技术介绍:
DIA(Data-Independent Acquisition,数据非依赖性采集)是一种无歧视性和无随机性的蛋白质组分析技术, 将质谱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, 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,高精准的蛋白质组定量分析。
技术优势:
1. 西湖欧米结合PCT样本前处理技术,可以实现临床微量样本 (如FFPE、穿刺活检、泪液等)的高深度蛋白质定量分析,组织样本最低送样量只需0.1mg。
- 使用多种蛋白质组学搜库软件,包括OpenSWATH, EncyclopeDIA, DIA-NN等,并能够综合分析结果,提高蛋白的鉴定量和定量准确度。
- 开发了优化特异性谱图库的方法,发明专利:基于优化数据库(Sub-Lib)的数据非依赖性质谱检测方法,专利号:202010773114.5。
项目案例:
Cell Discovery | 千人队列蛋白质组学建立甲状腺结节良恶性辅助判别模型
该研究针对1724例超大临床队列甲状腺结节FFPE样本,通过PCT-DIA方法采集其蛋白质组学定量表达数据,构建涵盖五种组织类型的甲状腺表达图谱。利用已构建的蛋白质组学图谱与遗传算法和深度学习模型,筛选出19个蛋白质特征用以区分甲状腺结节良恶性。本模型在发现集中判定甲状腺恶性结节的准确率高于91%。随后,研究者从国内、国外共计12个独立的临床中心回顾性、前瞻性地取材独立测试样本,结果显示,在回顾性测试集的288例FFPE样本队列与前瞻性数据集的294例FNA样本队列中,模型可实现准确率分别高达89%和85%。
本研究展示了高通量蛋白质组学与AI技术的深度碰撞,AI技术在海量的蛋白质表达数据中能够挖掘至关重要的信息,助力疾病研究的向前发展。
欢迎来电询价0571-86780630