第4章 数据采集模式：DDA与DIA的原理与对比
咱们搞蛋白质组学，质谱采集模式是个绕不开的坎儿。说白了，这决定了你手上数据的“底子”怎么样。我早期做项目的时候，来回切换DDA和DIA，踩坑不少，今天把我自己的心路历程和经验总结出来。
4.1 数据依赖性采集（DDA）的基本原理
DDA，全称Data-Dependent Acquisition，也叫“先看，再选，后打”。
过程是这样的：质谱先做一次一级全扫描（MS1），看看所有肽段的荷质比信号。做完一级后，仪器会挑出信号最强的几个母离子（我见过一般是选Top10到Top20），然后逐一做二级碎裂（MS2）。这是“依赖”数据本身的强度做决策。
为什么挑最强的？因为强信号在二级谱里碎片化更充分，鉴定成功率明显高。但这里有个问题：丰度低的肽段，很可能永远没机会被选中。
DDA的典型工作流程
我习惯把DDA的采集逻辑写成下面这块伪代码，你感受一下：
# DDA采集逻辑（伪代码）
1. 执行 MS1 全扫描（范围：350–1500 m/z）
2. 识别 MS1 峰：选取 TopN 个最强母离子 (N=10)
3. 对每个选定母离子：
a. 隔离窗口（宽度约 1.2–2.0 Da）
b. 碎裂（CID 或 HCD）
c. 记录 MS2 谱图
4. 重复步骤1–3（每轮约 2–3 秒）有一个参数我没告诉你，叫“动态排除”（Dynamic Exclusion）。这个参数太关键了。我曾经在一个样本里长时间运行DDA，如果不设动态排除，丰度最高的几个母离子会被反复选，其他的永远排不上号。
举个例子，一张典型的DDA参数表，你参考一下：
| 参数 | 典型值 | 说明 |
|---|---|---|
| Monetary 分辨率 | 60,000–120,000 (MS1) / 15,000–30,000 (MS2) | 越高越好，但扫描速度会降低 |
| TopN | 10–20 | 挑最强的前N个母离子，N越大覆盖率越高 |
| Dynamic Exclusion | 15–30 s | 选过的母离子在排除期内不再入选 |
| 最小信号强度阈值 | 1E4 或 1E5 | 低于此阈值不触发二级 |
4.2 数据非依赖性采集（DIA）的采集策略
DIA的思路和DDA相反。它不挑最强，而是把所有母离子都扫一遍，扫到二级里。听起来很粗糙，但它的核心窍门在于“窗式循环扫描”。
具体说：把质谱的整个质量范围（比如400–1000 m/z）分成若干连续的窗口，每个窗口宽度25 Da左右。然后仪器在这些窗口上做循环——每个窗口一次，把窗口内所有肽段同时打碎，记录成一张“混叠”的二级谱。
我印象最深的是用SWATH技术处理一个临床样本队列，上百个样本一次性采集完，数据量巨大，但后期反卷积做提取走得通。
DIA的典型扫描窗口设置
下面是一个实际DIA参数配置的片段，来自我常用的Thermo Orbitrap平台：
# 常见DIA扫描窗口设置（参考值）
Mass Range: 400–1000 m/z
Window Count: 24个等宽窗口
Window Width: 25 Da（400–425, 425–450, ..., 975–1000）
Overlap: 1 Da（相邻窗口重叠1 Da，提高覆盖率）
MS1 Scan Resolution: 120,000
MS2 Scan Resolution: 15,000
Collision Energy: 梯度过（25%、27%、30%）注意这里有一个小坑。窗口重叠是不是越大越好？我刚开始以为重叠越多越稳，但后来发现重叠大了会引入大量混叠，降维反卷积计算量暴涨。我建议：窗口间重叠控制在0.5–1 Da即可。
4.3 DDA与DIA的核心对比
我把这两个模式的优缺点放在一张表里，这样你一眼能看出差异：
| 维度 | DDA | DIA |
|---|---|---|
