很多做蛋白组学数据分析的同学，第一次拿到DIA数据时，心情往往比较复杂。数据量大、二级谱重叠严重，拿传统的MaxQuant去跑，要么内存直接爆炸，要么鉴定结果惨不忍睹。这时候，DIA-NN基本就是我给所有人的推荐答案。

DIA-NN是一款专门面向DIA（数据非依赖采集）质谱蛋白质组学数据的免费搜索软件。它用深度学习模型在无谱图库的情况下直接从DIA原始数据中挖掘肽段信号，速度快、定量稳定、自带跨样本匹配能力，这几年在蛋白组学实验室里几乎成了标配。我见过很多课题组用Orbitrap采集完DIA数据，默认流程就是打开DIA-NN跑一轮，再配合Perseus或R做下游统计。

这篇文章适合两类人：一类是刚接手DIA项目、需要一个靠谱分析工具的新手；另一类是已经在跑DIA-NN，但总觉得鉴定数不稳定、参数不敢动的进阶用户。我会把DIA-NN从安装准备、参数配置、结果解读到问题排查整个流程的关键经验讲清楚，尽量把每个参数背后的“为什么”也说透。

1. DIA-NN是什么

1.1 DIA数据长什么样

要理解DIA-NN，先得知道DIA这种采集方式和其他采集方式的区别。传统的DDA（数据依赖采集）是质谱仪先扫一张一级质谱，挑出丰度最高的几十个前体离子，逐个碎裂采集二级谱。这种方式采集效率高，但存在明显偏见——丰度低的肽段很难被选中，而且同一个样本重复进样时，挑选到的肽段不稳定，定量重现性差。

DIA的做法完全不同：它把整个质荷比范围划分成一系列固定窗口（比如400到1000 m/z分成49个窗口），每个窗口内所有离子一起碎裂，再采集二级谱。这样循环一遍下来，理论上所有能被离子化的肽段都有机会被检测到，偏差小、覆盖率高、定量稳定。

但代价是二级谱变得极其复杂：一个窗口里可能有几十上百种肽段同时碎裂，碎片离子全部叠在一张谱图里，传统搜索引擎很难从中分辨出谁是谁。这就是为什么DIA数据不能直接套用DDA那套搜索逻辑。

1.2 DIA-NN为什么又快又准

DIA-NN把深度学习用在了肽段识别上。传统搜索是对每一张谱图计算理论碎片的匹配度，而DIA-NN会先根据样本的液相色谱条件和离子淌度信息，训练神经网络来预测肽段的保留时间、离子迁移率等参数，再结合精确质量数，在复杂的DIA谱图中定位并量化信号。

很多同学刚打开DIA-NN时会发现，它允许只给一个FASTA蛋白序列库，连谱图库都不用准备。这是因为DIA-NN会先用FASTA生成理论肽段列表，再结合DIA数据本身优化这个候选库。这种“无库分析”模式对没有DDA建库条件、或者样本量很大的团队来说，省下的时间和成本非常可观。

另外，DIA-NN的跨样本匹配（MBR，Match Between Runs）也做得比较成熟。它先把不同样本的定量信号对齐，再把低丰度样本里有信号、但在其他样本中信号更高的肽段信息迁移过去，从而减少缺失值。这对临床大队列这种样本间差异大的数据特别重要。

1.3 适合什么场景

从我接触的项目来看，DIA-NN最值得用在这么几种场景：

• 多中心队列的血清、血浆蛋白组数据，需要统一流程、稳定定量；
• 组织或细胞样本只做了DIA采集，没有DDA建库，希望直接无库分析；
• 需要输出基因或蛋白级别的定量矩阵，继续喂给Perseus、R或Python做差异分析；
• 课题组想把分析流程标准化，让不同人、不同批次的结果可以横向比较。

当然，DIA-NN也不是万能的。如果你的样本已经做了非常成熟的DDA谱图库，那么用“有库模式”结合DIA数据提高鉴定可靠性，也是常见的做法。后面我会把这两种模式的选择逻辑说清楚。

