msqrob2TMT:在具有任意复杂设计的标记实验中推断不同丰富蛋白质的坚固的线性混合模型
Stijn Vandenbulcke1, Christophe Vanderaa2, Oliver Crook3
1Department of Mathematics, Computer Science and Statistics, Ghent University, Ghent, Belgium; CompOmics, VIB Center for Medical Biotechnology, VIB, Ghent, Belgium; Department of Biomolecular Medicine, Faculty of Medicine and Health Sciences, Ghent University, Ghent, Belgium.
Molecular & cellular proteomics : MCP
|June 1, 2025
概括
称为msqrob2TMT的新工作流改善了基于质谱的复杂蛋白质组学实验的差异丰度分析. 该工具通过有效处理复杂的样本相关性来增强统计推断和生物标志物发现.
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
- 统计建模 统计建模
背景情况:
- 基于质谱的蛋白质组学利用标签策略,通过多重运行增加样品吞吐量.
- 蛋白质组学中的复杂实验设计往往超过单次运行容量,导致相关性结构,使统计推断和生物标志物发现复杂化.
研究的目的:
- 介绍msqrob2TMT,这是一个基于混合模型的工作流程套件,用于在标记的质谱学基础上的蛋白质组学数据中进行差异性丰度分析.
- 提供一个灵活和模块化的工具,可以容纳复杂的实验设计,并对特征特定的共变量进行校正.
主要方法:
- 开发基于混合模型的工作流程 (msqrob2TMT) 用于差异丰度分析.
- 适应复杂实验设计的样本特异性和特征特异性共变量.
- 与DEqMS,MSstatsTMT和msTrawler进行基准测试,使用入研究和真实小鼠研究.
主要成果:
- 与现有工具相比,msqrob2TMT表现出更大的灵活性,更好的模块化和更高的性能.
- 强大的脊回归应用有助于提高性能.
- 在真实小鼠研究中成功应用,有效考虑复杂的相关性结构.
结论:
- msqrob2TMT是一种强大而灵活的工具,用于基于质谱的复杂蛋白质组学研究中的差异丰度分析.
- 工作流程在具有挑战性的实验设计中促进可靠的统计推断和生物标志物发现.
- 该工具有效地解决了大型蛋白质组学数据中固有的复杂的相关性结构.
