文献1 综述类
Data Processing and Analysis in Positional Proteomics - PMC
Proteogenomics of clear cell renal cell carcinoma response to tyrosine kinase inhibitor | Nature Communications
- LFQ 使用的总和标准化 蛋白
- 磷酸化使用的 中值质心校正法进行调整
核心问题：该方法假设大多数分子丰度未改变。但在磷酸化实验中，激酶通路的激活可能导致大量磷酸化位点同向变化（如整体上调），此时使用全局中位中心化会低估真实的生物学变化，甚至引入偏差。
应对方法：
成对标准化 (Pairwise Normalization)：利用在富集和非富集样本中都能检测到的磷酸化肽段来计算校正因子，能更好地应对上述偏差。有专门的R包phosphonormalizer实现此方法。
基于内参的标准化：在TMT等实验中，使用内参通道(Normalization Channel)进行校正。
更复杂的算法：如TAMPOR方法，通过可调的中位数抛光算法进行批次校正和数据整合。
“技术偏差”（加样与富集误差）
在判定“修饰水平总体改变”之前，你必须先观察**全蛋白组（Total Protein）**的表现。
-
场景 A：全蛋白中位数整齐，修饰中位数偏移。
-
判定：极大概率是真实的生物学改变。既然两组的进样量（全蛋白）是一致的，那么修饰信号的整体下降/上升必然反映了激酶/磷酸酶活性的全局变化。
-
场景 B：全蛋白中位数和修饰中位数向同一个方向偏移。
-
判定：这通常是技术误差（如 A 组样滴多了）。此时中位数的改变并不代表生物学水平，而只是进样量的多寡。
第二步：区分“绝对水平”与“相对占比”
即便排除了技术误差，你仍需要思考：这个改变是修饰位点本身的激活，还是载体蛋白变多导致的？
- 全局修饰占有率改变（True PTM shift）：
- 例如：使用激酶抑制剂。蛋白总量没变，但几乎所有位点的磷酸化比例从 50% 降到了 10%。这是真正的“修饰水平总体改变”。
- 蛋白丰度驱动的改变（Abundance-driven shift）：
- 例如：细胞受到了热休克。所有蛋白的表达量都翻倍了，自然修饰信号也翻倍了。
- 专家视角：这种情况在生物学上通常被解读为“表达改变”，而非“修饰调控改变”。
第三步：验证“主云团”的分布形态
观察你的 MA-Plot（横轴是强度均值，纵轴是差异倍数）：
- 全局改变的特征：主云团（大部分位点）整体偏离 线，且分布相对集中。这说明是一个系统性的拉动。
- 非全局改变的特征：主云团在 附近，只有少数位点形成长尾。
专家总结：何时可以得出“总体改变”的结论？
只有当满足以下所有条件时，你才能在论文中写“修饰水平发生了全局性改变”：
- 全蛋白组数据对齐：全蛋白的中位数在各组间保持一致（或经过校正后一致）。
- 修饰组中位数显著偏移：且这种偏移超出了质谱技术正常的波动范围（通常 > 20%）。
- 生物学合理性：你的实验处理（如抑制剂、大规模应激、细胞周期同步化）在机理上确实会引起全局性的信号通路波动。
场景2：对照实验（无全局变化）
实验设计：
- 敲除单个激酶的一个特定底物
- 预期：仅该底物磷酸化下降
- 不影响全局磷酸化水平
真实情况：
- 99.9%的位点不变
- 0.1%的位点下降
- 中位数应该相同
样本中位数：
对照: 6000
处理: 5950（微小差异是技术误差）
方法A的效果：
✅ 矫正了技术误差
✅ 两组中位数对齐
✅ 能清晰识别该特定底物
生物学意义：
消除噪音，突出真正的差异
