蛋白組學
解析蛋白質體組成，挖掘關鍵生物標記物，從功能執行終端解讀生命機理。
4D-DIA 蛋白組學
4D-DIA 蛋白組學融合 4D 分離技術（保留時間、質荷比、離子強度、離子遷移率）與資料非依賴採集（DIA）模式，為新一代高通量蛋白組學技術。核心創新在於引入離子遷移率（IM）維度，以額外空間分離提升胜肽解析度，結合 DIA 無偏倚採集全胜肽優勢，解決傳統 3D-DIA（無離子遷移率）涵蓋度不足、低豐度蛋白難偵測的痛點。4D-DIA 靈敏度更高：離子遷移率過濾干擾離子，低豐度蛋白偵測率提升 30%–50%；定量更精準：基於離子遷移率的胜肽專一性配對減少共洗脫干擾，定量 CV 值 ≤10%；涵蓋度更廣：單次實驗可鑑定 10000+ 蛋白，且能穩定檢測修飾蛋白。已成為臨床樣本分析、複雜疾病標誌物篩選、藥物標靶驗證與多組學聯合研究的核心技術。
原理介紹
資料非依賴型掃描模式（Data-independent acquisition, DIA）是近年發展的新型質譜資料採集方式，能對複雜樣品所有訊號進行無偏倚 MS 分析，獲得更高胜肽覆蓋率。將質譜全掃描範圍分為數個視窗，高速、循環地對每個視窗所有離子進行選擇、碎裂、偵測，無遺漏、無差異地取得樣本所有離子的碎片資訊。4D-DIA 基於 timsTOF Pro2 質譜儀，在傳統三維資料（保留時間、質荷比、離子強度）基礎上增加第四維度——離子淌度資訊，並利用 diaPASEF 技術全面提升蛋白鑑定能力、偵測靈敏度與資料完整性。流程：樣本前處理與蛋白製備、胜肽多維分離、4D-DIA 質譜採集、資料分析與功能解析。
文獻案例
《Cell Reports Medicine》所刊 “Machine learning-based analysis identifies and validates serum exosomal proteomic signatures for the diagnosis of colorectal cancer” 採用 4D-DIA 蛋白組學技術分析大腸癌患者與健康人血清外泌體蛋白表達差異，結合機器學習建構診斷模型。共鑑定 1,200+ 外泌體蛋白，篩選出 10 個核心標誌物組合，診斷大腸癌 AUC 達 0.96，對早期大腸癌亦有良好區分力（AUC=0.92），提供高特異性、高靈敏度液體活檢方案。憑藉高深度、高重現性的蛋白定量能力，精準捕捉血清外泌體中低豐度蛋白差異，為機器學習篩選可靠診斷標誌物提供高品質資料支撐。
送樣標準
新鮮組織≥50mg（動物組織）、≥200mg（植物組織）；
5–10μm 切片≥10 張，組織面積≥20mm²；
細胞≥1×10⁶個；細胞爬片≥5 張；
血清/血漿≥1mL；尿液≥10mL；腦脊髓液≥0.5mL、唾液≥3mL；
蛋白≥50μg；胜肽≥20μg。
交付內容
資料品質控制報告
樣本品質：蛋白萃取量、胜肽脫鹽效果、SDS-PAGE 電泳圖；4D 採集品質：離子遷移率解析度、胜肽峰容量、二級譜圖數量、Q30 比例；定量品質：蛋白鑑定數、胜肽鑑定數、定量 CV 值、生物學重複相關性。
蛋白定量與註釋結果
定量表達矩陣：所有鑑定蛋白之 FPKM/Intensity 值、FC 值、P 值、FDR 值；差異蛋白篩選：差異蛋白清單、火山圖、熱圖、聚類分析圖；資料庫註釋：蛋白功能描述、亞細胞定位、結構域資訊、修飾位點資訊。
功能分析結果
GO/KEGG/Reactome 路徑富集分析圖（Top20 路徑）、蛋白互作網絡（PPI）示意圖、差異蛋白功能聚類熱圖；多組學聯合分析：蛋白–代謝物/miRNA 關聯網絡。
分析與解讀報告
檢測結論：核心差異蛋白集合、潛在生物標誌物候選名單、關鍵調控路徑；結果解讀：核心蛋白功能機制、與疾病/表型關聯、技術優勢說明。
常見問題
適合，4D-DIA 為 FFPE 樣本最優蛋白組學方案：①核心優勢：離子遷移率可篩選完整胜肽、過濾降解片段，相較 3D-DIA，FFPE 蛋白鑑定數提升 30%–40%；②注意事項：a. 樣本前處理：嚴格脫石蠟（二甲苯＋乙醇梯度脫水），避免殘留試劑干擾；b. 酶解優化：延長酶解至 20 小時，使用高活性胰蛋白酶；c. 品質控制：以 SDS-PAGE 驗證蛋白完整性，避免嚴重降解樣本。
依研究重點選擇：①timsTOF Pro 2：離子遷移率技術標竿（解析度≥100）、掃描速度快（≥100 Hz），適合低豐度蛋白、外泌體等微量樣本；②賽默飛 Orbitrap Astral：質量精度高（≤1ppm），適合修飾組學、複雜樣本定量；③SCIEX ZenoTOF 7600：快速離子遷移率（分離速度≥200 Hz），適合大樣本隊列、分析效率高。
多組學聯合核心：①樣本一致性：須使用同一來源、同批次處理樣本，避免樣本差異造成關聯偏差；②調控方向匹配：關注蛋白表達趨勢與 mRNA 一致/互補者，mRNA 無差異而蛋白上調提示轉譯後調控；③路徑聚焦：取三組學共同富集路徑，鎖定核心調控軸；④工具支援：以 Metascape、String 等建構「mRNA–蛋白–代謝物」互作網絡，視覺化調控關係。
