Video Experimental Relacionado
Updated: Sep 9, 2025
10:37
Deep Proteome Profiling by Isobaric Labeling, Extensive Liquid Chromatography, Mass Spectrometry, and Software-assisted Quantification
Published on: November 15, 2017
12.1K
IQUP identifica espectros cuantitativamente poco confiables con el aprendizaje automático para la proteómica basada
Yi-Yun Chou1, Jing-Chen Yang1, Tun-Chu Tsai1
1Department of Bioinformatics and Biomedical Engineering, Asia University, Taichung, 413, Taiwan.
Scientific reports
|August 29, 2025
Resumen
Desarrollamos IQUP, un método de aprendizaje automático para identificar coincidencias de espectro de péptidos no confiables (PSM) en la proteómica de espectrometría de masas. Esto mejora la precisión de la cuantificación al filtrar datos de baja calidad, mejorando la fiabilidad del análisis proteómico.
Área de la Ciencia:
- Proteomía
- Espectrometría de masas
- Biología computacional
Sus antecedentes:
- La tecnología de etiquetado isobárico se utiliza ampliamente para la proteómica cuantitativa.
- Los métodos actuales que utilizan la búsqueda de señuelo objetivo pueden incluir coincidencias de espectro de péptidos (PSM) con altos errores de cuantificación.
- Esto puede comprometer la precisión general de la cuantificación proteómica.
Objetivo del estudio:
- Introducir IQUP, un método basado en el aprendizaje automático para identificar PSM cuantitativamente poco fiables (QUP).
- Mejorar la precisión de la cuantificación proteómica en los experimentos de etiquetado isobárico.
Principales métodos:
- Los PSM se caracterizaron utilizando 16 características espectrales y basadas en la distancia.
- Se empleó un enfoque de aprendizaje automático para entrenar modelos para la identificación de QUP.
- El rendimiento se evaluó en tres conjuntos de datos independientes utilizando métricas de precisión, AUC y MCC.
Principales resultados:
- Los mejores modelos lograron un alto rendimiento con exactitudes de 0,883-0,966, AUC de 0,924-0,963 y MCC de 0,596-0,691.
- Se observaron diferencias significativas en las distribuciones de error relativo entre los QUP y los PSM cuantitativamente confiables (QRP).
- Utilizando solo los QRP previstos para la cuantificación se redujeron significativamente los péptidos con grandes errores relativos (15,3-83,3%) y se aumentaron los péptidos con pequeños errores relativos (3,1-25,5%).
Conclusiones:
- IQUP demuestra un rendimiento robusto y generalizabilidad en diversos conjuntos de datos.
- El método permite identificar efectivamente los PSM cuantificativamente poco fiables.
- IQUP tiene un potencial significativo para mejorar la precisión de la cuantificación proteómica tanto a nivel de PSM como de péptidos.
