Proteomik analizlerde iki ayrı tablo kullanılmasının nedeni, protein bolluk verileri ile bu verilerin hangi deneysel koşullarda üretildiğine dair örnek bilgilerinin farklı veri türleri olmasıdır. Protein tablosu, her satırı bir proteini ve sütunları sayısal bolluk değerlerini içeren yoğun bir matristir. Ancak bu değerler, hangi örneğe, koşula ve tekrara ait olduğu bilinmeden anlamlı şekilde yorumlanamaz. Bu bilgileri doğrudan protein tablosuna eklemek tabloyu gereksiz yere büyütür ve hata riskini artırır. Bu nedenle ayrı bir Sample tablosu oluşturulur. Bu tablo proteinleri değil, ölçüm sütunlarını (örnekleri) tanımlar ve her sütunun deneysel bağlamını açıkça belirtir: koşul, tekrar, TMT etiketi, batch ve gerekirse yaş, tür, cinsiyet, hasta durumu gibi değişkenler. Bu yapı, PCA gibi görselleştirmelerde varyans kaynaklarını ayırt etmeyi ve lineer modeller/limma analizlerinde koşul ve batch etkilerini doğru şekilde modele dahil etmeyi sağlar.

The reason for using two separate tables in proteomic analyzes is that protein abundance data and sample information about the experimental conditions under which these data were produced are different data types. A protein table is a dense matrix with each row containing a protein and columns containing numerical abundance values. However, these values ​​cannot be interpreted meaningfully without knowing which sample, condition and repetition they belong to. Adding this information directly to the protein table makes the table unnecessarily larger and increases the risk of error. For this reason, a separate Sample table is created. This table identifies measurement columns (samples), not proteins, and clearly states the experimental context of each column: condition, replicate, TMT label, batch and, if necessary, variables such as age, species, sex, patient status. This structure allows distinguishing sources of variance in visualizations such as PCA and correctly incorporating condition and batch effects into the model in linear models/limma analyses.