用于机器学习的异质蛋白质数据的自动检索

科学领域:

• 蛋白质组学是指蛋白质组学
• 生物信息学是一种生物信息学.
• 机器学习 机器学习
• 深度学习 (Deep Learning) 是一种深度学习.
• 计算生物学 计算生物学

背景情况:

• 蛋白质组学仪器仪表和生物信息学工具已经有了显著的进步.
• 蛋白质组学中的深度学习应用正在出现.
• 现有的蛋白质组学数据分散在各种存储库和格式中,阻碍了先进的分析.

研究的目的:

• 开发一个工作流程来整合公开可用的蛋白质组学数据.
• 为机器学习应用程序创建一个统一的,链接的数据集.
• 促进深度学习用于心脏病预测和建模.

主要方法:

• 绘制公开可用的蛋白质组学存储库 (例如,ProteomeXchange) 和出版物.
• 提取双重质谱 (MS/MS) 数据和患者病史.
• 开发数据取和抓取策略,以建立一个全面的数据库.

主要成果:

• 一个拟议的工作流允许创建一个大规模的,链接的心脏相关蛋白质组学数据的数据集.
• 综合数据集可以有效地应用于机器学习和深度学习算法.
• 克服与互联网上的数据分散相关的挑战.

结论:

• 开发的工作流便于将先进的生物信息学工具应用于蛋白质组学数据.
• 这种方法对未来的心脏病的预测和建模具有潜力.
• 强调需要谨慎对待数据收集中的伦理,法律和数据质量问题.