上期內容中提到了SWATH?是如何工作的？SWATH 和其他采集模式的不同？以及SWATH 的三個優勢：全景采集數據，優異定量性能，全面且良好的二級定性譜圖。本期內容，以及下兩期內容，我們主要來聊聊SWATH的應用及其應用優勢。
蛋白組學是SWATH應用最廣泛和深入的領域。因為SWATH在蛋白組學中的重大貢獻，兩位技術研究者StephenTate 和Ron Bonner在第16界人類蛋白質組世界大會上(HUPO2017)獲得了科學與技術獎。并且2018年SWATH被評為Nature最關注技術。SWATH在蛋白組學中主要解決蛋白相對定量問題，在蛋白組學領域，SWATH技術，SCI論文總影響因子已達上千分。
首先，SWATH一針檢測幾千個蛋白、幾十萬個肽段的高通量定量能力已經獲得了大量文獻的驗證。Ruedi實驗室已經先后發表了多篇SWATH技術相關的論文。其中2014年在Nature/Scientific Data[1]發表的文獻中展示了：SWATH-MS同時定量一萬種以上人體內蛋白質，該方法庫涵蓋了蛋白（UniProtKB/SwissProt）數據庫里注釋的50.9%的人蛋白質。因此，有望被廣泛的應用于基礎或者臨床研究。Ruedi實驗室在2014年Nature Methods[2]雜志上，發表的利用親和純化結合SWATH技術（AP-SWATH MS）研究蛋白相互作用的文章,證明了SWATH對大約2000個蛋白的高通量、靈敏、穩定定量能力。
其次，在蛋白組學研究中，如何實現數據結果實驗室內和跨實驗室的可重現性，一直是業內難點。SWATH技術被認為可以非常好地解決這個難題。Ruedi實驗室，2017年在Nature Communications[3]上發表的文章，對SWATH 采集數據定量能力，及其重現性，在不同國家的11個實驗室間進行評估，其結果表明：CV%偏差<20%（圖1），準確度80%-120%，4個數量級的線性范圍(圖2)。證明了SWATH技術的高重現性和穩定性。
圖1.SWATH-MS測量重現性。a. S4樣本中的30個SIS肽段峰面積CVs值, y軸使用對數比例表示；11個實驗室的日內CV%情況(亮藍色-未歸一化,深藍色-歸一化)和11個實驗室的日間CV%情況(亮綠色-未歸一化,深綠色-歸一化),和所有實驗室的CV%情況(本研究的所有S4樣本;亮灰色—未歸一化，深灰色—歸一化)；圖中橙色線為20% CV偏差。b.同樣，80%>樣本中被檢測到的4077個蛋白的峰度CV值，計算獲得11個實驗室日內偏差，日間偏差和所有實驗室偏差。C.基于log2蛋白豐度計算所有實驗室CVs，獲得可視化CV和蛋白豐度間的相關性；
圖2.動態范圍和線性。1個實驗室的30個SIS肽段測定標準曲線，跨越4個數量級。
另一方面，SWATH數據采集雖然簡單，但由于數據信息量大，非常依賴先進的數據處理策略。廈門大學韓家淮院士實驗室的鐘傳奇博士，2015年在Nature Methods[4]上發表了基于SWATH數據的蛋白質組定量技術數據處理軟件：Group-DIA。文中比較了Group-DIA和另兩個軟件DIA-Umpire和OpenSWATH的數據處理結果，結果表明：Group-DIA在低豐度蛋白的鑒定和蛋白數據經重復處理后的量化一致性上具有優勢。此軟件是開源軟件，可以免費使用。這也是國內科學家首次推出蛋白組學的SWATH處理軟件。
這里插一句，除了上述3款軟件，SWATH蛋白組學處理的軟件還包括：MSPLIT-DIA（2015.Nature Methods），TRIC（2016.Nature Methods）和Specter(2018. Nature Methods), Skyline, Spectronaut?等。大家感興趣的話，可以自己了解一下。
最后，隨著精準醫療的蓬勃發展，如何快速，高通量，準確定量臨床大隊列蛋白樣本？一直是個難題。近幾年， SWATH-MS技術作為臨床定量蛋白組學的首選技術，進入科學工作者視野。西湖大學的郭天南研究員在今年剛剛發表的Nature Communication[5]上就使用PCT(pressurecycling technology )-SWATH-MS技術開展臨床蛋白組樣品中的蛋白降解定量評價工作，使用PIN（蛋白質組完整性數）評分評價蛋白質組樣本質量，該指標可作為臨床蛋白組樣本評價的通用和準確指標。該文章也提示國內也已開始了蛋白組學研究向臨床蛋白組研究的邁進。
SWATH 在蛋白組學的應用范圍很廣，從科研到臨床；從蛋白質組定量，到翻譯后修飾，再到蛋白相互作用；只要關于蛋白定量問題，都有該技術的身影。同時，值得欣喜的是，我們國內的科學家也應用這一技術解決了很多科學難題，達到，甚至超越了國際水平。
最后，總結一下SWATH技術在蛋白組學定量應用的優勢：
1. 數據采集簡單;
2. 巨大的定量肽段提升，支持高通量定量；
3. 數據信息的全覆蓋，支持數據的可追溯性；
4. 可重現和優異的數據一致性。