生物醫學大數據-蛋白質定量
現今肽段定量效率存在巨大差異。比如相同質量蛋白質，但是肽段和蛋白信號不均一，在物理條件一致時，僅有70%的重復率，並且當重復次數變多時，overlapping在變少。
無標定量法
方法一是針對二級色譜的譜圖計數，即統計二級色譜的數量，數量越多則蛋白豐度越高，但相同豐度蛋白也有不同的二級色譜數，所以算法目的是減少噪音。
方法二是針對一級色譜的離子流色譜峰XIC，即每個肽段的離子流色譜峰，可以取同一個肽段不同時間點上的信號強度，連接成峰，通過求該曲線的曲線下面積獲取曲線信息，通過采集同一個肽段的所有信息利用交叉搜索策略，相互比對后填補丟失量：
在交叉搜索策略中，使用RT對對齊，分別是全局比對和局部比對，最后為了克服系統誤差而進行歸一化處理，比如max歸一化是指將一組數據中的最大值定為1，每組都是同樣標准。可以基於譜圖數據庫找到該二級色譜對應的序列，也可以統一過一級圖譜的特征搜索AMT數據庫。
基因組與蛋白質在實驗技術上的差異，基因組測序重復性好，但是蛋白質質譜實驗可重復性低。
腳本串接software無標定量軟件，常用的XIC無標定量軟件有:
LFQuant 可以對譜圖數據進行多級過濾，保留時間對齊和有較好的准確性評估和重復性評估
譜圖計數速度快但是精度低和動態范圍小，而XIC主要采用搜庫能省時且准確，但特征比對就比較耗時。
有標定量是采用穩定同位素標記方法：
有標定量分為母離子和子離子定量：
母離子標記software：
Eg：SILVER
子離子定量軟件：
無標定量的試驗成本低，適用不同平台數據相比較的情況，較有標定量動態范圍大。有標定量受到質譜平台影響小，較為准確。
相對定量比絕對定量誤差要小，絕對定量的實驗方法是SRM結合內標肽段，常用數據庫：
計算方法是iBAQ或APEX等，其中APEX准確性較好。
差異蛋白篩選：
先對蛋白質進行定量，然后缺失值差補，再使用統計學檢驗方法進行統計學檢驗，然后使用統計學工具繪制火山圖，最后得到差異蛋白列表。常用的Software：
注意：蛋白質多缺失值需要至少三次重復，不濫用p-value，關於生物統計學問題可查看nature生物統計專題。
定量軟件：MaxQuant&PANDA
C-HPP可將不同實驗室定量結果整合：
高豐度蛋白作用於結構，低豐度作用於調節