搜索DIA定量
数据非依赖型采集定量
📝 服务介绍
DIA模式将质谱扫描范围分为若干窗口，每个窗口同时碎裂所有肽段并采集，产生全扫描数据。相比DDA，DIA缺失值极低、重复性好、定量精确，是新一代定量蛋白质组标准方法。
🔬 实验原理
DIA定量蛋白质组原理：数据非依赖采集(Data Independent Acquisition)在一级质谱全扫描后，按预设m/z窗口(如25Da)依次对窗口内所有肽段进行二级碎裂，获得所有肽段的碎片谱图。结合谱图库或预测算法(DIA-NN/Spectronaut)进行肽段鉴定和定量，实现高覆盖低缺失定量。
📋 应用领域
- 深度无标记数据非依赖采集定量
- 通量蛋白定量与深度覆盖
- 差异蛋白稳定定量
- 大规模样本(几十-几百)队列比较
- 重现性与CV值优化
- 临床队列蛋白组/标志物筛选
⭐ 服务优势
- 缺失值极低：<5%（vs DDA 15-30%）
- 重复性极佳：CV<10%
- 定量精确：跨4个数量级
- 大队列友好：适合临床队列
🔄 服务流程
- 蛋白提取酶切
- QC样品制备
- DDA建库（建立peptide-spectrum library）
- DIA数据采集（24-48个窗口）
- DIA-NN/Spectronaut分析
- 定量和差异分析
- 生物信息分析
📋 服务详情 / 客户提供
| 项目 | 要求 |
|---|---|
| 样品 | 蛋白>=20ug/样本 |
| 样本数量 | >=3组 每组>=3重复 |
| 分组信息 | 明确组别和比较方案 |
| 采集模式 | DIA（需先建DDA库或使用预测库） |
| 分析需求 | 差异蛋白/GO/KEGG/PPI |
📊 结果展示
差异蛋白列表、火山图/热图/PCA图、GO/KEGG/PPI分析及实验报告。
📦 最终交付
差异蛋白列表、火山图/热图/PCA图、GO/KEGG/PPI分析及实验报告。
Q: DIA和DDA有什么区别
DDA（数据依赖采集）选择Top N最强离子碎裂，导致低丰度肽段易遗漏缺失值高；DIA（数据非依赖采集）将m/z范围分窗口全部碎裂采集，不遗漏任何肽段。DIA缺失值低、重复好。
Q: DIA是否需要建谱库
传统DIA需要DDA建库（Library-based），新算法DIA-NN支持library-free分析（使用深度学习预测谱图）。推荐library-free + gas-phase fractionation获取最大蛋白覆盖。
Q: DIA和DDA区别
DDA(数据依赖采集)：先做全扫描→选Top N最强离子碎裂，高丰度肽段优先，低丰度肽段可能缺失(20-50%缺失值)，重现性低。DIA：预设窗口碎裂所有肽段，缺失值少(<10%)、重现性高(CV 10-20%)、覆盖率高，但数据复杂需谱图库或预测。大队列定量选DIA(重现性好)，蛋白质组发现选DDA(鉴定深度)。
Q: DIA实验怎么做
1)样本制备(蛋白提取→胰酶消化→肽段除盐)；2)构建谱图库：DDA模式采集混合样本(所有样本等量混合)→搜库(MaxQuant/Mascot)生成谱图库；3)DIA采集：预设m/z窗口(如400-1000 m/z，25Da步进)碎裂全部肽段；4)数据分析(DIA-NN/Spectronaut/OpenSWATH)匹配谱图库→定量。也可以用预测谱图库(DIA-NN deep learning预测)不需实验谱图库。
Q: DIA需要多少上样量
1-2μg总蛋白/进样(与DDA相同)。DIA比DDA灵敏度略低(每个肽段分配窗口内碎裂时间更少)，但覆盖率更高(缺失值少)。需要构建谱图库的样本需额外1-2μg(混合样本DDA采集)。建议每样本技术重复2-3次。DIA梯度分离60-120min(与DDA相同)。DIA模式增加气相分离(FAIMS)可提高覆盖。
Q: DIA数据分析怎么做
1)谱图库构建(DDA数据→搜库)或预测谱图库(DIA-NN内置深度学习预测)；2)DIA数据匹配(DIA-NN/Spectronaut/OpenSWATH)→肽段鉴定+定量；3)缺失值处理(DIA缺失值少<10%)；4)标准化(median/TIC)；5)差异分析(t检验/ANOVA+FDR)；6)GO/KEGG富集。DIA-NN免费开源(推荐)，Spectronaut商业软件功能全。
Q: DIA和TMT怎么选
DIA：无需标记，重现性高(适合大队列)，缺失值少，动态范围宽，但需谱图库。TMT：标记通量高(6-16通道)，但比值压缩+批次效应。大队列(>20样本)选DIA(成本低重现性好)，小样本(6-16)选TMT(精确)。也可先DIA建立谱图库→后续DIA大队列。DIA+TMT互补：TMT发现→DIA验证。