SeFilter-DIA:用于过数据独立获取蛋白质组的高可信度的挤压激发网络
Qingzu He1,2, Huan Guo1, Yulin Li1
1Department of Physics, National Institute for Data Science in Health and Medicine, Xiamen University, Xiamen, 361005, China.
Interdisciplinary sciences, computational life sciences
|March 13, 2024
概括
SeFilter-DIA是一款新的深度学习工具,可以在质谱数据中自动识别高可靠性. 这种高效和客观的方法在蛋白质组学分析中改进了手动选.
科学领域:
- 蛋白质组学是指蛋白质组学.
- 计算生物学 计算生物学
- 生物技术是生物技术.
背景情况:
- 质谱学,特别是数据独立获取 (DIA),对于高通量蛋白质组学至关重要.
- 目前的DIA分析软件,如DIA-NN,可能会产生低可信度的鉴定.
- 手动选的片离子染色图峰值 (XIC) 是耗时且主观的.
研究的目的:
- 开发一种自动化的深度学习算法,用于从DIA质谱数据中识别高可信度.
- 为手工选提供客观有效的替代方案.
主要方法:
- 开发了SeFilter-DIA,这是一种使用压缩刺激神经网络和残余网络模型的深度学习算法.
- SeFilter-DIA提取了XIC特征,以区分高可信度和低可信度.
- 在基准数据集上评估算法,包括具有酸化修饰的类.
主要成果:
- 在测试组中,SeFilter-DIA在测试组上实现了99.6%的AUC.
- 在其他关键指标上表现97%的表现.
- 成功应用于选具有酸化修饰的化.
结论:
- SeFilter-DIA提供了一种高效和客观的自动化方法,用于高可靠性鉴定.
- 该算法有效地取代了手动选,减轻了DIA蛋白质组学中的相关限制.
- 有潜力显著提高蛋白质组学数据分析的可靠性和可重复性.
