相关实验视频
Updated: Jul 13, 2025
09:33
High-Resolution Complexome Profiling by Cryoslicing BN-MS Analysis
Published on: October 15, 2019
7.3K
HeapMS:一个自动峰值选择管道,用于针对性蛋白质组数据,由2D热图转换和卷积神经网络提供动力
Chi-Ching Lee1,2,3, Yu-Chieh Lin4, Teng Yu Pan1
1Department of Computer Science and Information Engineering, Chang Gung University, 33302 Taoyuan, Taiwan.
Analytical chemistry
|October 11, 2023
概括
使用人工智能的Web服务HeapMS自动化了多重反应监测 (MRM) 数据的峰值选择和质量评估. 它通过对染色图进行分类以供检查或删除,显著减少了人类的工作量.
科学领域:
- 蛋白质组学和生物信息学
- 计算生物学 计算生物学
- 分析化学 分析化学
背景情况:
- 多重反应监测 (MRM) 数据的峰值采集和质量评估是劳动密集型的,特别是对于低丰度或高干扰信号.
- 现有的峰值选择软件往往错过了低质量的峰值,缺乏信心报告,需要手动染色体检查.
- 在定量蛋白质组学中,对MRM数据分析的高效,可靠的自动化工具的需求至关重要.
研究的目的:
- 推出HeapMS,一种利用人工智能的新型网络服务,用于MRM染色体的自动峰值选择和质量评估.
- 为了减少手工劳动和提高MRM数据分析的一致性.
- 提供一个与现有工作流程无集成的工具,如Skyline.
主要方法:
- 在Skyline输出上,HeapMS使用基于规则的过器来识别高可信度峰值边界并删除低干扰色谱.
- 它将基图形转化为编码的热图,用于图像卷积神经网络的处理.
- 使用深度学习模型进行两步评估过程 (质量检测和峰值选择).
主要成果:
- HeapMS将峰值采集分为三种类型:自动,不确定 (需要手动检查) 和删除 (需要删除或重新检查).
- 该服务成功地识别了需要删除或手动审查的染色体图,大大减少了人类的工作量.
- 与Skyline的集成允许直接导入结果,促进进一步的手动检查,并确保数据分析的一致性.
结论:
- HeapMS有效地自动化了MRM数据的峰值选择和质量评估,在效率和一致性方面提供了显著的改进.
- 热图和卷积神经网络的使用为图像识别模型的未来进步提供了一个可适应的框架.
- 这种人工智能驱动的方法简化了复杂蛋白质组数据集的分析,使其成为研究人员的宝贵工具.