2. 动手装好DIA-NN

2.1 下载与安装的细节

DIA-NN主要在Windows下使用，官方提供的是Windows图形界面版本，下载解压后直接双击DIA-NN.exe就能运行。不需要License，也不用激活码，对实验室用户相当友好。

有三个容易踩的坑，我提前说一下：

• 安装目录千万别放在带中文或空格的路径里，否则读取raw文件时容易出莫名其妙的问题；
• 运行需要电脑有.NET相关组件，Windows 10/11基本都自带，但偶尔会有老版本系统报缺文件，去微软官网补装一次就行；
• 内存建议32GB起步。如果你要跑100个以上样本，做无库分析加MBR内存最好到64GB以上。

我见过有同事把DIA-NN放在桌面上的“新建文件夹（2）”里跑，结果每次读raw都报错。换到D盘根目录下的英文路径后，问题立刻消失。这类环境问题最让人抓狂，但排查起来其实很简单。

2.2 输入文件准备

DIA-NN的输入可以简化为三类。

第一类是DIA质谱原始文件，比如Thermo的.raw、Bruker的.d、SCIEX的.wiff。DIA-NN可以直接读取大多数主流格式；如果你用的是比较冷门的仪器，可以考虑先转成mzML再导入。

第二类是蛋白序列FASTA文件。一般到UniProt下载对应物种的参考蛋白组，人类就选“Reviewed (Swiss-Prot)”版本。这里有一个经验值得分享：直接下载的FASTA文件很大，里面包含大量异构体，DIA-NN搜索时会变慢，蛋白推断也容易变复杂。我通常会稍微处理一下，保留常用转录本，再加一个常见污染物库，后续定量矩阵会干净不少。

第三类是可选的谱图库文件。通过DDA方法建好的谱图库需要转换成DIA-NN支持的格式（比如.speclib）再使用。没有现成谱图库完全没关系，DIA-NN会通过FASTA生成自己的预测库，这是它的招牌功能。

2.3 三种工作模式怎么选

DIA-NN界面最显眼的用法区别，就是“无库”还是“有库”。我按实际项目需求拆成三种模式：

我自己的习惯是：同一个项目的第一批DIA数据，第一次一定用无库模式，同时勾选生成谱图库。等第一批跑完，检查鉴定数、定量质量没问题后，这个谱图库就留下来。到第二批样本进来时，再改用有库模式做快速分析。这样既保证第一批结果可靠，又让整个项目的后续效率提升明显。

3. 核心参数怎么调

3.1 质谱类型与实验设计

DIA-NN界面上方会让你设置质谱类型。Orbitrap和TOF两类仪器在碎片谱质量和离子迁移率上有差异，对应的参数模板也不同。这一步选错，保留时间预测模型和窗口划分逻辑会整体偏离。

在“Experimental design”区域，可以选择是否做内标归一化。如果用iRT肽段做了校准，可以在这里指定；没有特殊要求时一般保持默认。界面里还有一个“Fast”和“Accurate”的切换，代表快速模式和精确模式。精确模式会做更精细的信号定型和保留时间校正，时间代价更高。我的建议是：数据量少于50个样本、对结果质量要求高时选Accurate；如果只是先看个大概趋势，用Fast快速试参就够了。

3.2 酶切、修饰与肽段范围

这部分必须和实验端严格对齐。如果样本是用Trypsin酶解的，DIA-NN这里就选Trypsin/P；如果加了LysC或者别的酶，也要对应修改。漏切位点默认是1，我实测下来常规消化条件的项目用1就够了，改成2会让搜索空间变大、耗时变长，但鉴定数并不一定显著提升。

可变修饰至少要把Oxidation(M)勾上。如果样品做过TMT或者iTRAQ标记，还要按试剂盒说明书加对应标记修饰。这里常见的坑是：修饰设置和实验实际不一致。比如样本有乙酰化修饰，你却只勾了氧化，大量发生质量偏移的肽段就搜不出来，鉴定数会明显偏低。

