5.聚類分析
為了進一步識別人群隊列中潛在的相似代謝，基于KODAMA值進行partition around medoids clustering分析，鑒定到4個cluster(A,B,C,D)。
比較有意思的是，不同cluster的PEs的發生具有顯著差異，分別是Cluster A：71%，Cluster B：42%，Cluster C：29%，Cluster D：19%，其中cluster D發生PE的可能性最高。
結論
通過脂質組和蛋白組實驗，研究發現12種PCs，4種LPCs以及凝血途徑的PLG在對照組和PEs組具有顯著變化，且大多數脂質分子與PLG具有很強的相關性。無監督的聚類分析發現cluster D發生PE的可能性最高。這篇文章揭示了代謝失調可能會引起PEs的早期易感性，并提示這些PCs、LPCs、凝血和補體蛋白之間的相互作用。
小編心得
1.DIA定量準確性接近PRM，可用于靶向檢測
相比傳統的DDA，DIA新技術覆蓋度高、重現性高、定量準確性高，可以達到與MRM/PRM相近的水平。正因如此，在這篇文章中采用的是DIA技術針對22個蛋白進行目標性檢測。
2.脂質組學研究難點
●與常規代謝組一樣，脂質組學也需要重點考察實驗過程中的穩定性和重現性。全面、客觀反映數據質量好壞的評價體系至關重要。
●與常規代謝組不同的是：脂質的理化性質比較特殊，其粘附性高，容易出現分離度不理想，色譜峰形差等問題，其對色譜的分離能力要求更高。不理想的色譜分離效果，會導致各種脂質峰之間無法區分，影響質譜的采集效率；而較差的色譜峰形，將影響定量結果的準確性。理想的分離效果是色譜峰在整個洗脫時間段內分布均勻，且峰形對稱、尖銳。
良好的色譜分離效果
糟糕的色譜分離效果
中科新生命是最早提供代謝組學服務的平臺之一，具備中國計量認證（CMA）、iso9001質量管理體系認證等資質。中科新生命脂質組學技術平臺建立在LC-MS/MS上，采用包含170萬種脂質分子的商業化LipidSearch數據庫以及優化的色譜體系，除了提供脂質組相對定量，絕對定量外，還提供一站式的脂質驗證服務和多組學聯合服務。
