模式（DDA）构建参考谱图库 ，通过液质联用技术（LC-MS/MS）将质谱整个全扫描领域分为若干个窗口 ，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、无差距地获得样本中所有离子的全数碎片信息。随后利用搜库软件进行蛋白组学的鉴定、定量分析等。
技术优势
活络度高 ，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迷失 ，
循环功夫固定 ，扫描点数均匀 ，定量正确度高 ，
沉复性好 ，沉复样品间的定量有关性可达到0.99以上。
分析内容
1. 数据质控
2. 蛋白职能注解：GO 注解、COG 注解、KEGG 注解、结构域注解
3.蛋白定量分析：蛋白定量了局、蛋白表白水平聚类分析、沉复性分析
4. 蛋白差距分析：蛋白差距分析了局、差距蛋白火山图、差距蛋白聚类热图
5. GO 富集分析：GO 富集了局、GO 富集柱状图、GO
富集有向无环图、
6. KEGG 富集分析：KEGG 富集了局、KEGG 富集气泡图、KEGG 富集通路图
7. 结构域富集分析：结构域富集了局、结构域富集柱状图、差距蛋白互作分析、
8.
差距蛋白互作分析
9. 转录组关联分析
代表性文章
【1】Collins B C , Hunter C L ,
Liu Y , et al. Multi-laboratory assessment of reproducibility, qualitative and quantitative performance of
SWATH-mass spectrometry[J]. Nature Communications, 2017, 8(1):291.
【2】Rouwette T , Sondermann J , Avenali L , et al. Standardized
profiling of the membrane-enriched proteome of mouse dorsal root ganglia provides novel insights into chronic
pain[J]. Molecular & Cellular Proteomics, 2016, 15(6):mcp.M116.058966.
案例展示
蛋白定量DIA用于慢性疼痛的钻研
Standardized Profiling of The Membrane-Enriched Proteome of Mouse Dorsal Root Ganglia (DRG) Provides Novel
Insights Into Chronic Pain
钻研布景
慢性疼痛是一种医治规划有限的复杂疾病。虽对其发病机理进行了屡次钻研 ，但各了局间存在较大不一致性 ，重要受限于传统蛋白质组shotgun技术固有的缺点。发病机造依然不清澈。
尝试设计
炎症性疼痛和神经性疼痛两种模型鼠及其对应control鼠共4组 ，各3个生物学沉复
每个生物学沉复由10-13只鼠pooling而成
解剖获得同侧背根神经节膜部门提取蛋白进行DIA蛋白定量
图1 尝试设计类型
重要发现
1）DDA建库鉴定到3067个蛋白 ，迄今鉴定数最多的背根神经节蛋白钻研。
2）DIA四组都鉴定到的蛋白有2526个 ，其中CFA和Vehicle都鉴定到的有2581个；SNI和Sham都鉴定到的2600个 ，批注尝试沉复性较好。
3）炎症性和神经性疼痛差距蛋白别离为64和77 ，两种模式共有差距蛋白为12个。
4）其中Serca蛋白在两种模式幼鼠中表白量变动相反 ，批注两种疼痛的调控机造分歧。
5）western blot和免疫组化对上述DIA了局进行了验证。
图2 四组尝试模型的蛋白聚类分析
参考文件
Rouwette T , Sondermann J , Avenali L , et al. Standardized profiling of
the membrane-enriched proteome of mouse dorsal root ganglia provides novel insights into chronic pain[J].
Molecular & Cellular Proteomics, 2016, 15(6):mcp.M116.058966.
了局展示
结构域注解柱状图
Interproscan是蛋白质结构域和职能注解最常用的软件之一。为了能更全面的进行结构域的注解 ，Interproscan整合了一些最常用的结构域数据库 ，蕴含 Pfam、 ProDom、 SMART
等结构域的数据库 ，利用模式结构或特点进行职能未知蛋白的结构域注解 ，绘造结构域注解的柱状图。横坐标代表蛋白数量 ，纵坐标代表注解到的 IPR 条款。
蛋白表白水平聚类图
蛋白表白水平聚类分析用于判断分歧尝试前提下蛋白表白量的有关性。每个样品城市得到一个绝对或相对蛋白表白集中 ，将所有样品表白集中并在一路 ，用于档次聚类分析和 K-means 聚类分析。
KEGG 富集通路图
在
KEGG
通路图中 ，圈出了差距蛋白 ，其中绿色底色框内为鉴定出的总蛋白 ，蓝色框象征的是下调差距蛋白 ，红色框象征的是上调差距蛋白 ，黄色框象征的是通路中该职能对应的多个蛋白中寂仔上调差距蛋白、也有下调差距蛋白。
差距蛋白互作分析
利用 StringDB 蛋白质互作数据库进行鉴定蛋白的互作分析 ，若在数据库中有相应的物种 ，则直接提取相应物种的序列 ，若无 ，则提取近源物种的序列 ，而后将差距蛋白的序列与提取出的序列进行 blast
比对 ，得出相应的互作信息 ，构建网络图。
常见问题
1.
蛋白定量DIA和传统的非象征定量有何优势？
传统的非象征定量通常必要通过度级的步骤发展 ，耗时久、沉复性差、数据了局可信度不高；蛋白定量DIA技术是新一代非象征定量技术 ，可通过更优的数据采集模式 ，在一样功夫采集到更丰硕的信息 ，压缩周期的同时 ，大福度提高样本间平行比力的沉复性 ，数据了局可信度极高。