肽段长度默认是7到30个氨基酸，一般保持默认。肽段质量我通常不加限制，让软件自动处理。还要注意“Specific”级别选的是Trypsin，不能用“Unspecific”，否则搜索空间会大得离谱，跑批时间翻几倍。

3.3 搜库、定量与跨样本匹配的关键选项

在“Search”选项卡里，几个比较关键的参数是：

• 蛋白推断（Protein inference）：选Protein Groups，它会把能够被同一组肽段支持的蛋白合并输出，结果可读性好，后续也方便做基因级别分析。
• 定量方法：默认是Robust LC（高精度），高分辨率Orbitrap数据保持默认即可。
• 全局FDR：一般设0.01，也就是1%。这个值控制最终报告的可靠程度，太高会带来很多假阳性，太低又损失鉴定数。
• 质量精度容差：Orbitrap高精度数据用10 ppm左右，TOF仪器根据采集情况适当放宽。
• MBR（跨样本匹配）：建议样本数不超过50且内存充足时开启。它显著降低低丰度蛋白的缺失值，后续差异分析会好做很多。

DIA-NN里还有一个“No shared peptides”选项，勾选后会过滤掉所有共享肽段，只保留可唯一映射到单个蛋白的肽段用于定量。这对理解某个蛋白丰度更严谨，但也会损失一部分信息。我做细胞样本时通常关掉，做血浆样本时会开，因为血浆样本共享肽段干扰更大。

3.4 一套可以直接用的推荐参数

这里给出一套常规Orbitrap DIA项目的参数，场景是细胞裂解液、120分钟梯度、一共27个RAW文件：

这套参数在我项目里，人类细胞样本一般能鉴定到9000到11000个蛋白组，具体数看样本复杂度和色谱分离度。如果鉴定数明显低于这个水平，大概率不是参数问题，而是样本制备或LC梯度的问题，这个后面会细说。

4. 跑完之后怎么看结果

4.1 输出文件到底有哪些

DIA-NN跑完后，会在输出目录里生成一批文件。新手上路最容易弄混的是各个文件的作用，我整理成一张表：

4.2 report.tsv里的核心列怎么读

report.tsv是信息最全、也最容易让人绕晕的文件。每一行代表一个前体，也就是一个特定的肽段电荷状态。常见列包括：

• Protein.Group：DIA-NN给蛋白组分配的唯一编号；
• Protein.Ids：候选蛋白ID列表；
• Genes：对应的基因名；
• Quantity：这个前体在当前样本中的定量值；
• Q.Value和Global.Q.Value：局部和全局FDR估计值，越小越可靠，一般筛选阈值就是0.01；
• Potential.Contaminant：是否为潜在污染蛋白，跑完后要专门过滤掉标记为TRUE的行。

很多人拿到report.tsv后直接当蛋白表用，这是不对的。这个文件是前体级别，同一个蛋白会对应多行不同前体。要做蛋白差异分析，应该用pg_matrix.tsv，或者用report.tsv按Protein.Group聚合后再处理。

4.3 如何清洗DIA结果得到一张蛋白定量表

从DIA-NN输出到最终用于统计的蛋白定量表，我固定走三步。

第一步，过滤。把Potential.Contaminant为TRUE的条目全部删掉，同时确认没有反库（decoy）条目混在最终报告里。

第二步，决定缺失值规则。蛋白组学数据天然存在缺失值。我会把某个蛋白在至少70%以上样本中有定量值作为保留标准。后续用Perseus做分析时，缺失值通常要替换为从分布底部抽样的数值，而不是直接填0。

第三步，归一化。DIA-NN内部已经做了基本归一化，但跨批次比较时建议再用R或Perseus做一轮中位数归一化，或者用内参蛋白校正。这一步对临床样本尤其重要，能明显降低进样量不同带来的批次差异。

