蛋白质组学数据剖析报告共75页文档
蛋白质组学数据分析
71.08
156.19 114.10 115.09
103.14 129.12
Glutamine
Glu or Gln Glycine Histidine
Q
Z G H
128.13
具体数值，对应后页中离子质量
蛋白质组学质谱分析背景介绍
蛋白质组学质谱分析背景介绍
蛋白质组学质谱分析背景介绍
目前人类已知蛋白大约有6万8千种 平均每种蛋白长度为500个氨基酸 平均每种蛋白可以胰切成50个肽段 平均每个肽段有10种可能打碎情况 每一种可能情况产生1张理论图谱 平均一次质谱实验有3000次扫描 每一次扫描产生1张质谱谱图 ???面对如此多的质谱谱图和理论图 谱我们将如何进行比对
在IE中输入http://localhost/ISB/data/ZCNI_training/interact.prot.shtml,看 到经ProteinProphet后的结果为:
蛋白质组学数据库检索软件 GPM(X!tandem)
蛋白质组学数据库检索软件
GPM(X!tandem)
类型 数据输入 免费开源软件
SEQUEST
商业软件
Mascot
商业软件
DTA,PKL,MGF ， RAW,DTA mzXML,mzDATA 快 较慢
MGF,DTA
速度
较慢
蛋白质组学数据库检索软件
选择经PeptideProphet后生成的 Interact.pep.xml文件
• 其他为默认,点击Run ProteinProphet!
其它参数为默认,点击Run ProteinProphet,即可运行ProteinProphet程序
运行ProteinProphet完成后生 成的interact-prot.shtml 文件可由IE打开.
蛋白质组分析word版
蛋白质组分析蛋白质组（proteome）源于蛋白质（protein）与基因组（genome）两个词的杂合，其定义为proteins expressed by a genome，即一个基因组表达的全部蛋白质。
目前认为蛋白质组的内涵是一个细胞、一类组织或一种生物的基因组所表达的全部蛋白质。
蛋白质组学（proteomics）是研究蛋白质组的一门新兴学科，旨在阐明生物体全部蛋白质的表达模式及功能模式。
蛋白质化学着重于单一蛋白质结构、功能的研究，例如某一种蛋白质或蛋白质亚基的全序列分析，三维立体结构的确定，这样的结构如何执行功能、在生理上所扮演的角色，以及代谢的生化机制等。
蛋白质组学则是研究多种蛋白质组成的复杂系統。
Proteomics的字尾“-omics”的意思是“组学”，代表对生物、生命体系研究工作方式的重新定义，也就是说，蛋白质组学是对基因组所表达的整套蛋白质的分析，其研究对象是多蛋白质混合物的“系统”行为，而不是“单一组成”的行为。
它通过对一个大系统中包含的所有蛋白质进行分离、鉴定、表征和定量，提供关于该系统准确和全面的数据和信息。
蛋白质组与基因组通常，一个细胞中表达两类基因：①必须功能蛋白质的基因；②行使细胞专一性功能蛋白质的基因。
因此，一种生物有一个基因组，但有许多蛋白质组。
因此，蛋白质组与基因组在内涵上有很大的不同，主要表现在以下四个方面：（1）蛋白质组具有多样性图11.1 基因以多种mRNA形式剪接的示意图EXON：外显子，真核细胞基因DNA中的编码序列。
这样的序列可转录为RNA并进而翻译为蛋白质。
P代表磷酸化，sugar代表糖基化，lipid代表脂肪酰化，Ub代表泛素化[3]。
