合成血池对基于亲和关系的蛋白质组学数据集的队列校正允许多项研究进行比较
Dries Heylen1,2, Murih Pusparum2,3, Jurgis Kuliesius4
1Data Science Institute, Theory Lab, Hasselt University, 3590 Diepenbeek, Belgium.
Briefings in bioinformatics
|December 18, 2024
概括
使用OLINK Target 96的定量蛋白质组学使得疾病研究成为可能. 一种新的合成等离子池队列校正 (SPOC) 方法允许在不重新发送样本的情况下,准确,成本效益高的跨研究数据比较.
科学领域:
- 蛋白质组学是指蛋白质组学.
- 基因组学就是基因组学.
- 生物技术是生物技术.
背景情况:
- 定量蛋白质组学通过分析蛋白质水平,将基因组学与人类疾病联系起来.
- 奥林克的Target 96是一种基于亲和力的突出蛋白质测量方法,用于像SCALLOP这样的大队伍.
- 目前用于在独立队列中比较OLINK Target 96数据的方法在后勤上具有挑战性和成本.
研究的目的:
- 开发一种强大且具有成本效益的方法,用于在独立研究中对OLINK Target 96蛋白质数据进行准确的定量比较.
- 在多队列蛋白质组学合作中解决"生物桥接样本"方法的局限性.
主要方法:
- 合成等离子池队列校正 (SPOC) 方法的开发.
- 使用OLINK组成的合成血样本进行正常化.
- 在联合数据共享环境中实施,以败血症用例证明.
主要成果:
- 该SPOC校正方法为OLINK Target 96数据提供了准确且具有成本效益的规范化.
- 该方法简化了多队列数据比较,克服了后勤障碍.
- 在败血症研究场景中成功说明了该方法的实用性.
结论:
- SPOC校正为蛋白质组学数据的队列间比较提供了一个实际的解决方案.
- 这种方法增强了大规模蛋白质组学研究中的协作和数据共享.
- SPOC 校正有助于在各种研究环境中更容易获得和更有效地进行蛋白质组数据分析.
更多相关视频
05:30Author Spotlight: Advancing the Analysis of Plasma Extracellular Vesicle Proteome for Cardiovascular Biomarker Studies
Published on: January 31, 2025
319
08:232 in 1: One-step Affinity Purification for the Parallel Analysis of Protein-Protein and Protein-Metabolite Complexes
Published on: August 6, 2018
11.3K
