相关实验视频
Updated: Jun 17, 2026
08:11
Quantitative Analysis of Chromatin Proteomes in Disease
Published on: December 28, 2012
使用PRONE的质量标签和无标签蛋白质量化数据一起对规范化方法的系统评估
Lis Arend1,2, Klaudia Adamowicz2, Johannes R Schmidt3
1Data Science in Systems Biology, TUM School of Life Sciences, Technical University of Munich, Maximus-von-Imhof Forum 3, 85354 Freising, Germany.
Briefings in bioinformatics
|May 8, 2025
概括
系统偏见挑战了蛋白质组学数据分析. 这项研究评估了19种规范化方法,发现了数据集特定的影响,并引入了PRoteomics规范化评估器 (PRONE) R包进行方法比较.
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.
- 数据分析 数据分析
背景情况:
- 质谱 (MS) 数据分析面临来自非生物因素的系统偏差.
- 存在众多的规范化方法,使蛋白质组学数据的选择变得复杂.
- 现有的方法往往源于DNA微阵列预处理,并广泛应用于蛋白质组学.
研究的目的:
- 系统地评估蛋白质组学中规范化和批量效应校正方法的性能.
- 评估减少集团内部变化和正常化有效性之间的关系.
- 引入一个灵活的R包,PRONE,用于对标准化方法及其下游影响进行比较评估.
主要方法:
- 评估了17种正常化和2种批量效应校正方法.
- 使用了6个spike-in和3个无标签/双重质量标签 (TMT) 质谱数据集.
- 对集团内部变化的评估方法性能和对下游分析的影响.
主要成果:
- 减少 intragroup 的变化与正常化方法的有效性没有直接相关.
- 蛋白质组学特定方法 (RobNorm,Normics) 和LoessF在尖端数据上表现良好.
- EigenMS显示高假阳性率;正常化影响是特定于数据集的.
结论:
- 规范化以数据集特定的方式显著影响下游蛋白质组学分析.
- 针对特定用例的评估对于选择适当的规范化方法至关重要.
- 该PRONE R包促进了蛋白质组学中规范化策略的比较分析和评估.