（2）在蛋白质组的研究中，时间和空间的影响都不可忽视（3）蛋白质间主要以相互作用的形式参与生命活动（4）蛋白质组研究对技术的依赖性和要求远远超过基因组学蛋白质组学研究对生物分析化学提出的挑战表11.1 目前蛋白质组学分析中使用的分离与鉴定技术[6-12]技术是否需要标记是否可用于可测定的蛋白质分子量范围动态范围可分离的蛋白点数方法的适用范围检测传统的双向电泳方法（2-DE ） 否 是10 kD ～200 kD1, 0003, 000定量困难，方法的重复性差 荧光双向差示凝胶电泳（DIGE ） Cy-2，3 or 5 fluorophores 标记伯氨基是 10 kD ～200 kD 10, 000[6]3, 000[7]适用于检测高表达水平、长半衰期的蛋白质 基于反相色谱的二维色谱系统[8]否是 ＞5 kD 的肽或蛋白质100 2, 500限于UV 检测，未与MS 联用 LC-MS/MS 多维色谱系统(MudPit)可以用N 14/N 15标记氨基酸是 蛋白质经酶解后的多肽混合物 10, 000[9]872[10]适用于较复杂的蛋白质混合物，进行MS 分析前需进行分级分离 MALDI-TOF-MS 否 是 ＞10 kD ，实际测定蛋白质经酶解后的多肽混合物25 不适用 通过肽质量指纹图鉴定已分离的蛋白质 SELDI-TOF-MS [11]否 是 ＜40 kD 25 不适用利用蛋白质芯片对生物样品中蛋白质的质量进行分析I CAT分析技术 以ICAT 试剂标记巯基 是蛋白质经酶解后的多肽混合物 无数据 496[12]适用于含巯基蛋白质的相对定量分析cICAT 分析技术以可裂解的C 12/C 13ICAT 试剂标记巯基否 蛋白质经酶解后的多肽混合物10, 000 496 适用于含巯基蛋白质的相对定量分析differential gel electrophoresis ）；MudPit ，用于蛋白质分离的多维色谱（multi-dimensional for protein identification ）；SELDI-MS ，表面增强激光解吸离子化—质谱（surface enhanced laser desorption ionization-MS ）；基质辅助激光解吸离子化—质谱（MALDI-MS ，matrix-assisted laser desorption ionization-MS）；ICAT ，同位素标记的亲和标签(isotope-coded affinity tag)技术；cICAT ，可裂解的ICAT （cleavable ICAT ）技术；PTM ，蛋白质翻译后的修饰（posttranslational modification ）。
蛋白质组数据分析
（x,y）散点图,显示CV随着蛋白丰度的增加而降低
cv
0.8
0.7
0.6
0பைடு நூலகம்5
0.4
0.3
0.2
0.1
0
-4
-2
0
2
4
6
8
10
12
14
16
log2(protein abundance)
两个概念
• 检测限limit of detection，指样品分子能够 被可信地检测到的最低含量
Jan Rudolph Maxquant 2017 Beijing training
Jan Rudolph Maxquant 2017 Beijing training
iTRAQ quantification
一次蛋白质组实验
• 示例数据 proteinGroups.txt • The dataset consists of three breast cancer cell
lines measured in triplicates. The samples were measured with SILAC as an external standard. The light state (Lys-0/Arg-0) is the respective sample, while the heavy state (Lys-8/Arg-10) is always the same mixture of all cell lines. • /doku.php?id=perseus:us er:use_cases:silac
