| 内容摘要 | 第5-6页 |
| Abstract | 第6-7页 |
| 1 引言 | 第12-31页 |
| 1.1 蛋白质组学简介 | 第13-15页 |
| 1.1.1 蛋白质组学的应用 | 第13-14页 |
| 1.1.2 质谱技术在蛋白质组学中的应用 | 第14-15页 |
| 1.2 质谱数据的基本分析流程 | 第15-22页 |
| 1.2.1 谱图的预处理 | 第16页 |
| 1.2.2 质谱数据的定性分析 | 第16-19页 |
| 1.2.3 质谱数据的定量分析 | 第19-21页 |
| 1.2.4 生物信息学分析 | 第21-22页 |
| 1.3 质谱数据的质量问题 | 第22-23页 |
| 1.4 常见的质谱数据质量控制工具 | 第23-29页 |
| 1.4.1 仪器性能的质控工具 | 第23-25页 |
| 1.4.2 谱图层面的质控工具 | 第25页 |
| 1.4.3 肽段层面的质控工具 | 第25-26页 |
| 1.4.4 蛋白质层面的质控工具 | 第26-29页 |
| 1.5 本文的研究内容及意义 | 第29-31页 |
| 2 材料和方法 | 第31-44页 |
| 2.1 实验数据 | 第31-33页 |
| 2.1.1 质谱原始数据来源 | 第31-32页 |
| 2.1.2 搜库方法使用的蛋白质序列库 | 第32-33页 |
| 2.2 基于Galaxy的工作流 | 第33-39页 |
| 2.2.1 Galaxy简介 | 第33-34页 |
| 2.2.2 数据准备节点 | 第34-35页 |
| 2.2.3 格式转换节点 | 第35-36页 |
| 2.2.4 数据库搜索节点 | 第36-37页 |
| 2.2.5 肽段/蛋白鉴定与质量控制节点 | 第37-38页 |
| 2.2.6 肽段/蛋白定量节点 | 第38-39页 |
| 2.3 蛋白质水平的质量控制 | 第39-42页 |
| 2.3.1 本文编写的蛋白质水平质控程序IDM | 第39-41页 |
| 2.3.2 多种质量控制工具的应用 | 第41-42页 |
| 2.4 Galaxy工作流的进一步优化 | 第42-44页 |
| 2.4.1 BioBlend简介 | 第42页 |
| 2.4.2 自动化任务提交 | 第42-43页 |
| 2.4.3 性能扩展 | 第43-44页 |
| 3 本文使用的蛋白质水平质控工具的比较 | 第44-53页 |
| 3.1 各蛋白质质控工具鉴定结果的对比 | 第44-52页 |
| 3.1.1 各蛋白质质控工具鉴定结果的重合度分析 | 第45-46页 |
| 3.1.2 各蛋白质质控工具的特异性鉴定结果的GO富集分析 | 第46-49页 |
| 3.1.3 各蛋白质质控工具的特异性鉴定结果的通路富集分析 | 第49-52页 |
| 3.2 本文使用的质控工具的质控效果总结 | 第52-53页 |
| 4 总结与展望 | 第53-55页 |
| 4.1 总结 | 第53-54页 |
| 4.2 展望 | 第54-55页 |
| 参考文献 | 第55-65页 |
| 附录 | 第65-88页 |
| 附录1：自动化工作流驱动脚本Python代码 | 第65-80页 |
| 附录2：本文开发的IDM程序的核心Python代码 | 第80-87页 |
| 附录3：本文所使用的主要工具 | 第87页 |
| 附录4：论文发表 | 第87-88页 |
| 致谢 | 第88页 |
