cpiVAE:可靠和可解读的跨平台蛋白质学推算
Yuxiang Li1,2, ThuyVy Duong3, Mary R Rooney4
1Department of Biomedical Engineering, Johns Hopkins University, Baltimore, Maryland, USA.
跨平台的不一致的血蛋白质组数据阻碍了研究. 一个新的AI模型,跨平台蛋白质组学归因变异自编码器 (cpiVAE),准确地归因蛋白质水平,改善数据集成,用于强大的元分析.
科学领域:
- 生物化学 生物化学
- 生物信息学是一种生物信息学.
- 基因组学就是基因组学.
背景情况:
- 血蛋白质组研究经常使用多种不同的高通量平台,导致对相同蛋白质进行不一致的测量.
- 这种数据不一致阻碍了有效的跨研究整合,并限制了元分析和生物标志物发现的力量.
- 整合蛋白质组学数据对于增强统计能力和深入了解蛋白质组-表型关系至关重要.
研究的目的:
- 开发一个深度生成模型,用于在Olink和SomaScan平台之间双向归算蛋白质丰度.
- 建立一种改进跨平台蛋白质组学数据集成的方法,并实现更强大的下游分析.
- 为协调来自不同实验平台的蛋白质组学数据提供可解释和通用化的解决方案.
主要方法:
- 开发一个跨平台的蛋白质组学归算变异自编码器 (cpiVAE),一个深度生成模型.
- 训练cpiVAE模型使用来自中国Kadoorie生物银行 (CKB) 队列的配对血蛋白质组测量.
- 评估cpiVAE性能与独立数据集上的k-最近邻居 (KNN) 和权重最近邻居 (WNN) 等既定方法相比.
主要成果:
- 与KNN和WNN基准相比,cpiVAE在假定和真实蛋白质值之间实现了高达30%的相关性.
- 该模型在没有再培训的情况下向一个独立的动脉样硬化风险在社区研究 (ARIC) 队列表现出了强烈的概括性.
- 假设的蛋白质水平准确地反映了与临床表型的关联,并在元分析模拟中增强了统计能力.
- 一个后期特征重要性矩阵提供了可解释性,提取的蛋白质对特征与STRING数据库中已知的生物相互作用重叠.
结论:
- cpiVAE为跨平台的蛋白质组学归因提供了一个准确,可概括和可解释的解决方案.
- 该框架有助于在使用不同蛋白质组学测量平台的研究中进行综合分析.
- 对cpiVAE框架和预训练模型权重的开源可用性促进了在蛋白质组研究中更广泛的采用和数据集成.
更多相关视频
07:01Navigating the Mass Spectrometry-Based Proteomic Data Using Free Computational Tools
Published on: August 19, 2025
09:52A Clinical Metaproteomics Workflow Implemented within Galaxy Bioinformatics Platform to Analyze Host-Microbiome Interactions Underlying Human Disease
Published on: January 10, 2025
相关概念视频
Proteomics
Proteomics is the study of proteomes' function. It involves the large-scale systematic study of the proteome to denote the protein complement expressed by a genome. Scientist Mark Wilkins coined the term...
Improving Translational Accuracy
Improving Translational Accuracy
Conservation of Protein Domains Over Different Proteins
A limited set of protein domains often duplicate and recombine during evolution. These domains can be organized in different combinations to...
Peptide Identification Using Tandem Mass Spectrometry
This technique helps gather information regarding the protein from which the peptide was obtained and to study the peptides’ amino acid sequence. Identifying peptides from a complex mixture is an important component of the growing field of...
One-Compartment Open Model: Wagner-Nelson and Loo Riegelman Method for ka Estimation
On...