定量蛋白质组学
蛋白质组数据分析
TagIdent较适于全基因组已知的原核生物和单细胞真核生物的蛋白质鉴定。 这里因为，利用序列标签(sequence tag)鉴定蛋白质需涉及指定物种在序 列数据库中的所有蛋白，而对已知蛋白质分子数目较少或蛋白质数目较为 海量(如人类)的物种，利用TagIdent鉴定蛋白质时需谨慎使用
③ 氨基酸成份分析——AACompIdent
分析、蛋白质和多肽的N端、C端氨基酸序列分析以及质谱技术分析等鉴 定方法
③ 二维凝胶数据库：
ExPAsy提供了WORLD-2DPAGE, /ch2d/2dindex.html 以SWISS-2DPAGE (Swiss Institute of Bioinformatics
用SDS-PAGE分离复合物，
再用质谱鉴定与目标蛋 白作用的各种蛋白质。
蛋白质芯片为基础的研究方法
可特异性的捕获样品中的靶蛋白，然后通过检测系统进行分析，它是一种 理想工作方法同时也还面临着诸多挑战
固相支持物表面高度密集排列的探针蛋白点阵，当待测靶蛋白与其反应时，
③ 实验和预测相结合的方法
例如：用噬菌体展示实验来筛选与多肽识别模体连接的最佳配体的 一致性序列，通过得出的一致性序列，用计算机方法搜索带有一致
双向电泳：同时分离几千个甚至上万个蛋白质点
常用方法有银染法、考马斯亮蓝染色法等， 银染法已流行方法较考马斯亮蓝R-250敏感
凝胶图像：用图像扫描仪、激光光密度仪、磷光或荧光测定仪等，将蛋白质 点数字化，每一个上斑点的上调、下调及出现、消失，都可能在生理和病理
互作蛋白组质谱结果分析
百泰派克生物科技
互作蛋白组质谱结果分析
蛋白质-蛋白质相互作用（PPI）几乎参与所有的的生物学过程，研究PPI是解析相互作用蛋白的作用机制及其生理功能的基础，互作蛋白组也是目前蛋白质组学研究的重要内容。
目前为止，基于质谱（MS）技术的互作蛋白组分析已经成为鉴定PPI 的重要技术，其中以亲和纯化结合质谱分析（AP-MS）是目前应用最广泛的互作蛋白组研究方法。
互作蛋白组经过质谱检测和分析后，基于质谱检测分析得到的蛋白定量矩阵，通过实验组和对照组的蛋白定量差异，过滤背景蛋白和非特异性。
在目前的AP-MS质谱结果分析中，主要以蛋白的非标记定量信号强度（LFQ intensity）为指标，比较实验组和对照组蛋白定量差异，以较对照组中筛选出LFQ intensity显著较高的蛋白作为高置信度靶标蛋白的互作蛋白。
目前AP-MS质谱结果分析中显著差异蛋白的筛选标准较常规蛋白质组学通常较高，以差异倍数＞10，P value<0.01作为相互作用蛋白的筛选标准。
百泰派克生物科技采用Thermo Fisher的Orbitrap Fusion质谱平台，Orbitrap Fusion Lumos质谱平台结合Nano-LC，提供蛋白质互作分析服务，及后续基于液质联用技术（LC-MS/MS）对IP、Co-IP样品及GST融合蛋白Pull-down等纯化样本中的蛋白/蛋白混合物的质谱鉴定分析服务。
您只需告知我们您的实验目的并寄出样品，我们将负责项目后续所有事宜，包括细胞培养、细胞标记、蛋白提取、抗体IP、效率检测、蛋白酶切、肽段分离、质谱分析、质谱原始数据分析、生物信息学分析。
蛋白组学差异分析报告
蛋白组学差异分析报告一、研究背景介绍蛋白组学是研究生物体内所有蛋白质的组合及其功能的科学技术，在生物医药领域具有重要的应用价值。
