N/O-完整糖肽组的分析内容，我们会提供从定性、定量、功能和临床四个维度的可视化图表。下面具体来看部分结果展示：
查看原始文章来源 ↗N/O-完整糖肽组的分析内容，我们会提供从定性、定量、功能和临床四个维度的可视化图表。下面具体来看部分结果展示：
糖肽 糖位点： 糖蛋 糖链 的鉴定数量统
展示糖基化修饰的微观不均一性：即一个糖基化位点对应的糖链种类的统计
展示糖基化修饰的宏观不均一性：即一个蛋白中含有的糖基化位点数目统计
将鉴定到的与数据库记录的糖位点信息进行比较分析，不同颜色代表4种不同的证据标签：包括已发表的： 序列分析 、相似性和未收录
motif分析：由于酶对底物的修饰敏感性可能是由修饰位点周围残基的化学性质决定的，因此确定这些氨基酸基序，即motif，对于了解分子功能和作用原理是非常重要的。比如N-糖基化修饰的保守基序是N-X-S/T
高频糖链分布：统计出现频次最高的：0种糖链，分别统计对应的谱图数： 糖基化位 、糖蛋白数目分布
提供糖型统计（仅N-完整糖肽组提供）：按照Higgmannose（高甘露糖型）、Complex/Hybrid（复杂型/杂合型）、Sialylation（唾液酸型）、Fucosylation（岩藻糖型）、Glycan-phose（磷酸化修饰型（M6P））分类，统计protein-site-glycan 数目
样本PCA分析：基于完整糖肽的定量结果进行PCA分析，通过得分图判断组内样本重复性或组间样本差异性
OPLS-DA分析：PCA 一般不适用于观察量比样本量小的实验（比如鉴定到的肽段或者蛋白数小于样本数），这时候就可以使用OPLS-DA 进行分析说明
聚类热图：层次聚类分析（HCA），用颜色的深浅表示糖肽表达量的大小，可以对样本和糖肽进行表达模式聚类分析（此分析基于差异表达的糖肽）
火山图：是以倍数变化（Fold Change）的 log2 值为横轴，以 P 值的-log10 变化值为纵轴，根据阈值为分界线，将数据主要分为红点为上调、蓝点为下调、灰点为没有变化。可以看出各组差异糖肽的分布情况
GO功能富集：基于差异糖肽对应的糖蛋白，对其进行分子功能、细胞器组成和生物学过程的三方面注释和分类，得到蛋白质的功能信息。可以分析经实验处理前后，哪些功能层面可能受到了扰动
KEGG通路富集：KEGG PATHWAY数据库包含高级功能信息，包括细胞过程的图示，如代谢、膜运输、信号转导以及细胞周期。通过对差异糖肽所属蛋白进行通路富集，可以分析经实验处理前后，哪些途径可能受到了扰动
蛋白互作网络分析：STRING数据库包含已知和预测的蛋白相互作用信息，包括直接相互作用（物理结合）和非直接互作（功能上相关）。通过蛋白质网络图展现差异糖肽所属蛋白间的相互作用关系
我们的分析平台针对临床数据可以做ROC分析和生存分析，如果您也有临床数据，可以提交数据表格后进行这两个分析
ROC分析：通过ROC曲线可以评估差异糖肽对两组样本（比如疾病或健康人群）的区分能力，一般AUC值在0.7-0.9时被认为有一定的准确性作为潜在生物标志物，AUC：.9时有较高的准确性
生存分析：生存分析可以研究不同样本分组和生存期之间的联系，横坐标是时间，纵坐标是生存可能性，不同颜色区域即为生存曲线，对曲线做Log-Rank检验，分析两条曲线的差异，p值＜0.05才具有显著性
