一、iMetaLab簡介
宏蛋白組學是個非常小眾的領域，即使從事的學者也並非專門做這個，大多是作為系統生物學的延伸研究。業界有幾個比較有影響力的研究團隊，一是比利時根特大學的Computational Omics and Systems Biology Group(COMPOMICS) 團隊，開發了有代表性的宏蛋白分析工具如Unipept、MetaProteomeAnalyzer (MPA)，此外還有很多常規蛋白組的工具，如SearchGUI、PeptideShaker、Thermo Raw File Parser 等，后面如果有機會再介紹。二是加拿大渥太華大學的Daniel Figeys團隊，專注於研究人類、小鼠腸道宏蛋白組，一開始提出了經典的迭代搜庫三步法（MetaPro-IQ），后面陸續也實現了一些工具，開發了從MetaPro-IQ，到MetaLab，最后到iMetaLab平台的技術路線。
Daniel Figeys介紹：https://med.uottawa.ca/bmi/people/figeys-daniel
iMetaLab有雲服務器版本和桌面版本，用來分析宏蛋白數據，下游可視化繪圖等分析提供了Shiny Apps，並且也有相應的Demo報告和Wiki。內容主要包括了：肽段和蛋白的鑒定及定量，物種和功能分析，數據分析及其可視化。
關於收費，對於學術研究是免費的，商業用途則需要獲得許可。
二、內置工具與模塊
1. Data Processing module
- ProteoWizard/msconvert
- Xtandem
- MaxQuant
- Spectra clustering
- Msfragger
- FlashLFQ
- Unipept
2. Functional Analysis
- KEGG
- eggNOG database
- NCBI nr database
3. R Developing environment
- Rstudio
- Rstudio server
- ShinyR
- Shiydashboard
4. R based data analysis packages
- ggplot2, ggpairs
- Htmlwidgets, visNetwork, d3heatmap
- Eulerr, colourpicker, DT,shinysky, GGally, ggcorrplot, reshape2, ggfortify, mixOmics
5. Web development libraries and frameworks
- React.js
- D3.js
從內置工具和模塊可以看出，這個平台主要處理的是DDA數據，最后得到的蛋白鑒定和定量結果就是MaxQuant產出格式的。
三、報告內容
iMetaLab分析完成后生成網頁報告https://shiny.imetalab.ca/metalab_report/。
對於報告結果，主要有以下五方面內容：
- ID Summary：譜圖肽段ID統計
- Peptides Summary：肽段鑒定結果分析
- ProteinGroups Summary：蛋白鑒定結果分析
- Taxon Summary：物種注釋結果分析
- Function Summary：功能注釋結果分析
此外，還有一個MetaMep for Taxon Vis模塊，主要是利用MetaMap軟件對物種分析結果進行可視化展示和可交互式操作。
1. 譜圖肽段ID統計
分析點包括了報告介紹，項目信息，譜圖解析率，肽段鑒定數，匯總統計表。
- MSMS ID Rate
這是數據質控的一個指標，可以判斷MS run的質量，即在1%FDR條件下譜圖鑒定為肽段，QE系列儀器一般能達到50%。可以判斷組內重復性，以及儀器是否需要清洗，數據是否可利用等。
展示方式：分組散點圖，密度圖，箱形圖。 - Peptide Sequence
同樣也是統計各樣本的肽段鑒定數目分布。
可視化：分組散點圖，密度圖，箱形圖。
2. 肽段鑒定結果分析
上圖紅框內的分析，包括對肽段鑒定各方面的統計繪圖，多變量統計和方差檢驗，到得到整潔的肽段數據。
肽段結果分析及其可視化：價態分布，長度分布，得分分布，肽段強度分布（離散和累積），各樣本肽段強度箱形圖，全部樣本肽段的聚類熱圖，肽段層次PCA（2D/3D），各組間方差分析。
最后得到的過濾后的肽段表格（MaxQuant結果）是去除了來自反庫和污染庫的肽段，他們用的強度值是LFQ和自帶的Intensity，整潔肽段表可用於后續分析，也可用作者的shiny.imetalab.ca。
3. 蛋白鑒定結果分析
蛋白組層次和肽段層次的分析基本是一樣的。多了一個unique peptide分布。
疑問：為什么都用方差分析？難道更多的情況不是兩組嗎，即便是多組，很多客戶也是要求兩兩比較。
最后得到的也是過濾后的蛋白表格。
4. 物種分析
- 每個樣本在物種各個層級的注釋統計
- alpha多樣性：計算的是種（species）層級的Shannon-Wiener index
- beta多樣性：計算的是種（species）層級的PCoA
- 樣本聚類：基於種（species）層級的豐度數據，歐氏距離ward.D聚類
- 物種組成：各物種層級bar圖（原始強度，無歸一化）
5. 功能分析
- 功能數據庫注釋統計：COG，NOG，KEGG，GO及其unique數目（與蛋白一對一）。
- 分類餅圖：包括COG，NOG和Pathway，餅圖的扇形大小並非分類功能的數目，而是所有樣本proteinGroup的強度之和。
- 功能組成bar圖：包括COG，NOG和Pathway，各樣本的功能bar圖（原始強度，無歸一化）。
- 功能組成熱圖：包括COG，NOG和Pathway，各樣本的功能聚類熱圖。
- PCA分析：包括COG，NOG和KEGG（這里應該也是Pathway層級）功能豐度的PCA。
疑問：一般蛋白/基因注釋KEGG是到KO層級，這里都是轉化到了Pathway層面，一條Pathway中多個蛋白分子強度不知他們是怎么處理的，之前我是進行加和處理的。
MetaMep for Taxon Vis
最后一個工具是對物種分析進行可視化，可交互是它的優點，而且有多種展示方式。你如果用過MEGAN的話，就知道這些展示方式也都有。當然Unipept也可實現，它這個就是嵌套了Unipept。