蛋白组学差异分析是指通过比较不同样本中的蛋白质组成和表达水平的差异，来探究相关疾病的发生机制、寻找生物标志物等。
二、实验设计蛋白组学差异分析需要经过一系列的实验步骤来完成。
以下是一种常见的实验设计流程：1.样本收集：收集不同组别的样本，如对照组和实验组的生物组织或细胞。
2.蛋白质提取：采用合适的方法将蛋白质从样本中提取出来，通常需要破碎细胞膜和细胞核，以获得整个蛋白质组。
3.蛋白质消化：使用蛋白酶对提取出的蛋白质进行消化，将其分解为小肽段。
4.肽段分离：使用高效液相色谱（HPLC）或其他分离技术，将肽段进行分离。
5.质谱分析：使用质谱仪对分离得到的肽段进行质谱分析，通常是质谱-质谱（MS/MS）分析。
6.数据处理：将质谱数据进行处理和分析，得到蛋白质组学差异分析的结果。
三、数据分析蛋白组学差异分析的数据分析是整个研究的核心。
以下是一些常见的数据分析方法：1.数据预处理：包括峰提取、质谱峰校正、去噪等预处理步骤，以提高数据质量。
2.差异分析：通过对比两组样本的质谱数据，寻找差异表达的蛋白质。
3.功能富集分析：对差异表达的蛋白质进行功能注释和富集分析，揭示其潜在的生物学功能和通路。
4.蛋白质互作网络分析：构建差异表达蛋白质的互作网络，分析蛋白质之间的相互作用关系。
5.生物标志物筛选：根据差异表达蛋白质的特征，在多个样本中寻找潜在的生物标志物。
四、结果解读与讨论根据蛋白组学差异分析的结果，我们可以得到一些有价值的信息和见解。
以下是一些结果的解读与讨论的方向：1.差异表达蛋白质的生物学意义：分析差异表达蛋白质的功能注释和富集分析结果，探讨其在相关疾病中的生物学意义。
2.相关通路的发现：通过差异表达蛋白质的功能富集分析结果，发现可能与疾病进展相关的通路，进一步探讨其在疾病发生机制中的作用。
蛋白质组学数据分析——（1）原理
蛋白质组学数据分析——（1）原理转自博客园当前，关于高通量蛋白质组学的研究远不如NGS这般火热，网上关于这方面的知识也寥寥无几，从事这一行也有一段时间了，但还没好好总结过。
加之过段时间可能要去做培训，所以是时候把知识点总结一下，权当复习。
当然整个蛋白质组学研究也算纷繁复杂，不可能面面俱到，而且很多东西我也在学习当中，肯定会出现不少纰漏。
毕竟这份笔记主要还是用于自我查漏补缺，要是在此之外还能帮到需要的朋友，也算善莫大焉了。
这一篇从原理开始讲起，后续会依次总结蛋白质组学鉴定、定量、注释、翻译后修饰、靶向等基础内容，当然最后也会讲到下游数据分析处理。
一、蛋白质组学概述蛋白质组学是特定系统内蛋白质集合及其相互作用的研究。
蛋白质组研究本质上指的是在大规模水平上研究蛋白质的特征，包括蛋白质的表达水平，翻译后的修饰，蛋白与蛋白相互作用等，由此获得蛋白质水平上的关于疾病发生，细胞代谢等过程的整体而全面的认识，这个概念是在1994年Marc Wilkins首次提出的。
为什么要研究蛋白质组学？我想一句话就够了：蛋白质是生命活动的物质基础，是生命的执行者。
用业内通俗的话说解释各个组学的作用就是：基因组解释能发生什么？转录组解释将发生什么？蛋白组解释在发生什么？代谢组解释已发生什么？蛋白质组学是后基因组时代的产物，作为中心法则的下游，其复杂程度远远超过基因组学。
基因组的存在是相对稳定的，而细胞和细胞之间的蛋白质组则是随蛋白质和基因以及环境的生物化学反应而变化的。
同一生物在生物体不同部位、生命的不同时期以及不同的环境中，具有不同的蛋白质表达。
人类基因组测序计划的完成并没有给人提供解开生命的密钥，科学家把兴趣转到蛋白质，希望通过蛋白质组的研究来进一步解开生命的本质。
二、质谱仪结构及原理先看下面这张图，大致说明了蛋白质组学分析鉴定的流程。
