磷酸：全蛋白组的报告结果，主要包括3部分内容：全蛋白组分析、磷酸化组分析、联合分析。以下具体来看下部分图表展示
查看原始文章来源 ↗磷酸：全蛋白组的报告结果，主要包括3部分内容：全蛋白组分析、磷酸化组分析、联合分析。以下具体来看下部分图表展示
1）基于表达量的项目整体结果展示和差异蛋白统计分析
整体结果：Venn韦恩图展示组间交集蛋白和特有蛋白，PCA展示组内样本重复性和组间样本差异性，相关性热图展示整体蛋白表达量分布的定量一致性聚类
差异分析：火山图展示两组样本的上调和下调表达差异蛋白，基： 倍数 变化和p-value两个统计值，聚类热图展示差异蛋白在不同组/样本中的表达量情况
2）对差异蛋白做注释与富集以及互作网络分析，基： GO、KEGG pathway和STRING数据
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
STRING蛋白互作网络分析：可视化蛋白已知或预测的相互作用信息，包括直接相互作用（物理结合）和非直接互作（功能相关），根据连通性等参数结果，寻找关键互作节点
1）考虑到磷酸化定量可能受到蛋白自身表达的影响，所以需要对磷酸化定量数据做以全蛋白组为背景的校正
2）整体磷酸化修饰组鉴定作图和差异磷酸化位点统 统计全蛋白组和磷酸化组的鉴定蛋白 Venn 图，以及磷酸化组在不同组间中鉴定到的磷酸化蛋白和磷酸化位点Venn图，并且展示了检测到的单磷酸化修饰及多磷酸化修饰形态占比。其他PCA和样本相关性分析如前文全蛋白所述
之后筛选差异磷酸化位点，比如筛： log2FC>0.58, p-value<0.05的磷酸化位点，对差异位点 绘制火山图和聚类热图等分析内容
3）差异磷酸化位点所属蛋白的功能分析
GO功能、KEGG通路、STRING网络等分析如前文全蛋白组所述： 本分析中是基于磷酸化差异位点所属蛋白进行生物信息学分析：蛋白本身不考虑差异
此外我们还会对差异磷酸化位点进行motif和KSEA分析
motif分析用于识别蛋白质酶催化序列中的短保守基序。这些motif通常反应特定的生化功能
激：底物富集分析(Kinase-Substrate Enrichment Analysis，KSEA)，基于已知的底物的磷酸化水平变化来进一步推测激酶的活性变化。根据差异磷酸化肽段及其磷酸化修饰位点，分析其上游可能存在的调控 Kinase，形：kinase-substrate 网络，并：Kinase 进行打分。将 KSEA 分析中找到的上游 Kinase 根据 z-score 和显著：P 值，使用 kinhub (http://www.kinhub.org/) ，将其绘制在 kinase map 上。（目前该分析内容仅限人、大小鼠物种
1）差异统计： 取两组学共同蛋白，分别计算两组学样本的倍数 变化 ，九象限图展示两组学变化趋势相同或相反的蛋白（若一个蛋白包含多个磷酸化位点，取 log2FC 绝对值最大的） 对差异磷酸化位点所属蛋白和全蛋白组的差异蛋白进行Venn分析，展示各自共有和特有的差异蛋白
2)相关性热图和网络：对差异蛋白和差异磷酸位点进行相关性统计，并识别出显著相关的cluster，对Top3的cluster进行热图和网络绘制，展示这些蛋白/位点间的正相关或负相： 表达 以及相关性的强弱关系
