DIA（Data Independent Acquisition）是一项融合了传统蛋白组学“鸟枪法”（shotgun）和选择反应监测/多反应监测（SRM/MRM）技术优势的全新的 、全息式数据非依赖性采集定量技术 。DIA能够将扫描区间内所有的肽段母离子经过超高速扫描并进行二级碎裂 ，从而获得完整的肽段信息 。相比传统的蛋白质组学采用数据依赖采集（DDA）策略 ，DIA技术避免了DDA策略对于高丰度肽段采集和碎裂的偏向性 ，DIA技术对于低丰度肽段的定量具有显著优势 。

|   DIA技术原理

       DIA技术是先利用常规DDA质谱检测技术分析建立图谱库 ，之后采用DIA方法进行质谱数据采集 ，从而实现对样品中蛋白质的定性及定量 。不同于传统的DDA技术 ，DIA技术将质谱整个全扫描范围分为若干个可变窗口 ，根据m/z分布密度计算合理的窗口宽度和数量 ，高速 、循环地对每个窗口中的所有离子进行选择 、碎裂 、检测 ，该技术无需指定目标肽段 ，扫描点数均匀 ，可以无遗漏地获得样本中所有离子的全部碎片信息 ，数据利用度大大提高 ，缺失值更少 。

|   DIA技术优势

●   高通量与高深度 ：不受样品个数的限制 ，可用于大规模样本数量检测 ，前处理操作过程较少 ，使样本最接近原始状态 ，同时不受样品条件限制

●   特异性好 、灵敏度高 ：全景式扫描 ，数据无遗漏 ，定量准确性大大提高

●   严格的质量控制 ：鉴定与定量结果的可重复性更高 ，数据可回溯

|   应用领域

●   大规模寻找差异蛋白

●   16个以上样品的定量研究

●   生物标志物筛选

●   血液蛋白质组筛选

|   经典案例 ：DIA与DDA在血清蛋白组分析中的技术对比

      该文献是一篇标准DIA分析流程的文章 。实验流程如下图 ，建立快速高效的血清蛋白质组学方法 ，样本制备未进行常规的去高丰度蛋白操作 ，直接对血清样品进行酶切（图2a） 。通过DDA技术在三个技术重复中对未去高丰度蛋白 、去高丰度蛋白的样品测定；通过高pH反相分馏将未去高丰度蛋白的样品分为5个馏分 ，并用DDA分析每个馏分 。通过多次DDA鉴定建立血清广谱库 ，并对DIA数据进行分析 。

为了比较DIA方法与传统DDA的特点 ，通过标准DDA方法对相同的血清样品进行了三次技术重复 ，并使用相同的50分钟梯度进行分析 。结果对比如下 ：

|   DIA重现性优于DDA

       在三个重复中 ，DDA共鉴定出202个蛋白质和1495个肽 ，只有114（56%）个蛋白质和829（55%）个肽在所有重复中均有鉴定 。而DIA（vDIA-2）鉴定出375种蛋白质和3238个肽 ，其中325（87%）个蛋白质和2699（83%）个肽被重复鉴定 。

       通过MaxQuant软件分析DDA模式下收集的原始数据 ，对103个蛋白质进行了定量 ，其中80个蛋白质的CV＜10％ ，100个蛋白质的CV＜20％ 。而对于DIA（vDIA-2） ，定量了325种蛋白质 ，中值CV为7.8％ ，其中193种蛋白质的CV＜10％ ，256种蛋白质的CV＜20％ 。

       本文通过对比DIA与DDA在鉴定蛋白数目 、重复性 、定量准确性方面的性能上 ，体现了DIA技术的优势 ，在高度复杂的血清样本分析中DIA极大提高了定量分析的可信度 ，有更高的定量准确性和可重复性 。

|   相关文献

[1]. Messner CB, Demichev V, Muenzner J, et al. The proteomic landscape of genome-wide genetic perturbations. Cell. 2023 Apr 27;186(9):2018-2034.e21.（弗朗西斯·克里克研究所）IF=64.5

[2]. Xu F, Yu EY, Cai X, et al. Genome-wide genotype-serum proteome mapping provides insights into the cross-ancestry differences in cardiometabolic disease susceptibility. Nat Commun. 2023 Feb 16;14(1):896.（西湖大学生命科学学院）IF=16.6

[3]. Qu L, Liu M, Zheng L,et al. Data-independent acquisition-based global phosphoproteomics reveal the diverse roles of casein kinase 1 in plant development. Sci Bull (Beijing). 2023 Aug 9:S2095-9273(23)00535-2.（上海市现代种业协同创新中心）IF=18.9

[4]. Lou R, Cao Y, Li S, et al. Benchmarking commonly used software suites and analysis workflows for DIA proteomics and phosphoproteomics. Nat Commun. 2023 Jan 6;14(1):94.（上海科技大学iHuman研究所）IF=16.6

[5]. Niu L, Thiele M, Geyer PE, et al. Noninvasive proteomic biomarkers for alcohol-related liver disease. Nat Med. 2022 Jun;28(6):1277-1287.（诺和诺德基金会蛋白质研究中心）IF=82.9

[6]. Yang F, Jia G, Guo J, et al. Quantitative Chemoproteomic Profiling with Data-Independent Acquisition-Based Mass Spectrometry. J Am Chem Soc. 2022 Jan 19;144(2):901-911.（北京大学生物有机与分子工程教育部重点实验室）IF=15.0

[7]. Gebreyesus ST, Siyal AA, Kitata RB, et al. Streamlined single-cell proteomics by an integrated microfluidic chip and data-independent acquisition mass spectrometry. Nat Commun. 2022 Jan 10;13(1):37.（中央研究院）IF=16.6

[8]. Fabienne Meier-Abt, Junyan Lu, Ester Cannizzaro, et al. The Protein Landscape of Chronic Lymphocytic Leukemia Blood. 2021 Dec 16;138(24):2514-2525.（苏黎世大学医院）IF=20.3

[9]. Fabian Coscia 1 2, Sophia Doll 2, Jacob Mathias Bech, et al. A streamlined mass spectrometry-based proteomics workflow for large scale FFPE tissue analysis. J Pathol. 2020 May;251(1):100-112.（诺和诺德基金会蛋白质研究中心）IF=7.3

[10].  Chongshu Jian 1, Jiajun Fu 2, Xu Cheng, et al. Low-Dose Sorafenib Acts as a Mitochondrial Uncoupler and Ameliorates Nonalcoholic Steatohepatitis. Cell Metab. 2020 May 5;31(5):892-908.e11.（武汉大学人民医院）IF=29.0

[11].  Yangying Zhou, T Mamie Lih, Jianbo Pan, et al. Proteomic signatures of 16 major types of human cancer reveal universal and cancer-type-specific proteins for the identification of potential therapeutic targets. J Hematol Oncol. 2020 Dec 7;13(1):170.（约翰霍普金斯医学院病理学系）IF=28.5

[12].  Lin Lin, Jiaxin Zheng, Quan Yu, et al. High throughput and accurate serum proteome profiling by integrated sample preparation technology and single-run data independent mass spectrometry analysis. J Proteomics. 2018 Mar 1;174:9-16.（南方科技大学化学系）