上期内容中提到了SWATH®是如何工作的？SWATH 和其他采集模式的不同？以及SWATH 的三个优势：全景采集数据，优异定量性能，全面且良好的二级定性谱图。本期内容，以及下两期内容，我们主要来聊聊SWATH的应用及其应用优势。
蛋白组学是SWATH应用最广泛和深入的领域。因为SWATH在蛋白组学中的重大贡献，两位技术研究者StephenTate 和Ron Bonner在第16界人类蛋白质组世界大会上(HUPO2017)获得了科学与技术奖。并且2018年SWATH被评为Nature最关注技术。SWATH在蛋白组学中主要解决蛋白相对定量问题，在蛋白组学领域，SWATH技术，SCI论文总影响因子已达上千分。
首先，SWATH一针检测几千个蛋白、几十万个肽段的高通量定量能力已经获得了大量文献的验证。Ruedi实验室已经先后发表了多篇SWATH技术相关的论文。其中2014年在Nature/Scientific Data[1]发表的文献中展示了：SWATH-MS同时定量一万种以上人体内蛋白质，该方法库涵盖了蛋白（UniProtKB/SwissProt）数据库里注释的50.9%的人蛋白质。因此，有望被广泛的应用于基础或者临床研究。Ruedi实验室在2014年Nature Methods[2]杂志上，发表的利用亲和纯化结合SWATH技术（AP-SWATH MS）研究蛋白相互作用的文章,证明了SWATH对大约2000个蛋白的高通量、灵敏、稳定定量能力。
其次，在蛋白组学研究中，如何实现数据结果实验室内和跨实验室的可重现性，一直是业内难点。SWATH技术被认为可以非常好地解决这个难题。Ruedi实验室，2017年在Nature Communications[3]上发表的文章，对SWATH 采集数据定量能力，及其重现性，在不同国家的11个实验室间进行评估，其结果表明：CV%偏差<20%（图1），准确度80%-120%，4个数量级的线性范围(图2)。证明了SWATH技术的高重现性和稳定性。
图1.SWATH-MS测量重现性。a. S4样本中的30个SIS肽段峰面积CVs值, y轴使用对数比例表示；11个实验室的日内CV%情况(亮蓝色-未归一化,深蓝色-归一化)和11个实验室的日间CV%情况(亮绿色-未归一化,深绿色-归一化),和所有实验室的CV%情况(本研究的所有S4样本;亮灰色—未归一化，深灰色—归一化)；图中橙色线为20% CV偏差。b.同样，80%>样本中被检测到的4077个蛋白的峰度CV值，计算获得11个实验室日内偏差，日间偏差和所有实验室偏差。C.基于log2蛋白丰度计算所有实验室CVs，获得可视化CV和蛋白丰度间的相关性；
图2.动态范围和线性。1个实验室的30个SIS肽段测定标准曲线，跨越4个数量级。
另一方面，SWATH数据采集虽然简单，但由于数据信息量大，非常依赖先进的数据处理策略。厦门大学韩家淮院士实验室的钟传奇博士，2015年在Nature Methods[4]上发表了基于SWATH数据的蛋白质组定量技术数据处理软件：Group-DIA。文中比较了Group-DIA和另两个软件DIA-Umpire和OpenSWATH的数据处理结果，结果表明：Group-DIA在低丰度蛋白的鉴定和蛋白数据经重复处理后的量化一致性上具有优势。此软件是开源软件，可以免费使用。这也是国内科学家首次推出蛋白组学的SWATH处理软件。
这里插一句，除了上述3款软件，SWATH蛋白组学处理的软件还包括：MSPLIT-DIA（2015.Nature Methods），TRIC（2016.Nature Methods）和Specter(2018. Nature Methods), Skyline, Spectronaut®等。大家感兴趣的话，可以自己了解一下。
最后，随着精准医疗的蓬勃发展，如何快速，高通量，准确定量临床大队列蛋白样本？一直是个难题。近几年， SWATH-MS技术作为临床定量蛋白组学的首选技术，进入科学工作者视野。西湖大学的郭天南研究员在今年刚刚发表的Nature Communication[5]上就使用PCT(pressurecycling technology )-SWATH-MS技术开展临床蛋白组样品中的蛋白降解定量评价工作，使用PIN（蛋白质组完整性数）评分评价蛋白质组样本质量，该指标可作为临床蛋白组样本评价的通用和准确指标。该文章也提示国内也已开始了蛋白组学研究向临床蛋白组研究的迈进。
SWATH 在蛋白组学的应用范围很广，从科研到临床；从蛋白质组定量，到翻译后修饰，再到蛋白相互作用；只要关于蛋白定量问题，都有该技术的身影。同时，值得欣喜的是，我们国内的科学家也应用这一技术解决了很多科学难题，达到，甚至超越了国际水平。
最后，总结一下SWATH技术在蛋白组学定量应用的优势：
1. 数据采集简单;
2. 巨大的定量肽段提升，支持高通量定量；
3. 数据信息的全覆盖，支持数据的可追溯性；
4. 可重现和优异的数据一致性。