技術介紹：
DIA（Data-Independent Acquisition，數據非依賴性采集）是一種無歧視性和無隨機性的蛋白質組分析技術， 將質譜全掃描范圍分為若干個窗口，然后對每個窗口中的所有離子進行檢測、碎裂，從而無遺漏、無差異地獲得樣本中所有離子的信息, 降低樣本檢測的缺失值，同時提高定量準確性和重復性，實現大樣本隊列中高穩定，高精準的蛋白質組定量分析。
  技術優勢：
1. 西湖歐米結合PCT樣本前處理技術，可以實現臨床微量樣本 (如FFPE、穿刺活檢、淚液等）的高深度蛋白質定量分析，組織樣本最低送樣量只需0.1mg。

• 使用多種蛋白質組學搜庫軟件，包括OpenSWATH, EncyclopeDIA, DIA-NN等，并能夠綜合分析結果，提高蛋白的鑒定量和定量準確度。
• 開發了優化特異性譜圖庫的方法，發明專利：基于優化數據庫（Sub-Lib）的數據非依賴性質譜檢測方法，專利號：202010773114.5。

 
項目案例：
Cell Discovery | 千人隊列蛋白質組學建立甲狀腺結節良惡性輔助判別模型
該研究針對1724例超大臨床隊列甲狀腺結節FFPE樣本，通過PCT-DIA方法采集其蛋白質組學定量表達數據，構建涵蓋五種組織類型的甲狀腺表達圖譜。利用已構建的蛋白質組學圖譜與遺傳算法和深度學習模型，篩選出19個蛋白質特征用以區分甲狀腺結節良惡性。本模型在發現集中判定甲狀腺惡性結節的準確率高于91%。隨后，研究者從國內、國外共計12個獨立的臨床中心回顧性、前瞻性地取材獨立測試樣本，結果顯示，在回顧性測試集的288例FFPE樣本隊列與前瞻性數據集的294例FNA樣本隊列中，模型可實現準確率分別高達89%和85%。本研究展示了高通量蛋白質組學與AI技術的深度碰撞，AI技術在海量的蛋白質表達數據中能夠挖掘至關重要的信息，助力疾病研究的向前發展。
 
歡迎來電詢價0571-86780630