简单来说就是样本制备后分离进入质谱仪中，产出具有质荷比信息的实际谱图，再和数据库产生的理论谱图进行匹配打分，从而推断出蛋白信息。
蛋白质组中心-质谱数据分析
蛋白质组学质谱技术的优势与局限性
优势
高灵敏度、高分辨率、可同时检测多 种蛋白质、可进行蛋白质修饰分析等。
局限性
样品制备过程复杂、仪器设备昂贵、 数据分析难度较大等。
03
质谱数据分析流程
数据预处理
去除低质量数据
在质谱数据中，存在一些质量较 低、可信度不高的数据点，这些 数据点可能对后续分析造成干扰， 因此需要去除。
详细描述
在进行质谱数据分析前，需要对原始数据进行质量评估，包括数据的完整性、重复性、噪声水平、校准准确性等 方面。通过质量控制参数和可视化工具，如质谱峰的分布、基线、信噪比等，对数据进行筛选和优化。
假阳性率控制
总结词
假阳性率控制是质谱数据分析中的关键问题，直接关系到结果的准确性和可靠性。
详细描述
假阳性率是指误判为阳性（即假阳性）的比例。为了降低假阳性率，可以采用多种策略，如严格的阈 值设定、同位素校正、谱图匹配验证等。此外，还可以利用生物学冗余和统计学方法来进一步降低假 阳性率。
多维度质谱技术
总结词
多维度质谱技术将不同分离和检测手段相结 合，提供更全面的蛋白质组分析，有助于揭 示蛋白质之间的相互作用和蛋白质修饰的复 杂性。
详细描述
多维度质谱技术包括串联质谱、离子淌度质 谱和多维色谱质谱等，能够提供更丰富的蛋 白质组信息，包括蛋白质序列、修饰、相互 作用和翻译后修饰等。这些技术将有助于更
03
蛋白质组学的研究对于理解生物学过程、疾病机制 和药物开发等方面具有重要意义。
蛋白质组学中的质谱技术
质谱技术是一种高灵敏度、高分辨率的检测方法，可以用于蛋白质的定性 和定量分析。
通过将蛋白质裂解成肽段，然后对这些肽段进行质谱分析，可以获得关于 蛋白质的序列、修饰和表达等信息。
olink蛋白质组学报告模板
olink蛋白质组学报告模板1.摘要：本报告介绍了使用olink蛋白质组学技术对人类样本进行分析的方法和结果。
我们使用olinkHumanCVDIII和InflammationIPanel，分别分析了心血管疾病和炎症相关的蛋白质。
结果显示，我们能够检测到数百个蛋白质，其中许多与心血管疾病和炎症相关。
这些结果将有助于深入了解这些疾病的发病机制，并为临床诊断和治疗提供有用的信息。
2. 背景：olink蛋白质组学技术是一种高通量的蛋白质分析方法，能够同时检测数百个蛋白质的表达水平。
该技术具有高灵敏度、高精度和高通量的特点，适用于对人类样本进行蛋白质组学分析，从而深入了解各种疾病的发病机制。
3. 实验设计：我们使用olink Human CVD III和InflammationI Panel对人类样本进行蛋白质组学分析。
样本来自健康人群和心血管疾病、炎症等患者，包括血清、血浆等样本类型。
我们使用标准化的实验流程进行分析，包括样本处理、酶联免疫吸附实验、读板和数据分析等步骤。
4. 结果：我们能够检测到数百个蛋白质，其中许多与心血管疾病和炎症相关。
例如，我们检测到了与心血管疾病相关的蛋白质如NT-proBNP、Troponin I、FABP4等，以及与炎症相关的蛋白质如IL-6、TNFα、CRP等。
这些结果将有助于深入了解这些疾病的发病机制，并为临床诊断和治疗提供有用的信息。
5. 结论：olink蛋白质组学技术是一种高通量、高精度的蛋白质分析方法，适用于对人类样本进行蛋白质组学分析。
我们使用该技术对人类样本进行了心血管疾病和炎症相关蛋白质的分析，结果显示我们能够检测到数百个蛋白质，其中许多与心血管疾病和炎症相关。
这些结果将有助于深入了解这些疾病的发病机制，并为临床诊断和治疗提供有用的信息。
