Workflow(1) Preprocess

本篇为蛋白组数据处理第一篇，整体讲一下流程
This is the first chapter of the proteomics data analysis process.

准备工作：

1.下载Perseus(download Perseus)

具体步骤:(Steps)

1.peaks搜库(database searching)

2.打开Perseus(turn to Perseus)

3.点击上传数据(Upload your data)

4.peaks搜库结果文件为csv，更改右下角数据格式以发现文件(choose the right format of your data in the window)

5.导入数据(input your data)

6.对数据进行log转换(do the log transformation)

Basic->transform->ok
**注意(Attention)**：这里默认的就是log2，如果有可靠依据，需要其他log可自行更改式
The default log transformation is log2, if there is any solid reason, you can change by your need.

7.过滤无效蛋白(filter invalid value protein)

Filter rows -> Filter rows based on valid values

7.1.处数值最少为样本总数的一半，如果留下的蛋白较多，可以适当提高标准提高最少数量。(The valued number of should be at least half of the samples)

7.2.Mode could be In total or In each group。

注意： 1处和2处的选项要匹配，例如一共有两个组，每组5个样本，共10个样本。如果2处选In total, 1处则填5或5以上的数值；如果2处填In each group, 则1处填3或以上的数值。

8.过滤PTM(filter the PTM)

（如果做全蛋白，则跳过此步骤）(If you did the intact protein analysis, then skip this step)
Filter rows -> filter rows based on categorical column

8.1 1处选为PTM，2处根据数据类型选择ptm加入右边的边框，3处选Keep matching rows

9.填补缺失值(impute missing values to make analysis possible)

此步骤填补缺失值与前面筛选有效值有关，如果筛选得严格，则填补缺失值影响不大，如果筛选的宽松，则填补缺失值会对以后差异分析有影响.
一般方法：Imputation -> replace missing values from normal distribution
其余两种也可选择，根据具体需要，by constant则填补固定值，by NaN则填补为NaN，没有大用，并且可能会对生信分析数据识别产生错误。

可以看到默认Mode选项是对每列分别计算正态分布，然后填补。

10.归一化(Nomalization)

对列进行归一化，消除样本总量差异带来的intensity的差异
Normalization -> Subtract

Matrix access选为Colunms
Subtract what选为Median,Mean都可，一般为mean，为除以每列总和除以总蛋白数，因为每组蛋白数是一样的，则是用每组的总数来做归一化，消除总量的影响。

11.导出预处理数值

保存处理好的数据最后一步，同时，中间的每一步结果也可以根据需要导出。
注意文件名设为英文

12.打开处理流程文件

同时注意，处理流程也要保留，以供之后查阅。
下次再次打开本次处理流程也从文件处点击打开，步骤为：先打开Perseus,再点击 文件 -> open