开展的服务：蛋白质组学数据分析、多组学数据联合分析

可服务的新技术新方法：单细胞转录组和蛋白质组数据分析、空间组学数据分析

案例：

1. 多组学的肝癌血小板的整合分析

客户希望通过蛋白质组学和代谢组学手段，系统比较肝癌患者与健康对照之间的血小板蛋白质组表达差异，筛选潜在的早期诊断的生物标志物。本项目包含 68 例血小板样本，采用蛋白质组学和代谢组技术，共检测到约6600个分子。数据存在一定比例缺失值，且样本量有限并在性别上存在潜在混杂因素，需要在分析中进行系统控制。给后续统计分析和生物学解读带来挑战。

针对该数据特点，我们制定了如下分析方案：

l 数据预处理与质量控制：对原始定量矩阵进行归一化、缺失值评估及 PCA 分析，确保数据整体稳定性。

l 差异蛋白分析：基于线性模型进行统计检验，并控制性别等协变量，提升结果可靠性。

l 功能富集分析：对显著差异蛋白进行 GO 和 KEGG 通路注释，挖掘潜在生物学机制。

l 标志物筛选：运用各种机器学习方法（Logistic regression, Random forest, SVM, ANNs）筛选标志物，训练分类模型。

l 结果可视化与解读：提供火山图、热图、富集气泡图。

分析共识别出 129个显著差异蛋白和代谢物。差异蛋白在增殖与转移相关通路中显著富集，与肿瘤发生发展的已知机制高度一致。通过机器学习训练得到的分类模型能有效地区分早期患者和健康对照（Sensitivity 0.94, Specificity 0.92）。

2. 多组织巨噬细胞蛋白质组与转录组整合分析

在免疫学和炎症相关研究中，不同组织来源的巨噬细胞在功能和分子特征上表现出显著异质性。尽管已有大量转录组研究描述了巨噬细胞的组织特异性，但蛋白质层面的系统性比较仍然不足。客户希望通过大规模定量蛋白质组学结合转录组数据，构建多组织巨噬细胞的分子图谱，解析其功能差异及调控机制。

本项目包含来自多个小鼠组织的巨噬细胞样本，采用高分辨率质谱技术进行深度蛋白质组检测，并配套 RNA-seq 数据用于多组学整合分析。在该项目中，承担全部数据分析工作，覆盖从原始定量数据处理到功能网络解析和潜在调控网络挖掘的完整流程，包括：

（1）蛋白质组数据预处理与质量控制

l 蛋白定量数据的系统整理与标准化

l 生物学重复一致性评估（相关性、变异系数等）

l 多样本整体结构评估（PCA、层次聚类）

（2）蛋白表达模式与差异分析

l 多组织巨噬细胞蛋白表达谱构建

l 基于统计模型的差异蛋白筛选

l 组织特异性蛋白表达特征识别

（3）蛋白质组与转录组整合分析

l 蛋白与转录表达相关性系统评估

l 缺失蛋白/转录本特征分析

（4）蛋白共表达网络与功能模块分析

l 基于蛋白质组数据构建共表达模块

l 模块层面的功能富集与组织特异性解析

l 关键功能模块及标志蛋白识别

（5）转录因子调控网络与层级调控分析

l 转录因子靶基因调控网络构建

l 结合多组学数据解析细胞身份维持机制

l 组织微环境与巨噬细胞功能关联分析

通过系统的数据分析，我们协助客户：

l 构建了多组织巨噬细胞的高覆盖蛋白质组图谱

l 揭示了蛋白质组与转录组在不同细胞群中的差异性

l 识别了多个与组织功能密切相关的蛋白共表达模块

l 构建了以转录因子为核心的调控网络，解释巨噬细胞身份和功能差异

l 为区分组织驻留型与招募型巨噬细胞提供了关键分子证据

上述分析结果为研究结论提供了核心数据支撑和系统性证据链。基于本项目的系统分析结果，相关研究成果最终发表于Nature Communications（2022）。

代表论文：

1. Hu, Z#., Shen, F#., Liu, Y#., Zhong, Z., Chen, Y., Xia, Z., ... & Yu, H. (2025). Targeted metabolomics reveals novel diagnostic biomarkers for colorectal cancer. Molecular Oncology.

2. Qie, J#., Liu, Y#., Wang, Y#., Zhang, F#., Qin, Z., Tian, S., ... & Ding, C. (2022). Integrated proteomic and transcriptomic landscape of macrophages in mouse tissues. Nature communications, 13(1), 7389.