二、生物信息分析流程
2.1分析流程
缺失值处理：由于质谱检测的局限性，数据中常存在缺失值。DEP 包对缺失值进行填充。标准化与归一化：对数据进行标准化和归一化处理，以消除实验过程中系统误差对数据的影响，使不同样本之间的数据具有可比性。常用方法包括中位数标准化、量值标准化、总和标准化等。统计检验：使用合适的统计方法（如 t 检验、ANOVA、线性模型（limma 包）等）比较不同样本或组之间的蛋白质表达水平，筛选出显著差异表达的蛋白质。差异阈值设定：根据生物学意义和研究目的，设定差异蛋白的筛选标准，如显著性 P 值（通常小于 0.05）和生物学差异倍数（如|log2 Fold Change|≥1、1.2 或 1.5）。GO 富集分析和 KEGG 通路分析（见转录组）。还可进行蛋白相互作用网络分析（PPI），进一步挖掘蛋白质之间的相互作用和功能关联。
2.2分析内容
三、项目分析结果
3.1PCA 主成分分析
通过计算样品之间的相关系数，量化样品在特征（如基因表达量、代谢物含量、物理化学性质等）上的相似性或关联程度。评估样品之间的关系，判断是否存在规律或趋势，辅助筛选异常样品、验证实验可靠性，或为后续分析（如聚类、差异分析）提供依据。常用方法为 Pearson 相关系数。
同转录组（该步骤包含火山图、热图的绘制）。
3.5 GO、KEGG 富集分析
多组学关联分析可以使研究变得更加全面，整合蛋白组与转录组数据进行关联也是常见的分析方法之一。其中，我们通常可以使用九象限图直观地展示基因与蛋白的变化情况。
注：九象限图顾名思义，该图形有九个象限（区域），如九象限图所示，横坐标是转录组的差异倍数（取了 log2），纵坐标是蛋白组的差异倍数（同样取了 log2），横坐标上的虚线表示转录组的差异倍数阈值，纵坐标上的虚线表示的蛋白组的差异倍数阈值，阈值线外表示显著差异的基因/蛋白，阈值线内则表示非显著差异的基因/蛋白，每个点代表一个基因/蛋白，深灰色的点表示非差异的蛋白和基因。象限从左上角开始，顺时针依次类推，第三和第七象限的点表示同时有显著差异的基因和蛋白（上调或下调），第二、四、六和八象限的点表示其中一个组学有显著差异而一个组学无显著差异的基因，浅灰色的点表示两个组学的差异倍数的绝对值大于 1 但 Q-value 大于 0.05 的基因和蛋白，第五象限为不显著的基因和蛋白。特别说明，生成的图片是没有的图中的象限数字，是便于理解而加上的。
