生物医学大数据-蛋白质定量
现今肽段定量效率存在巨大差异。比如相同质量蛋白质，但是肽段和蛋白信号不均一，在物理条件一致时，仅有70%的重复率，并且当重复次数变多时，overlapping在变少。
无标定量法
方法一是针对二级色谱的谱图计数，即统计二级色谱的数量，数量越多则蛋白丰度越高，但相同丰度蛋白也有不同的二级色谱数，所以算法目的是减少噪音。
方法二是针对一级色谱的离子流色谱峰XIC，即每个肽段的离子流色谱峰，可以取同一个肽段不同时间点上的信号强度，连接成峰，通过求该曲线的曲线下面积获取曲线信息，通过采集同一个肽段的所有信息利用交叉搜索策略，相互比对后填补丢失量：
在交叉搜索策略中，使用RT对对齐，分别是全局比对和局部比对，最后为了克服系统误差而进行归一化处理，比如max归一化是指将一组数据中的最大值定为1，每组都是同样标准。可以基于谱图数据库找到该二级色谱对应的序列，也可以统一过一级图谱的特征搜索AMT数据库。
基因组与蛋白质在实验技术上的差异，基因组测序重复性好，但是蛋白质质谱实验可重复性低。
脚本串接software无标定量软件，常用的XIC无标定量软件有:
LFQuant 可以对谱图数据进行多级过滤，保留时间对齐和有较好的准确性评估和重复性评估
谱图计数速度快但是精度低和动态范围小，而XIC主要采用搜库能省时且准确，但特征比对就比较耗时。
有标定量是采用稳定同位素标记方法：
有标定量分为母离子和子离子定量：
母离子标记software：
Eg：SILVER
子离子定量软件：
无标定量的试验成本低，适用不同平台数据相比较的情况，较有标定量动态范围大。有标定量受到质谱平台影响小，较为准确。
相对定量比绝对定量误差要小，绝对定量的实验方法是SRM结合内标肽段，常用数据库：
计算方法是iBAQ或APEX等，其中APEX准确性较好。
差异蛋白筛选：
先对蛋白质进行定量，然后缺失值差补，再使用统计学检验方法进行统计学检验，然后使用统计学工具绘制火山图，最后得到差异蛋白列表。常用的Software：
注意：蛋白质多缺失值需要至少三次重复，不滥用p-value，关于生物统计学问题可查看nature生物统计专题。
定量软件：MaxQuant&PANDA
C-HPP可将不同实验室定量结果整合：
高丰度蛋白作用于结构，低丰度作用于调节