4.4 下游分析怎么接

清洗好的蛋白定量表可以直接导入Perseus。我常用的流程是：读入表格，按分组定义样本列，做缺失值过滤，用t检验或ANOVA找差异蛋白，最后导出火山图数据和热图数据。如果要在R里做，可以用DEP包读取DIA-NN的报告，也可以用limma处理差异分析。

有些同学喜欢在report.tsv里用Excel做筛选，小样本勉强可以，样本一多就非常容易出错。最稳妥的方法是：从DIA-NN只拿相对原始的数据，所有清洗和统计交给脚本或Perseus，整个过程可追溯，也好复现。

5. 常见报错与实战排坑速查表

5.1 运行层面的问题

先说三件大家最容易撞上的事。

程序双击打不开。常见原因是系统组件缺失或者目录权限不对。把整个文件夹换到C盘根目录下一个不带中文的路径，多数能解决；如果还不行，补装.NET组件。

软件能开，但读取raw文件失败。优先检查raw文件是不是被其他软件占用，以及文件本身是否完整。其次看格式兼容性。如果遇到旧版本文件格式或自定义采集参数，建议先用质谱厂家软件导出成mzML再导入。

跑批过程中内存溢出。无库模式加MBR是内存大户。如果电脑只有32G内存，跑40个以上样本的队列会比较吃力。我的处理办法是减少并行线程数，或者把样本分批跑，生成谱图库后再用有库模式合并。

5.2 鉴定数与定量质量异常

鉴定数太少，远低于预期，这种问题最让人头大。根据我的排坑经验，按以下优先级排查：

• 先查FASTA。有没有选对物种？是不是只保留了参考蛋白组而不是整个泛基因组？
• 再查修饰设置。是否遗漏了样本制备中实际发生的修饰？
• 然后查梯度。120分钟梯度和60分钟梯度的窗口优化参数不同，DIA-NN里“Sliding window”等选项要跟液相条件匹配。
• 最后查质量精度容差。如果采集质量偏移大，10 ppm定太严会丢信号，可以适当放宽。

定量CV高（重复样本之间偏差大），除了仪器稳定性，多半是MBR没开或者样本前处理批次差异过大。可以看report.quantification.tsv中各样本的定量总量是否在一个量级，如果差异超过几倍，进样量方面大概率有问题。

5.3 问题排查速查表

5.4 我实测下来的几条独门心得

第一，不要拿一个超大规模数据集直接开跑。我第一次用DIA-NN时，一次性把200个队列样本丢进去，结果跑了三天，日志里全是内存告警。后来改成先跑前5个样本，确认结果没问题后再分批跑完整队列，效率反而高很多。

第二，DIA-NN的log文件是极好的排坑入口。跑批时它会记录每个步骤耗时、跳过多少谱图、识别到多少前体。多看看log，很多异常在结果出错之前就能发现。比如某个样本采集数量异常低，log里会显示“Processed only XXX spectra”，这时候就要检查raw文件本身是否有问题。

第三，样本名称规划很重要。DIA-NN输出矩阵的列名就是raw文件名。如果你一开始命名为“sample1”“sample2”，后面做差异分析时根本分不清分组。建议上机采集前，用“组别_样本编号_重复编号”的方式命名raw文件，DIA-NN跑出来的矩阵就会一目了然。

做蛋白组学数据分析这条路，DIA-NN给了我一个很大的感触：工具选对了，很多之前觉得“不靠谱”的数据，往往只是没有用对方法。DIA数据本身是高度规则化的采集方式，只要把参数逻辑理顺，让软件的理解和实验室的操作对得上，大多数项目都能稳定地产出可用结果。我至今还保留着第一次用DIA-NN跑出来的那个谱图库文件，不是因为它有多特殊，而是它让我意识到，好的分析工具不是替你做实验，而是把实验信息翻译成你能理解的语言。希望这篇分享能帮你在蛋白组学数据分析里少走一段弯路。