| 采集逻辑 | 选择最强母离子 → 碎裂 | 等宽窗口内所有母离子 → 碎裂 |
| 鉴定覆盖度 | 偏向高丰度肽段，低丰度易漏 | 所有可检测肽段都有机会 |
| 定量准确性 | 中等，受随机采样影响大 | 高，窗口级一致性好 |
| 特异性 | 高（每个二级对应一个肽段） | 低（二级混叠，依赖算法） |
| 数据量规模 | 较小 | 大（数十GB到百GB级） |
| 最优应用场景 | 定性发现、组学筛选 | 靶向定量、队列比较 |
| 运行成本 | 低耗时、高仪器占用 | 高耗时、低仪器占用但计算多 |
DDA和DIA之间的关系、数据规模、后期处理走向，下面这张SVG流程图一目了然：
核心结论：DDA适合探索未知，DIA适合定量比较。两者不是互相替代，而是互补。我的建议是：预算允许、样本数量少、追求鉴定数量时用DDA；样本量大、要求准确定量、不差计算资源时用DIA。
4.4 实战中的避坑指南
我从这些年做过的项目里挑了两个最常见的坑，说给你听：
坑1：DDA的“随机采样”陷阱
DDA每次只选TopN，同一个样本Run三遍，鉴定到的肽段可能有30%不重复。我曾遇到一个验证实验，DDA三次重复后关键的低丰度蛋白就没被采到。
怎么办？对于低丰度靶标，我个人习惯设“补采”策略：降低最小强度阈值，并行跑两个DDA方法（一个宽动态排除，一个短排除期），或者直接转用DIA。
坑2：DIA的“数据沼泽”陷阱
我第一次跑DIA时，24小时生成了80GB的原始文件，我愣住了。后来发现，没有合适的解混叠算法，这些数据基本是“压缩包”。
提示：做DIA之前，一定先准备好谱图库（spectral library）或者能跑深度学习反卷积的工具（如DIA-NN）。否则你拿到的是“乱麻”而不是“线团”。
实战小贴士
我建议刚入门的同学：先用DDA跑一个样本验证方法可靠性，再切到DIA做正式实验。DIA才是未来，目前主流平台和算法对它已经非常友好了。
4.5 常见质谱平台参数配置参考
以两款主流质谱仪为例，我把它们的DDA和DIA参数写给你，遇到对应平台可以直接照搬：
Thermo Orbitrap Fusion Lumos
【DDA参数】
MS1: R=120k at m/z 200, Scan range 375–1500 m/z, AGC=5e5
MS2: R=30k, AGC=5e4, Max IT=45 ms
TopN=15, Dynamic exclusion=20 s
【DIA参数】
Isolation window: 24个窗口, 25 Da each, overlap 1 Da
MS1: R=120k, AGC=5e5
MS2: R=30k, AGC=5e6, Max IT=60 ms
Stepped collision energy: 25, 27, 30%Bruker timsTOF Pro 2
【DDA参数 (DDA-PASEF)】
MS1 scan: 100–1700 m/z, 累积时间=0.5 s
独有: PASEF采集（Parallel Accumulation – Serial Fragmentation）
每循环 max 10 个 precursor
【DIA参数 (diaPASEF)】
MS1 scan: 100–1700 m/z
MS2: 每轮 16×120 m/z 窗口 (覆盖全质量范围)
累积时间: 1.1–1.3 s/循环千万不要以为仪器参数能通用！同一个参数在不同仪器上差别很大。比如Orbitrap的AGC值在Bruker平台上根本没法用，实际是从离子累积时间计算出来的。我建议你拿到新仪器，拿标准蛋白（100 ng 叶绿体裂解液）跑黄金流程（DDA和DIA各跑一遍），再微调参数。
嗯，这就是我对DDA和DIA的全部理解了。DDA和DIA的选择，其实看你做的是定性探索还是定量比较。如果让我选，我更倾向于DIA做大规模队列，因为它提供了更完整的数据和更高的定量可信度，而且目前的算法越来越成熟。