Ibaqpy:一个可扩展的Python包,用于蛋白质学中的基线量化,利用SDRF元数据
Ping Zheng1, Enrique Audain2, Henry Webel3
1Chongqing Key Laboratory of Big Data for Bio Intelligence, Chongqing University of Posts and Telecommunications, Chongqing, China.
Journal of proteomics
|April 23, 2025
概括
我们开发了ibaqpy,这是一个Python包,用于使用基于强度的绝对量化 (iBAQ) 高效量化蛋白质. 这个工具可以自动化对大规模蛋白质组学实验进行规范化和批量校正,从而提高数据的可复制性和可访问性.
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:
- 基于强度的绝对量化 (iBAQ) 对于确定蛋白质丰度至关重要.
- 大规模实验 (DIA,TMT,LFQ) 为iBAQ计算带来了可扩展性和可重复性挑战.
- 现有的方法往往缺乏元数据集成,阻碍了对复杂实验设计的准确分析.
研究的目的:
- 介绍 ibaqpy,一个用于高效和可扩展的 iBAQ 值计算的 Python 包.
- 通过实验元数据实现自动规范化和批量校正.
- 支持可复制和符合FAIR的定量蛋白质组学.
主要方法:
- 开发了 ibaqpy Python 软件包.
- 利用样本和数据关系格式 (SDRF) 来实现元数据集成.
- 基于实验设计 (复制品,分数,条件) 的自动规范化和批量校正.
主要成果:
- 从ProteomeXchange.成功地重新分析了17个公共蛋白质组学数据集 (4921个样本,5766个MS运行)
- 量化了 11,014 种蛋白质,证明了 ibaqpy 对大型数据集的可扩展性.
- ibaqpy自动可重复量化,减少手工工作.
结论:
- ibaqpy为大规模蛋白质组学中的iBAQ计算提供了一个高效,可扩展和可重复的解决方案.
- 通过SDRF集成元数据可以提高量化准确性,并考虑实验复杂性.
- 该方案促进了FAIR数据原则,改善了数据的重复使用和整合到蛋白质组学研究中.
