quantmsdiann：公共DIA数据重分析新工作流，2.2小时跑完2300样本，蛋白组鉴定最高提升59%

DIA 质谱数据正在公共存档里爆发式增长。但大多数数据只被分析过一次：作者当年用什么软件、什么版本、什么参数，外人很难完全复刻，更谈不上批量重分析。结果就是，已经花了钱采到的原始数据，里面还有大量可挖掘信息被闲置。

1. quantmsdiann 是什么？

quantmsdiann 是一个开源的 SDRF 驱动型 Nextflow 工作流，专门围绕 DIA-NN 构建。核心设计有以下几点：

• - SDRF 驱动：每个样本的仪器类型、梯度、标记方式等元数据写入 SDRF，工作流自动翻译成 DIA-NN 参数。
• - 容器锁定：每个支持的 DIA-NN 版本（1.8.1 到 2.5.1，包括 enterprise）都有独立的 Docker/Singularity 容器配置，换版本时不需要重装。
• - 并行架构：每个原始文件可以单独跑前处理、校准、检索，只有谱图库生成、经验库组装、最终定量等步骤需要全队列汇总，天然适配 HPC/云。

▲ 图1. quantmsdiann 工作流概览：红色为每文件并行步骤，绿色为全队列汇总步骤，最终输出 DIA-NN 报告、MSstats CSV、QPX Parquet 和 pMultiQC 报告。

2. 并行化不影响定量准确性

作者先用 ProteoBench 做了对照：把同一套 HYE 三物种混合样本数据，分别用单机 DIA-NN 和分布式 quantmsdiann 跑了一遍。

• - 运行时间：2,300 个单细胞样本在 300 个 HPC 节点上只要 2.2 小时；5,798 个 ProCan 细胞系运行也只需 6.2 小时。
• - 定量准确性：log2 比值与预期值完全落在同一分布里，说明分布式编排只是换了个执行方式，并没有改结果。
• - 不同 DIA-NN 版本：在四个 DIA 平台（Astral、single-cell、diaPASEF、ZenoTOF）上，2.5.1 版本的鉴定深度普遍高于 1.8.1。

▲ 图2. 并行性能与 ProteoBench 定量准确性验证。a 为节点数与 wall-clock 时间；b 为多个公开队列的运行时间；c 为 HYE 混合物定量准确性；d 为不同 DIA-NN 版本/平台下的蛋白组鉴定深度。

3. 升级 DIA-NN，单细胞数据也能多鉴定蛋白

在单细胞 DIA 数据上，升级引擎带来的收益很明显。以 HeLa Astral 和 A549/H460 两个单细胞队列为例：

• - 总 precursor 提升 16%–17%
• - 总蛋白组提升 7%–17%
• - 每个单细胞的中位蛋白组数提升 17%–23%
• - 数据完整性曲线明显上移，说明跨 run 匹配传播更强
• - CV 分布基本不变，定量精度没有因为多鉴定而牺牲

▲ 图3. DIA-NN 1.8.1 与 2.5.1-enterprise 在单细胞数据上的对比：总鉴定数、数据完整性与定量精度。

4. 重跑公共数据：老数据里的新蛋白

最有意思的部分是对已发表公共队列的重分析。作者把 NCI-60、ProCan-DepMapSanger、Sun PCT-SWATH、HeLa Astral 和 Spatial Deep Visual Proteomics 五个队列用同一套 SDRF 参数重跑了一遍：

• - NCI-60（原 OpenSWATH）：蛋白组 4,284 → 6,812，提升 59%
• - Sun PCT-SWATH（原 OpenSWATH）：蛋白组 6,183 → 8,304，提升 34%
• - ProCan（原 DIA-NN 1.7）：蛋白组 6,698 → 8,993，提升 34%
• - HeLa Astral（原 DIA-NN 1.8.1）：蛋白组 4,137 → 4,840，提升 17%
• - Spatial DVP（原 DIA-NN 1.8.1）：蛋白组 2,947 → 3,301，提升 12%

这说明：引擎越旧、原始分析越早，重分析能回收的蛋白就越多。对于用 OpenSWATH 或 DIA-NN 老版本处理的早期队列，重跑一次的收益最大。

▲ 图4. 五个公共 DIA 队列的原始发表结果与 quantmsdiann 重分析结果对比。a 为蛋白组数；b 为 precursor 数。

5. 为什么这对我们有用？

1. 数据不再是一次性消耗品

   ：PRIDE / iProX 里的 DIA 数据可以被统一、可重复地重分析。

2. 元数据即分析参数

   ：SDRF 既是实验设计记录，也是工作流输入，后续想换版本、换参数、加样本都不用手动重写命令行。

3. 输出格式直接下游可用

   ：除了 DIA-NN 原生报告，还输出 MSstats 输入表、QPX Parquet 归档和 pMultiQC 质控报告，可直接对接差异分析、批次校正、单细胞分群。

4. 开源社区驱动

   ：代码托管于 https://github.com/bigbio/quantmsdiann，MIT 协议，文档见 https://quantmsdiann.quantms.org/。

结语

quantmsdiann 把 DIA-NN 从“单机桌面软件”变成了“可扩展、可复现、版本锁定的 HPC 工作流”。它的价值不只是跑得快，而是让公共 DIA 数据真正变成可反复查询、可跨研究整合的活资源。对于已经积累了大量 DIA 原始数据的实验室，用最新引擎统一重跑一遍，很可能是性价比最高的“数据再挖掘”方式之一。