Video Experimental Relacionado
Updated: Feb 20, 2026
Deep Proteome Profiling by Isobaric Labeling, Extensive Liquid Chromatography, Mass Spectrometry, and Software-assisted Quantification
Published on: November 15, 2017
Impacto práctico de la imputación y la corrección de efectos de lote para el análisis de abundancia diferencial en
Charis Gonidaki1,2, Agnieszka Latosinska3, Antonia Vlahou1
1Center of Systems Biology, Biomedical Research Foundation of the Academy of Athens (BRFAA), Athens, Greece.
La elección de los métodos de preprocesamiento de datos adecuados es crucial en proteómica clínica. La corrección de efectos de lote, especialmente sin considerar el estado de la enfermedad, puede eliminar señales biológicas significativas, afectando el descubrimiento de biomarcadores en la investigación de enfermedades renales crónicas.
Área de la Ciencia:
- Proteómica
- Descubrimiento de biomarcadores
- Química clínica
Sus antecedentes:
- La proteómica basada en espectrometría de masas (MS) es valiosa para el descubrimiento de biomarcadores, pero enfrenta desafíos como valores faltantes y efectos de lote.
- El impacto de los métodos existentes de imputación y corrección de efectos de lote en conjuntos de datos clínicos de proteómica a gran escala no se comprende completamente.
- La investigación de biomarcadores de enfermedad renal crónica (ECR) requiere pipelines de análisis de datos robustos.
Objetivo del estudio:
- Evaluar el impacto práctico y la interacción de los métodos comunes de imputación y corrección de efectos de lote en el análisis de abundancia diferencial.
- Evaluar los efectos de estos métodos en la identificación de péptidos asociados a enfermedades (DAP) en un conjunto de datos de peptidómica de orina de ECR a gran escala.
- Comprender cómo las elecciones de preprocesamiento influyen en la preservación de la señal biológica en la proteómica clínica.
Principales métodos:
- Se analizó un conjunto de datos de peptidómica de orina CE-MS con 1050 muestras en 13 lotes de pacientes con ECR y controles.
- Se probaron tres métodos de imputación (Gaussiano, ½ LOD, KNN) combinados con tres enfoques de corrección de efectos de lote (ComBat, ComBat con covariable de enfermedad, MNN).
- Se evaluaron los efectos posteriores validando los DAP identificados entre los conjuntos de descubrimiento y validación.
Principales resultados:
- La elección del método de imputación tuvo un impacto mínimo en la lista final de DAP.
- La corrección de efectos de lote alteró significativamente los resultados.
- MNN y ComBat no ajustado eliminaron proporciones sustanciales de DAP (~50% y >90%).
- Incluir el estado de la enfermedad en el modelo ComBat preservó en gran medida la señal biológica en comparación con los métodos no ajustados.
Conclusiones:
- Las elecciones de preprocesamiento, particularmente las estrategias de corrección de efectos de lote, influyen críticamente en los resultados posteriores en proteómica clínica.
- Los métodos de imputación y corrección de efectos de lote interactúan, afectando conjuntamente la identificación de DAP.
- La aplicación de la corrección de efectos de lote requiere precaución, ya que puede provocar la pérdida de señales biológicas significativas, lo que enfatiza la necesidad de una cuidadosa selección del modelo.