这个假设不成立的场景 ❌
场景4：激酶抑制剂（全局下降）
实验设计：
- MEK抑制剂处理
- 预期：ERK底物普遍磷酸化下降
真实情况：
- 10%位点下降70%（ERK直接底物）
- 25%位点下降30%（间接）
- 65%位点不变
- 中位数下降约25%
样本中位数：
对照: 6000
处理: 4500（真实的生物学变化）
方法A的效果：
❌ 强制把处理组"拉"回到对照水平
❌ 中位数差异被"矫正"掉
❌ 全局下降25%这个重要信息丢失
数值示例：
位点类型：真实FC → 归一化FC
─────────────────────────
间接底物：0.70 → 0.93 （低估）
非ERK通路：1.00 → 1.33 （假阳性）
代偿上调：1.40 → 1.87 （夸大）
生物学意义：
❌ 错误结论："没有全局效应，仅特定位点变化"
✅ 正确结论："全局磷酸化下降+特定底物更敏感"
场景5：细胞增殖抑制（蛋白总量下降）
实验设计：
- 细胞周期阻滞剂
- 导致蛋白合成下降，总蛋白量减少
真实情况：
- 大部分蛋白表达下降20%
- 磷酸化随蛋白下降
- 中位数下降20%
方法A的效果：
❌ 把下降"矫正"回去
❌ 掩盖了蛋白合成受抑制这个重要现象
生物学误导：
报告："磷酸化水平不变"
真相："磷酸化随蛋白下降而下降"
场景6：发育阶段比较（本质差异）
实验设计：
- 干细胞 vs 分化细胞
- 不同生理状态
真实情况：
- 干细胞：高代谢，高乙酰化
- 分化细胞：低代谢，低乙酰化
- 中位数可能差异50%以上
方法A的效果：
❌ 强制"归一化"生理差异
❌ 掩盖了代谢状态的本质不同
生物学荒谬：
"干细胞和分化细胞乙酰化水平相同"
（这违背基本生物学常识）
什么时候必须用方法A？
明确的适用场景
1. 技术重复质控
目的：评估技术稳定性
合理性：同一样本应该完全相同
2. 批次效应矫正
目的：消除不同批次的系统偏差
前提：确认批次间无真实生物学差异
3. 文献明确要求"总体归一化"
某些数据库或流程的标准操作
4. 对照实验（非常确信无全局变化）
条件：有强有力的生物学依据
使用方法A的严格前提
✅ 必须满足的条件：
1. 有明确证据表明总体水平不变
- 文献支持
- 预实验验证
- Western blot证实总蛋白不变
1. 处理不影响蛋白合成/降解
- 短时间刺激（<1小时）
- 不用抑制剂（除非已知特异）
1. 修饰酶活性无全局变化
- 不用激酶/磷酸酶抑制剂
- 不改变NAD+/ATP等辅因子
1. 有独立验证手段
- Western blot验证内参蛋白
- 流式细胞术验证细胞数量
什么时候必须用方法B？
强烈推荐的场景
1. 任何预期有全局变化的实验
- 激酶/磷酸酶抑制剂
- 代谢扰动（影响乙酰化等）
- 生长因子刺激
- 细胞周期调控
1. 比较不同生理状态
- 疾病 vs 正常
- 发育阶段
- 不同细胞类型
1. 不确定是否有全局变化时
- 新的实验体系
- 探索性研究
- 首次尝试的处理
1. 需要与文献直接比较FC时
- 保证可比性
1. 需要整合多组学数据时
- 蛋白组 + 修饰组
- 转录组 + 蛋白组
实用建议：两种都做
最佳实践：
1. 首先用方法B（全局）分析
- 观察中位数是否变化
- 得到无偏的结果
1. 如果中位数确实相似（差异<5%）
- 可以补充做方法A
- 比较两种结果
- 如果一致：增强结论可信度
1. 如果中位数差异大（>10%）
- 仅用方法B
- 报告全局变化
- 这是重要的生物学发现
1. 在论文中报告：
"我们使用全局中位数归一化保留相对定量信息。
分析显示处理组相对对照组中位数下降X%，
提示存在全局效应。"