蛋白质组学总结
编辑版ppt
17
具体步骤：
第一步——以水溶液提取（只溶解偏亲水性蛋白）。
第二步——以含Urea/CHAPS/DTT的溶液提取（传统裂解， 溶解亲水性、中性和疏水性蛋白）。
第三步——以含硫脲/SB3-10/TBP 的溶液提取（主要溶解 疏水性蛋白）。
有实验表明，11个大肠杆菌的膜蛋白在第三步提取出 来。
编辑版ppt
18
第四章 双向电泳与蛋白质分离
原理
利用了蛋白的两个特性对其进行分离。 第一向 等点聚焦电 ——利用蛋白的相对分子量分离
编辑版ppt
19
§1 等点聚焦电泳原理
构成蛋白质的氨基酸是两性电解质，决定了蛋白质 的在一定的pH 条件下带有电荷。
编辑版ppt
11
二、剧烈的裂解方法
用于难以破碎的细胞，如固体组织内的细胞，或具有 坚硬细胞壁的细胞，比如酵母。
1）超声裂解法。
2）弗氏压碎法。
3）研磨法。
4）机械匀浆法。
5）玻璃珠匀浆法。
编辑版ppt
12
三、用蛋白酶抑制剂防止蛋白裂解
细胞裂解，蛋白酶释放出来，必须加以抑制。 蛋白酶在低温下无活性，所以尽量在低温制备。 如有可能，可加入强变性剂： 8 mol/L 尿素、 10% TCA 或 2% SDS。 但在上述条件时，仍有些蛋白酶保持一定活性，所以 需要加入蛋白酶抑制剂防止蛋白降解。
4）核酸（DNA, RNA）
使用DNase和RNase A混编辑合版p处pt 理样品。
16
§2 蛋白质的分步提取技术
硫脲、sulfobetaine和 TBP 可极大提高样品的溶解度， 联合运用硫脲 、表面活性剂 SB3-10和TBP，可构成高效 IEF裂解液，溶解传统方法难以溶解的蛋白。
蛋白质组学总结讲解共62页文档
2、要冒一次险!整个生命就是一场冒险。走得最远的人，常是愿意 去做，并愿意去冒险的人。“稳妥”之船，从未能从岸边走远。-戴尔．卡耐基。
梦 境
3、人生就像一杯没有加糖的咖啡，喝起来是苦涩的，回味起来却有 久久不会退去的余香。
蛋白质组学总结讲解4、守业的最好办法就是不断的发展。 5、当爱不能完美，我宁愿选择无悔，不管来生多么美丽，我不愿失 去今生对你的记忆，我谢你的阅读
❖ 知识就是财富 ❖ 丰富你的人生
71、既然我已经踏上这条道路，那么，任何东西都不应妨碍我沿着这条路走下去。——康德 72、家庭成为快乐的种子在外也不致成为障碍物但在旅行之际却是夜间的伴侣。——西塞罗 73、坚持意志伟大的事业需要始终不渝的精神。——伏尔泰 74、路漫漫其修道远，吾将上下而求索。——屈原 75、内外相应，言行相称。——韩非
蛋白质组学数据分析
北京伯奥克生物技术有限公司创建于2003年，以“诚信务实，精诚合
作”为宗旨，致力于为高校、科研院所、医疗系统的生物实验室提供用SELDI 蛋白质分离、检测以及生物信息学分析服务。公司由一批具有共同理想，充满 激情的创业者组成，拥有一支由教授、副教授、博士后和博士组成的强大研发 团队和具有丰富高新技术产业化经验的经营管理团队。公司与高等学校、医科 院相关研究机构建立了广泛的产学研合作关系，保证了公司持续的创新活力。
北京伯奥克生物技术有限公司
Beijing Biock Bio-Technology Co.,Ltd
BIOCK
诚信务实，精诚合作！
地址：北京市海淀区北三环西路48号科技会展中心3号楼20A 100086 电话：010-81136626 邮箱：glchen@ 主页：
SELDI质谱分析平台
◦ 公司拥有成熟的SELDI-TOF-MS技术，用于快速而有效地对蛋白样品进行分离、处理、数 据分析和鉴定；建立蛋白质组数据库、发现疾病的相关蛋白和具有重要应用前景的生物标 记分子、建立疾病的早期诊断和治疗监测方法，我们愿为广大科研工作者提供先进的服 务——蛋白质样品SELDI-质谱-数据处理分析。公司拥有成熟的SELDI蛋白指纹图谱数据 库，用于肿瘤筛查及疗效判断等临床服务。
