一、先理解 DIA 在解决什么问题
- 提高离子利用率，尽量保存更多可追溯信息。
- 降低大队列中的缺失值和随机波动。
- 为 AI/ML 模型提供更完整、更重复的特征空间。
DIA 模块
DIA 原理与实验设计
这里聚焦 DIA 的基本原理、实验设计、结果判断与常见误区，核心目标是把 acquisition、数据完整性、定量稳定性和后续分析逻辑连成一条完整方法线。
二、什么时候优先考虑 DIA
- 样本量大，强调队列稳定性。
- 体液、临床组织、短梯度高通量项目。
- 低丰度信息不能频繁丢失的场景。
三、评价一个 DIA 项目不能只看鉴定数
- 看缺失值是否可控。
- 看 CV 是否满足目标。
- 看 QC 样本是否稳定、批次是否漂移。
- 看生物学结论是否和设计一致。
四、常见误区
- 把 DIA 理解成某一个软件按钮。
- 把单针鉴定数当成唯一 KPI。
- 先选搜库参数，再想样本与批次设计。
技术结构
DIA 技术结构
采集逻辑
先理解 DIA 与 DDA 的采集差异和适用场景。
数据结构
理解 XIC、匹配、定量与特征提取。
结果判断
学会看 Q-value、CV、missing value。
项目设计
DIA 需要回到真实样本和队列结构中解释。