蛋白质组学实践教程
转录组告诉你哪些基因被转录，蛋白质组告诉你哪些蛋白真的被翻译、它们的丰度如何、以及是否被修饰。质谱是目前最常用的蛋白组测量手段：样本酶解后肽段上机，仪器给出质荷比和强度，数据库比对后得到蛋白身份和定量值。
01 质谱结果表与实验设计
这一章的目标是让读者在动手做差异蛋白分析之前，先搞清楚"手上拿到的是什么格式的表、每一列代表什么、实验设计怎么对应到分析里"。
02 DEP 差异蛋白分析
DEP（Differential Enrichment analysis of Proteomics data）把蛋白组差异分析的完整流程封装成一条管线：过滤 → 归一化 → 插补 → limma 差异检验 → 多重校正。底层用的是 limma，所以统计学上和 bulk RNA-seq 的差异分析是同一套框架。
03 功能富集与 Reactome 通路
差异蛋白列表本身只是中间产物 。真正有用的是"这些蛋白对应哪些通路"。本章用 02 DEP 差异分析 的结果，走一遍 GO + Reactome + GSEA。
04 可视化：火山图、热图与蛋白互作
本章把 DEP 差异分析的结果变成能直接用于论文的图。每张图配一个最常见的用途。
05 缺失值的两种来源与策略对比
蛋白质组学的缺失值不是噪声，而是信息：为什么这个样本里测不到这个蛋白？是丰度真的低于检测限（MNAR，missing not at random），还是仪器本次没扫到（MCAR，missing completely at random）？两种来源对应不同 的插补策略，用错会引入系统偏差。
06 翻译后修饰：磷酸化位点定量
蛋白量变只能告诉你"多了"或"少了"，但很多生物学过程靠的是修饰：磷酸化、乙酰化、泛素化等。质谱在富集后能定量到位点级别，本章以最常见的磷酸化为例。
07 蛋白互作网络与 STRING
差异蛋白列表常常是几十到几百个，单独看每个蛋白意义不大。互作网络能把它们组织成"模块"——同一个复合物或通路的蛋白 会聚在一起，让生物学故事浮出来。STRING 是目前最常用的免费蛋白互作数据库。
08 与转录组联合分析
蛋白丰度和 mRNA 丰度的相关性其实没有想象中高（典型相关系数 0.3-0.6）。这种不一致本身就是信息：同时有转录组和蛋白组数据时，比较两者能识别"翻译/降解层面被调控"的基因，是单一数据无法看到的故事。