APIR:聚合通用蛋白质组学数据库搜索算法用于用FDR控制器识别.
Yiling Elaine Chen1, Xinzhou Ge1, Kyla Woyshner2
1Department of Statistics and Data Science, University of California, Los Angeles, CA 90095, USA.
Genomics, proteomics & bioinformatics
|August 28, 2024
概括
一个新的统计框架,聚合鉴定结果 (APIR),通过结合多个数据库搜索算法来增强蛋白质组分析. APIR保证了更多的鉴定,同时控制了错误发现率 (FDR) 以实现可靠的蛋白质量化.
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.
- 计算生物学 计算生物学
背景情况:
- 质谱法 (MS) 能够进行高通量蛋白质组分析.
- 数据库搜索算法对于从MS数据中识别来说至关重要.
- 目前的方法缺乏统一的方法来聚合算法,同时控制错误发现率 (FDR).
研究的目的:
- 引入一个统计框架,聚合鉴定结果 (APIR),用于组合多个数据库搜索算法.
- 为了确保APIR普遍聚合算法,保证标识增加和FDR控制.
- 为了证明APIR在增强蛋白质组数据分析方面的有效性.
主要方法:
- 开发一个统计框架 (APIR) 用于聚合识别结果.
- 对所有数据库搜索算法的通用兼容性设计.
- 使用复杂的蛋白质组学标准数据集和现实世界的数据进行评估.
主要成果:
- 在特定的FDR值下,APIR至少能识别出与单个算法一样多的,往往更多.
- 在标准数据集上证明了经验性FDR控制.
- 在现实数据中,APIR确定了单个算法错过的与疾病相关的蛋白质和翻译后修改.
结论:
- APIR提供了一种强大的方法,用于增强基于质谱的蛋白质组学中的鉴定.
- 该框架提供了改善的蛋白质量化和发现生物见解.
- APIR可扩展到其他高通量生物医学数据分析,如RNA测序.
更多相关视频
09:52A Clinical Metaproteomics Workflow Implemented within Galaxy Bioinformatics Platform to Analyze Host-Microbiome Interactions Underlying Human Disease
Published on: January 10, 2025
529
08:37The Application of Open Searching-based Approaches for the Identification of Acinetobacter baumannii O-linked Glycopeptides
Published on: November 2, 2021
2.2K
