MaxQuant、MSFragger 与 Comet
DDA 数据常用的搜库引擎。MaxQuant 集成鉴定和 LFQ 定量，上手容易；MSFragger 搜索快，适合开放搜索找未预设修饰；Comet 开源轻量，常嵌入 OpenMS 流程。结果应报告肽段和蛋白两级 FDR。
17个分析 Skill · Codar 生信插件
蛋白质组学 AI 分析
蛋白质组学用质谱回答样本里有哪些蛋白、各有多少、带了哪些修饰。典型数据是 DDA、DIA 或 TMT 标记采集的原始质谱文件。这个插件在 Codar 里覆盖从原始数据到结果的主要环节：肽段鉴定与蛋白推断、DIA 与 TMT 定量、翻译后修饰位点分析、亲和蛋白质组、数据质控，以及结构域和功能注释。
蛋白质组学能回答哪些研究问题
- 处理组和对照组之间哪些蛋白的丰度发生了变化？
- 这批 DIA 数据的鉴定深度和定量重复性是否达标？
- 刺激后哪些磷酸化位点发生了变化，定位是否可靠？
- 免疫沉淀富集到的蛋白里，哪些是真正的互作蛋白？
- 鉴定到的未知蛋白含有哪些结构域，可能有什么功能？
蛋白质组学分析流程
- 1
整理数据与样本表
收集原始质谱文件或 PRIDE 项目编号，写清分组、批次和 TMT 通道对应关系，选定物种蛋白库。
- 2
肽段鉴定与蛋白推断
搜库并用 target-decoy 方法把肽段和蛋白水平 FDR 控制在常用的 1%，共享肽段按蛋白组归并。
- 3
蛋白定量
按采集方式选择 DIA、TMT 或 label-free 定量，汇总到蛋白水平，并记录缺失值比例。
- 4
质量控制
检查鉴定数、保留时间稳定性、样本相关性和 PCA，找出离群样本和批次效应后再做比较。
- 5
修饰与互作分析
修饰数据需结合位点定位概率与蛋白水平变化；亲和实验要和对照比较以区分特异结合与背景蛋白。
- 6
功能注释与汇报
对目标蛋白做结构域和功能注释，输出定量表、图表、报告和可复现脚本。
常用方法与怎么选
DIA-NN、Spectronaut 与 OpenSWATH
用于 DIA 数据的谱图提取和定量。DIA-NN 开源，支持有库和无库模式；Spectronaut 是商业软件；OpenSWATH 基于 OpenMS，适合要求全开源的流程。选择时主要看有无项目自建谱图库和样本规模。
MSstats、MSstatsTMT 与 limma
用于蛋白水平的组间统计。MSstats 从肽段层面建模，适合 label-free 和 DIA；MSstatsTMT 处理多批次 TMT 的参考通道；limma 适合已汇总的蛋白矩阵和复杂设计。缺失值处理方式要写清楚。
修饰位点定位：ptmRS 与 MaxQuant 定位概率
磷酸化等修饰分析的关键是确定修饰落在哪个氨基酸上。常见做法是保留定位概率大于 0.75 的位点，并把位点丰度变化与所在蛋白的丰度变化分开看，避免把蛋白表达量变化误读为修饰水平变化。
需要准备的数据
- 原始质谱文件（.raw、.d 或 .mzML）
- 对应物种的蛋白序列 FASTA 库
- 样本信息表：分组、批次、TMT 通道
- DIA 谱图库（可选，也可无库分析）
- 或者 PRIDE 等公共库的项目编号
能得到的结果
- 按 FDR 过滤后的肽段和蛋白鉴定列表
- 蛋白丰度矩阵与组间比较统计表
- 质控报告：鉴定数、相关性、PCA 图
- 修饰位点表及定位概率
- 蛋白结构域与功能注释表
- 图表、分析报告和可复现脚本
蛋白质组学插件包含的分析能力
共 17 项。启用插件后，Codar 会按任务自动选用，不需要逐个记住名称。
- DIA蛋白质组分析
- 蛋白质质谱数据处理
- 蛋白质翻译后修饰分析
- 蛋白质丰度定量
- 蛋白质结构域与功能注释
- TMT定量蛋白质组分析
- 亲和蛋白质组分析
- 蛋白质组数据质量控制
- 肽段鉴定与蛋白质推断
- 蛋白质组公共数据检索
nf-core 标准流程（7 个）
- nf-core-ddamsproteomics流程
- nf-core-diaproteomics流程
- nf-core-mspepid流程
- nf-core-proteinannotator流程
- nf-core-proteinfamilies流程
- nf-core-proteomicslfq流程
- nf-core-quantms流程
在 Codar 里怎么用
- 1
切换到生信模式
在 Codar 左上角选择 Codar 生信。
- 2
启用「蛋白质组学」
在插件页找到「蛋白质组学」，安装或启用。
- 3
描述研究问题
用一句话写清数据和目标，确认分析方案后开始执行。
可以这样提问
帮我处理这批 DIA 蛋白质组数据，完成肽段鉴定、蛋白定量和质控，再对鉴定到的蛋白做结构域与功能注释。
蛋白质组学常见问题
DIA 和 DDA 蛋白质组有什么区别，该选哪个？
DDA 每个周期只挑选信号最强的若干母离子做碎裂，样本间缺失值较多；DIA 按质荷比窗口把所有母离子都碎裂，定量重复性更好、缺失值更少，但谱图复杂、依赖专门软件解析。大队列定量研究通常倾向 DIA，DDA 仍常用于建库和修饰发现。
TMT 标记和 label-free 定量怎么选？
TMT 把多个样本混在一针里测，同一批内缺失值少、通量高，但存在比率压缩，样本数超过一个标记套装时需要参考通道衔接批次。label-free 不受通道数限制、成本低，适合样本陆续收集的研究，但对仪器稳定性和保留时间对齐要求更高。
蛋白质组数据缺失值怎么处理？
先判断缺失原因：低丰度导致的缺失与随机缺失处理方式不同。常见做法是先按每组检出比例过滤，再对低丰度缺失用接近检测下限的值填补，对随机缺失用 KNN 等方法。填补会影响统计结果，建议同时报告填补前后的差异蛋白数量。
其他生信插件
macOS 12+Mac
Windows 10+Windows