宏蛋白质组demo报告

宏蛋白质组的分析内容包括以下几个部分：数据质控、蛋白鉴定和差异统计、差异蛋白功能分析以：宏蛋白组特有物种分析

宏蛋白质组采用DIA的方法，因此质控内容和常规DIA定量蛋白组一样，详细质控分析内容另见链接常规定量蛋白组质控demo报告

由于宏蛋白质组数据复杂，有些项目在DIA检测前会先对混合样本进行分级建库，建立背景谱图库作为后续DIA定量分析的定性依据，这样可以缩短后续DIA数据解析的运算时间，同时提升蛋白鉴定的准确性和全面性。如果是上述情况，我们会提供分级建库和DIA检测两个鉴定统计表，同时基于所有样本DIA定量到的总体蛋白做PCA和PLS-DA分析，可以观：组内样本重复性和组间样本差异性

接下来筛选差异蛋白。计算每个蛋白在每组样本相对定量值的平均值，计算两组定量平均值的比值即为差异倍数（Fold Change）。同时通过T检验（T-test）计算p值（P.Value）来判断差异的显著性

差异分析：如下表所示，两两对比分析选择Fold Change Ratio>2，P.adj<0.01筛选依据，得到差异蛋白的数据。然后火山图展示两组样本的上调和下调表达差异蛋白，聚类热图展示差异蛋白在不同：样本中的表达量情况

宏蛋白质组的差异蛋白功能分析包括：GO功能注释和富集，KEGG通路注释和富集以及COG功能分类注释等

GO功能分析：统计生物学过程、细胞组分和分子功能的蛋白质，对这些功能蛋白分别进行富集分析，根据p-value、Fold enrich和count等参数结果，寻找关键功能变化

KEGG通路分析：对蛋白进行新陈代谢、细胞过程，人类疾病等通路的注释和富集分析，同样根： p-value、Fold& enrich和count等参数结果，寻找关键通路变化，并且还提供相关图示

直系同源蛋白簇（Clusters of Orthologous Groups of proteins ，COGs）是功能注释广泛使用的工具。COG的条目经过人工筛选，旨在为每个COG术语赋予生物学功能，同时避免注释错误和过度预测

使用COG数据库对差异蛋白进行基于序列相似度的功能分类注释及预测，如下图所示，以柱形图展示差异蛋白的COG功能分类情况，图中不同颜色表示各种COG分类，Y轴标明属于该类别的蛋白数量。另外，上调和下调蛋白分别以柱形图展示差异蛋白的COG功能分类情况，图中横坐标为COG分类：红色柱子表示上调蛋白COG分类，黑色柱子表示下调蛋白COG分类，Y轴标明属于该类别的蛋白数量

对物种分类丰度可视化、菌群多样性分析以及丰度差异与标志物分析，可以帮助筛选出样本中的优势菌（属），揭示其潜在的生物学意义。demo结果展示

基于unigene的物种注释，得到每个检测肽段的对应物种信息。物种注释分：个分类层级：界门纲目科属种。丰度堆叠图展示整体排名 Top 20 的物种在样本中的分布情况，左：属水平，右：最低分类层级

Alpha多样性是衡量单个样品内微生物群落多样性的一个重要指标，它反映了群落中物种的丰富和均匀度，我们分析相关：个指标，并对这些指标进行组间统计比较：以确定不同组别之间的多样性差异是否具有统计学意义

Beta多样性是用来衡量不同群落（样本）间的生物多样性差。通过计算 Bray 距离来分析样本间多样性，Bray 介于0：之间，其：表示两个群落完全相同（即生态相似性为100%），1表示两个群落完全不同（即没有共同的物种）。分析图中可以展示组内样本多样性距离大小，组间距离大小，组间和组内的距离差别显著性，以及两组间组内距离的差别显著性

LEfSe 分析：LDA Effect Size 分析，是一种用于发现和解释高维度数据生物标志物的分析工具，能够在组与组之间寻找具有统计学差异的生物标志物。分析包括：曼哈顿图展示不同分组间丰度差异显著的生物学特征；在物种进化树上标识上差异物种；box+bar图展示表达丰度和线性判别分析得分（LDA score），LDA得分越高，说明该物种区分两组样本的作用越大

服务报告 - 宏蛋白质组demo报告