1、 Uniport 数据库搜索蛋白及定量
本次实验使用 ProteomeDiscovererTM Software 2.1 工具[1]进行数据库搜索，选择 UNIPORT数据库中人类蛋白质组数据，数据下载日期 2017 .09.12，共包括**条蛋白序列。通过数据库搜索得到蛋白相关信息以及蛋白丰度定量结果。
2、 差异蛋白分析
对两组配对样本（Hyperplasia-vs-Normal）归一化后的蛋白丰度定量数据，结合配对 T 检验的统计学方法筛选出样本组间存在显著组间差异的蛋白，这里我们使用 p<0.05 的阈值作为判断差异是否显著的标准。
3、 聚类分析
运用用 cluster 3.0软件进行分析，并通过 TreeView 工具可视化。
4、 蛋白质与蛋白质相互作用关系预测
对差异蛋白利用 STRING[3]在线工具进行蛋白质与蛋白质相互作用关系（Protein-Protein Interaction，PPI）的分析。本文选择 Required Confidence（combined score）> 0.4 为蛋白质与蛋白质相互作用的阈值。
Cytoscape 工具对蛋白相互作用关系进行网络构建，对网络的拓扑结构进行分析，根据网络连接度的排名，获得 PPI 网络中的重要节点。结合 3 种网络拓扑性质计算方法来分析节点在网络中的重要性。3 个指是 Degree Centrality（连通性：某节点的联通性表示在网络中直接与该节点相连的节点数目，连通性越高表示该节点在整个网络中重要性越高，连通性非常高的节点也称为 Hub 节点。在生物体内，支持生命基本活动的必须基因或其翻译产物在整个生物网络中出现的频率很高，很多癌症等遗传性疾病相关基因有此性质。）、Betweenness entrality（介数中心性：该拓扑性质体现了某一个节点在与其他节点连接中所起的作用，该值越大，意味着该节点在保持整个网络紧密连接性中作用越重要。）、Closeness centrality（亲密系数：也称为紧密度，该值越小说明节点越靠近网络的中心位置）来分析节点在网络中的得分。计算网络 3 种中心性方法使用的工具为 cytoscape 插件 CytoNCA[8]（参数设置：网络为 without weight）。CytoNCA输出结果中，节点得分越高表示在网络中的位置越重要，越有可能是关键节点。
5、 差异蛋白 GO 功能和 KEGG 通路分析
对差异表达的蛋白使用 DAVID 工具（V6.8）[9]分析其富集的 GO 功能和KEGG pathway，参数富集基因个数count>=2，超几何检验显著性阈值Pvalue<0.05（视为显著富集结果）。
6、 蛋白组和转录组联合分析
结合之前转录组数据，对于转录组数据中差异表达基因（degeR 扩展包分析结果中 pvalue<0.005,procoding_gene）与我们这次蛋白组分析的结果进行 VENN分析。对于两次分析中均为差异的基因/蛋白，筛选两者中相同的样本，根据转录组数据中标准化话后基因表达丰度及蛋白组中相应基因对应蛋白表达丰度，我们通过 Pearson 相关系数分析其相关性
蛋白质组学数据分析价格
蛋白质组学数据分析信息由上海遐永医药科技有限公司为您提供，如您想了解更多关于蛋白质组学数据分析报价、型号、参数等信息，欢迎来电或留言咨询。
移动版：