2. 实验设计基础
做蛋白质组学定量，最怕什么？不是仪器坏了，也不是软件崩了——而是实验设计一开始就埋了雷。我见过太多人跑完质谱，拿到一堆数据，结果发现分组不合理、批次混在一起，最后折腾几个月也揪不出真正的差异蛋白。说白了，实验设计是定量分析的「地基」，地基歪了，后面再漂亮的生信分析也救不回来。
这一章咱们就聊聊实验设计的三个核心要素：样本怎么分组、标记选什么策略、批次效应怎么控制。全是实战中踩过的坑，我尽量把经验都抖出来。
1. 样本分组原则
分组不是随便把样本扔进两个桶里就完事。你需要考虑生物学重复、对照设计、以及混淆变量的处理。
核心原则：每组至少3个生物学重复，推荐5个以上。生物学重复 ≠ 技术重复！技术重复是对同一样本重复测量，生物学重复才是反映群体变异的关键。
我曾在项目中接过一个客户的数据：对照组6个样本，处理组只有2个样本。结果跑完LFQ一看，处理组内部变异大到离谱，连差异分析都不敢做。后来只能让客户补样，白白浪费了两个月。
分组设计一般有几种常见模式：
| 设计类型 | 适用场景 | 注意事项 |
|---|---|---|
| 双样本比较 | 处理 vs 对照，最简单 | 确保两组样本量尽可能均衡 |
| 多组比较 | 多个浓度、多个时间点 | 推荐使用ANOVA预筛，再两两比较 |
| 配对设计 | 同一患者治疗前后 | 必须保证配对信息完整，无法补样 |
| 时间序列 | 动态变化研究 | 注意缺失值处理和趋势分析 |
我的小建议：尽量做配对设计。配对能极大降低个体差异带来的噪声，尤其在临床样本中特别有用。但前提是配对信息一定要记录清楚——我曾经因为标签模糊，把治疗前和治疗后的样本弄混，那叫一个崩溃。
2. 标记策略选择
定量策略主要分两大阵营：标记定量（label-based）和无标记定量（label-free）。这里先讲标记策略，因为TMT和iTRAQ这些多通路标记在实验设计上比LFQ更复杂。
标记策略的核心问题是：你的样本要加到哪个通道里？ 比如说TMT 10plex，一次可以跑10个样本。怎么安排这10个样本，直接决定了数据的可比性和批次效应处理难度。
我常用的策略是「桥接设计」（Bridge Design）：
- 在所有TMT批次中，都加入一个共同的参考样（通常是所有样本的pool）。
- 这样不同批次之间的定量值可以通过参考样归一化。
- 参考样要足够多，建议额外准备3~5个技术重复的pool，用于评估技术变异。
注意：千万不要把生物学重复的样本分到同一个TMT批次里！例如对照组有5个重复，应该分散到不同批次（比如batch1放2个，batch2放3个）。否则批次效应会和组别效应完全混杂，后期算法再牛也分不开。
来看一个实际的多批次TMT实验分组示例（6组，每组4个生物学重复，使用TMT 10plex，共3个batch）：
Batch 1: 通道126~130: 处理组A的rep1, rep2; 对照组B的rep1, rep2; 参考样pool
通道131~135: 处理组C的rep1, rep2; 对照组D的rep1, rep2; 参考样pool
Batch 2: 通道126~130: 处理组A的rep3, rep4; 对照组B的rep3, rep4; 参考样pool
通道131~135: 处理组C的rep3, rep4; 对照组D的rep3, rep4; 参考样pool
Batch 3: 通道126~130: 其他两组E, F各两个重复+参考样pool
通道131~135: 剩余两个重复+参考样pool你看，这里的关键是每个batch内部都包含不同处理组的样本，而且每个batch都有参考样。这样即使不同batch之间有技术差异，也能用参考样校正回来。
3. 随机化与批次效应控制
随机化不是玄学，是统计学的基本要求。样本处理顺序、上机顺序、甚至试剂批号，都可能引入系统偏差。我习惯做以下几步：
- 样本处理随机化：把分组标签打乱，按随机顺序进行蛋白提取、酶解、除盐等步骤。
- 上机顺序随机化：质谱进样时，不要一组跑完再跑下一组。比如用随机数表安排进样顺序。
- 批内质量控制：每批样本中穿插QC样（pool的等分），用QC样评估仪器稳定性。
实用脚本：我写了个简单的R脚本，帮你生成随机化顺序表。可以用，但记得改样本路径。
# 生成随机上机顺序表
set.seed(42) # 固定种子确保可重复
samples <- read.csv("sample_info.csv")
samples$order <- sample(1:nrow(samples))
samples <- samples[order(samples$order), ]
write.csv(samples, "randomized_order.csv", row.names = FALSE)批次效应的控制，你需要从实验设计和数据分析两方面入手：
| 层面 | 方法 | 说明 |
|---|---|---|
| 实验前 | 平衡分组 | 不同处理组样本均匀分布在各个批次中 |
| 实验前 | 使用参考样 | 每个批次内加入同一参考样，用于归一化 |
| 实验后 | ComBat | 基于贝叶斯框架去除已知批次效应 |
| 实验后 | PCA检查 | 看样本是否按批次聚类，而非按处理组聚类 |
避坑指南：我曾经用ComBat处理TMT数据时，没注意参考样的处理方式。结果把参考样当作一个单独的组，差点把合理的参考样信号也给去掉了。记住：参考样是用来做归一化的，不是用来做差异分析的组别，ComBat要设置好batch信息，不要把参考样当样本处理。
为了让你更直观地理解实验设计的整体流程，我画了张SVG图，把样本分组、标记策略、随机化和批次效应控制的逻辑串起来。
回头看这张图，整个流程像一条生产线：样本分组决定了生物学变异能否被正确估计，标记策略决定了批次间能否对齐，随机化打破了系统偏差，而批次效应控制保证了不同批次的数据可以合并分析。任何一个环节出问题，下游的差异蛋白列表就可能是垃圾进垃圾出。
嗯，实验设计这块内容就讲到这里。你自己的项目里，记得多用参考样、多写脚本、多画PCA。别嫌麻烦——这些前期工作，最后都能在数据分析时加倍回报给你。