• 右图为使用不同软件进行基因预 测的可视化结果，该图对基因的 结构进行了详细注释。
图1. Visualization of genome assembly 图2. Visualization of gene prediction
地址：北京市海淀区北三环西路48号科技会展中心3号楼20A 100086 电话：010-81136626 邮箱：glchen@ 主页：
蛋白质组学数据分析集锦
蛋白质组学数据分析集锦恰逢春节，辛苦一年拿到了海量数据，表面看上去收获满满，可怎么还是开心不起来呢。
怎样在浩瀚的数据海洋里捕捉到梦寐以求的那条美人鱼？无问西东，搭乘美吉的巨轮，我们为您引航，助您完成心中的愿望。
那么，今天我们就来说一说蛋白质组学涉及到的生信分析。
1认识你的样本数据到手之后，我们第一步就是希望能够对数据有个大体的了解，包括组内样品均一性、组间样品差异性以及变化趋势情况，有哪些分析可以快速的将这些数据进行可视化呢？请往下看：PCA分析（左），是一种非监督性的多元统计分析，将高维复杂的数据进行“简化和降维”，建立可靠的数学模型对研究对象的蛋白表达谱特点进行归纳和总结。
从总体上反映各组样本之间的蛋白差异和组内样本之间的变异度大小。
相关性分析（右），是指对两个或多个具备相关性的变量元素进行分析，从而衡量两个变量因素的相关密切程度。
相关性的元素之间需要存在一定的联系或者概率才可以进行相关性分析。
基于皮尔森相关系数，可以度量组内样品之间的关联程度，从而分析组内样品间的平行性。
火山图（左），将所有检测到的蛋白的差异显著性进行可视化展示，图中横坐标为蛋白在两个样本间差异的倍数变化值，即样本2的表达量除以样本1的表达量得到的数值，对此数值做了对数化处理；纵坐标为蛋白表达量变化差异的统计学t检验p值，p值越小则表达差异越显著。
紫色点为显著差异的蛋白，黑色点为非显著差异蛋白；将所有蛋白映射上去之后，可以获知，在左边的点为表达差异下调的蛋白，右边的点为表达差异上调的蛋白，越靠左/右边和上边的点表达差异越显著。
韦恩图（右），通过差异蛋白Venn 图可观察出差异蛋白在各对比组间的数量分布状况。
每个颜色代表一组对比分析筛选出的差异代谢物。
Heatmap（左），可以将蛋白在各样品中的表达趋势进行可视化展示，并根据表达趋势进行聚类分析。
图中每列表示一个样本，每行表示一个蛋白，图中的颜色表示蛋白在该组样本中相对表达量的大小，红色代表该蛋白在该样本中表达量较高，绿色代表表达量较低。
蛋白组学数据如何分析
百泰派克生物科技
蛋白组学数据如何分析
蛋白质组学分析中最重要也是最关键的一步就是对海量的数据进行相关的生物信息学分析，将数据可视化，获取我们研究需要的蛋白质的相关信息。
那么蛋白组学数据分析又该从何做起呢？。
首先，我们需要对获得的蛋白质组学数据进行快速的可视化分析，如主成分分析、相关性分析、火山图分析、韦恩图分析、热图分析以及聚类分析等，先对数据的整体情况进行大致了解，如样品均一性、样品间差异性以及变化趋势等。
接下来就是寻找与我们研究相关的蛋白质，对蛋白的生物学功能进行注释，即GO功能注释、KEGG注释或者COG注释。
最后，通过蛋白发挥的生物学功能或参与的信号通路进一步筛选与研究相关蛋白进行后续的分析；也可以对在某个功能节点上出现过的蛋白进行富集，如GO富集和KEGG富集等，以寻找与生物现象最相关的生物功能，富集最显著的信号通路进行深入研究。
百泰派克生物科技采用高通量质谱平台提供一站式蛋白组学数据分析，还可提供定制化的技术服务，满足不同的实验需求，欢迎免费咨询。