Decomprolute 是一个针对基于多组学的瘤解密设计的基准测试平台
Song Feng1, Anna Calinawan2, Pietro Pugliese3
1Pacific Northwest National Laboratory, Seattle, WA, USA.
Cell reports methods
|February 27, 2024
概括
Decomprolute是一个新的计算框架,用于使用蛋白质基因组数据比较瘤解卷算法. 这种开源平台增强了固体瘤中细胞类型的分析,改善了罕见细胞的识别.
科学领域:
- 计算生物学和生物信息学
- 蛋白质基因组学是什么
- 癌症研究 癌症研究
背景情况:
- 瘤解识别了固体瘤中的细胞类型,但目前的方法主要关注基因表达 (例如,RNA测序),而不是蛋白质水平.
- 与基因表达数据相比,蛋白质水平提供了更准确的罕见细胞类型的表现.
- 需要标准化工具来评估跨多种多原子数据集的解卷算法.
研究的目的:
- 引入Decomprolute,一个共同的工作流程语言 (CWL) 框架,用于比较瘤解卷算法.
- 为了促进多原子解卷算法的开发,使用和可重复性.
- 为了使用大规模蛋白质基因组数据集进行算法的基准测试.
主要方法:
- 开发了Decomprolute作为一个开源,容器化的CWL框架.
- 来自临床蛋白质瘤分析联盟 (CPTAC) 的综合大规模多原子数据集.
- 包括匹配的mRNA表达和来自数千种瘤的蛋白质组数据,跨越多种癌症类型.
主要成果:
- 建立了一个完全开源的容器化平台,用于基准测试蛋白质基因组瘤解卷算法.
- 实现了跨多原子数据集的解卷算法的比较,利用CPTAC数据.
- 利用基因表达和蛋白质丰富度,促进了瘤细胞性的可重现分析.
结论:
- Decomprolute为推进多原子瘤解提供了一个强大的和可重复的平台.
- 该框架支持开发和验证利用蛋白质水平数据用于改进细胞类型识别的算法.
- 本资源促进了癌症蛋白质基因组学研究的标准化基准测试.
