用途：处理质谱蛋白质组学数据，从蛋白鉴定到定量、差异表达、翻译后修饰（PTM）和系统级解读。触发场景包括用户提供蛋白质组学质谱输出文件、询问蛋白丰度或差异表达、PTM 分析、蛋白-RNA 关联、含蛋白质组学的多组学整合、蛋白复合物或互作分析、以及蛋白生物标志物发现。
主要能力：数据导入支持 MaxQuant、Spectronaut、DIA-NN、Proteome Discoverer、FragPipe 输出；质控含缺失值分析、强度分布、样本聚类；归一化支持中位数、分位数、TMM、VSN，选择取决于实验设计；缺失值填补支持 MinProb（MNAR）、KNN（MAR）、QRILC；差异表达可用 Limma、DEP、MSstats；PTM 分析含磷酸化位点定位、PTM 富集、激酶预测；另含蛋白-RNA 整合、通路富集（过表征与 GSEA）、PPI 分析（STRING/IntAct）。
使用方式：RULE ZERO 要求先检查预计算结果——扫描数据文件夹中的 executed.ipynb（用 tu run read_executed_notebook '{"data_folder":"<path>","search":"<keyword>"}' 读取并以其中单元输出为权威答案）、预计算 CSV/TSV 结果文件、或规范分析脚本（analysis.R、run.py、find_.R、.Rmd），仅在上述均不存在时才按本技能重新分析。需要计算时应通过 Bash 编写并运行 Python（pandas、scipy、statsmodels、matplotlib）实际执行而非仅描述，并用 ToolUniverse 工具取数。工作流分 8 个阶段：数据导入与 QC、预处理、差异表达、PTM、功能富集、蛋白互作、多组学整合（可选）、生成报告，详见 PHASE_DETAILS.md。
量化最低要求：至少 500 个蛋白定量（人类 3000+ 合理，10000+ 为深度覆盖）；每个条件至少 3 个生物学重复；过滤 2 个以上唯一肽；统计用 limma 或 t 检验并做 Benjamini-Hochberg 校正；至少一种通路富集方法；报告须含 QC 摘要、含火山图的 DE 结果、通路分析与可视化。
限制：面向质谱蛋白质组学（非 Western blot 定量）；缺失率高（每蛋白 >50%）会限制统计功效；全面 PTM 分析需富集流程；除 TMT/SILAC 外仅为相对丰度；蛋白异构体通常合并到基因水平；MS 动态范围有限。收费、价格与平台等细节暂未提供。