第1章：DIANN软件概述

各位同学好。今天咱们开始《DIANN软件批次质控集成讲义》的第一章。做蛋白质组学质谱分析，尤其是数据非依赖采集（DIA）这块，DIANN这个软件你绕不开。它名气大，功能强，但上手也有不少坑。我先从头捋一遍，把基础打牢。

1.1 什么是DIANN？

DIANN，全称是 DIA-NN（Data-Independent Acquisition by Neural Networks）。简单说，它是一个专为处理DIA质谱数据而生、基于深度神经网络的软件。为什么叫“NN”？因为它的核心就是人工神经网络。

你们可能会问，DIA和传统的DDA（数据依赖采集）到底有什么区别？这个咱们后面会细讲。但DIANN这个软件，它解决的痛点是：DIA的数据太复杂了，传统的算法处理起来又慢，准确率也不行。DIANN用深度学习模型，把这件事做了个质的提升。

它的核心功能就两件事：

• 肽段鉴定：从复杂的DIA谱图中，找出哪些肽段存在。
• 定量：算出每个肽段在样品里有多少。

我个人习惯把DIANN看作一个“超级翻译机”。它把质谱仪产生的原始信号，翻译成我们能直接用的肽段和蛋白质定量列表。

1.2 开发背景：为什么会有DIANN？

DIA技术本身不是新东西，但它的数据实在太难处理了。一张DIA谱图里，可能同时有十几个、甚至几十个肽段在碎裂。传统方法用谱图库去匹配，但谱图库本身就不全，而且搜索速度慢得像蜗牛。

我记得大概在2018年左右，DIA技术开始普及，但大家都在抱怨数据处理。那时候我还在用Spectronaut和OpenSWATH。说实话，跑一遍数据，服务器要算好几天。而且参数调起来非常玄学，经常是换了两个样品，结果就不一样了。

DIANN就是在这样的背景下诞生的。它由俄罗斯科学家团队开发，核心突破就是引入了深度神经网络自动学习谱图的特征。它不再完全依赖那个“可能不全”的谱图库，而是能从数据里直接学到规律。你想想看，这就像你不再去图书馆一本本翻书，而是直接问一个阅尽天下书的AI专家。

DIANN的主要贡献者与版本演进：

版本	主要特性	个人评价
1.x	奠定深度学习处理DIA的基础框架。	当时是革命性的，但参数很原始，经常要调。
2.x	引入“直接DIA分析”，极大提升速度。	这个版本我用的最多，性能已经非常稳定了。
最新版	支持交叉检测、更稳健的批处理模式。	现在的版本，默认参数已经能搞定大部分情况。

从1.x到最新版，DIANN从一个“需要深度调试的工具”，变成了“生产环境下的主力选手”。嗯，这一点在后面的批次质控中尤其重要。

1.3 在蛋白质组学中的作用

在蛋白质组学里，DIA技术的目标很明确：在复杂的生物样品里，同时对成百上千个蛋白质进行鉴定和定量。DIANN在这个链条里扮演什么角色？

它的作用可以总结为三点：

• 核心计算引擎：它是你整个DIA数据处理流程的中枢。原始数据（.raw或.mzML文件）经过它，才能变成我们看得懂的蛋白质列表。
• 高覆盖与高准确度：传统的DDA方法，可能鉴定几千个蛋白质。DIANN处理DIA数据，轻松能做到鉴定上万甚至更多，并且定量的准确度和重复性都更好。
• 批次效应的“照妖镜”与“矫正器”：这是咱们后面几章的重点。DIANN对样品的处理深度极高，任何批次间的差异都逃不过它的“眼睛”。说白了，它能帮你发现因为实验操作、质谱仪状态、色谱柱老化导致的“隐藏”问题。

曾经有个项目，我们跑了100个血清样品。第一批次和第二批次之间，质控样品的定量结果差异很大。我用传统方法找了半天原因，没头绪。后来我用DIANN的批次质控模式重新跑了一遍，它直接在报告里标出了几个表现出严重批次效应的通道。结果一查，第二个批次的柱子流量确实有问题。你说说，这个能力多关键？

1.4 数据非依赖采集（DIA）原理简介

要理解DIANN，必须先懂DIA。我尽量用大白话说。

DIA vs. DDA：

• DDA：就像在图书馆里，一个管理员一次只帮你找一本书，精挑细选。过程慢，但每本书都相对清楚。
• DIA：就像管理员把一个书架上的所有书一次性推倒，然后你用AI把所有书的内容重新拼接成完整的一本。速度快，信息量大，但处理起来复杂。

DIA的核心原理：

1. 一级质谱扫描：先看所有肽段的母离子质量（m/z）和强度。
2. 窗口化碎裂：将整个质量范围（比如400-1000 m/z）分成一个个连续的、有一定宽度的窗口（比如20 Da或25 Da）。质谱仪会依次把每个窗口内的所有离子送进去碎裂。
3. 采集二级谱图：每个碎裂窗口都会生成一张极其复杂的“二级谱图”。这张图里包含了该窗口内所有肽段的碎片离子。
4. 数据解析：DIANN拿到这些复杂的二级谱图后，利用深度神经网络和已有的谱图库，解析出每个肽段对应的碎片。这就是最难的一步。

举个简单的例子： 假设你把一首歌（一个样品）分成10个等长的片段（窗口）。每个片段里混着好几种乐器的声音（多个肽段的碎片）。DIANN的目标就是，从每个混乱的片段里，准确识别出“这是钢琴的声音”、“这是吉他的声音”以及它们各自的强度。最终，它能重新构建出整首歌里，每个乐器对应的完整乐谱（肽段定量列表）。

我这里画张图，帮大家理清DIANN的核心逻辑：

这张图展示的是DIANN处理DIA数据的主要流程。你可以看到，从原始谱图到最终的定量矩阵，DIANN通过深度神经网络和谱图库解决了去卷积和鉴定的难题。这个流程图就是后续所有质控分析的基础。你只要理解了这个流程，后面讲批处理、讲质控指标就顺畅多了。