资源中心
-
癌症是一种高度异质性的疾病，其发生发展涉及基因组、转录组和蛋白质组多层级的调控变化。近年来，翻译后修饰（Post-Translational Modifications, PTMs）作为调控蛋白质功能、稳定性、定位及相互作用的关键机制，逐渐成为肿瘤研究的焦点。传统蛋白质组学虽已揭示了众多差异
-
蛋白质是细胞执行各种生命活动的核心分子。然而，蛋白质在合成完成后并不立刻“投入使用”，它们往往还需经历一系列精细调控的翻译后修饰（Post-Translational Modifications, PTMs）。这些修饰对蛋白质的结构、功能乃至其在细胞中的命运具有深远影响。本文将聚焦翻译后修饰
-
细胞是生命活动的基本单元，而细胞表面则是其感知、识别和响应外界环境的前沿阵地。细胞表面蛋白广泛参与信号转导、物质转运、细胞识别和黏附等过程，是连接细胞内外环境的关键桥梁。细胞表面蛋白质组学（surface proteomics）可以系统了解这些蛋白在不同生理和病理状态下的变化。通过高通量手段
-
在现代生命科学研究中，理解细胞间的异质性对于解析疾病机制、开发精准治疗和重建组织发育图谱具有重要意义。单细胞RNA测序已在转录水平提供了丰富信息，但蛋白质作为直接执行功能的分子，更能真实反映细胞状态。因此，单细胞蛋白质组学（Single-Cell Proteomics, SCP）逐步成为探索
-
蛋白质翻译后修饰（Post-Translational Modifications, PTMs）广泛参与调控生命活动的各个环节，是蛋白质功能多样化的关键驱动因素。近年来，随着质谱技术的进步，PTMs研究在药物研发中的价值愈加突出，尤其是在新靶点发现、药效机制阐明以及精准治疗策略制定等方面，展
-
在多细胞生物体中，尽管基因组几乎完全相同，但细胞的形态、功能和命运却各不相同。这种现象被称为细胞异质性，是发育、疾病进展以及药物响应等复杂生物过程的核心。为了深入理解这种异质性，科研人员逐步从群体平均测量迈向单细胞分辨率的多组学研究。其中，单细胞蛋白质组学（single-cell prote
-
蛋白质组学的研究深度与广度不断拓展，在多样本、多条件和复杂表型的研究中，数据的稳定性、覆盖度和重现性成为蛋白质定量分析的核心关注点。数据依赖采集（Data-Dependent Acquisition, DDA）技术虽然已被广泛应用于蛋白质组学研究，但随着研究复杂性的提升，DDA逐渐暴露出检测
-
• 如何利用AI与机器学习提升无标记蛋白质组学数据分析效率？
近年来，蛋白质组学已成为理解生命过程与疾病机制的重要技术手段。其中，无标记定量蛋白质组学（Label-Free Quantitative Proteomics, LFQ）以其实验设计灵活、样本需求量低等优势，在基础研究与临床应用中被广泛采用。然而，LFQ的一个突出问题是数据分析流程复杂、计算
-
在蛋白质组学研究中，无标记定量（Label-Free Quantification, LFQ）技术因其无需昂贵试剂、样本数无限制、适配临床样本等特点，逐渐成为差异蛋白筛选与机制研究的主流选择。在众多LFQ方法中，SWATH-MS作为一种基于数据独立采集（DIA）的策略，结合了DDA的识别广度
-
血浆是生命体最复杂且最具研究价值的样本类型之一。它不仅承载着全身组织释放的蛋白质信息，还因其采样简便、稳定性高而被广泛用于生物标志物筛选、疾病早期诊断及精准医学研究。然而，血浆蛋白组面临两大挑战： 1、动态范围极大（>10¹⁰）——少数高丰度蛋白（如白蛋白、球蛋白）占据>90%总量； 2、蛋
How to order?
