多个空间蛋白质组学数据集的半监督贝叶斯集成

科学领域:

• 蛋白质组学是指蛋白质组学.
• 系统生物学 系统生物学
• 生物信息学是一种生物信息学.

背景情况:

• 蛋白质亚细胞局部化对于功能至关重要.
• 空间蛋白质组学和其他奥米克数据为蛋白质定位提供了洞察力.
• 现有的整合方法在数据类型和不确定性量化方面是有限的.

研究的目的:

• 开发一种半监督的贝叶斯方法,将空间蛋白质组与多种数据源集成在一起.
• 通过量化预测不确定性来改善蛋白质细胞下定位的推断.
• 为整合分类,连续和时间数据提供灵活的方法.

主要方法:

• 开发了一种半监督的贝叶斯模型,用于将空间蛋白质组学与其他数据集成.
• 从标记标记蛋白和未标记数据推断的模型参数.
• 蛋白质局部化推断中的量化预测不确定性.
• 将该方法应用于Toxoplasma gondii空间蛋白质组学和细胞周期基因表达数据.

主要成果:

• 建议的贝叶斯式方法的性能优于现有的转移学习方法.
• 在建模各种数据类型中表现出灵活性,包括注释,丰度和时间序列表达式.
• 确定了蛋白质表达程序,在T. gondii的第一个细胞周期结束时达到峰值.
• 在密集的颗粒蛋白中揭示了异质群体,表明了多样化的功能.

结论:

• 新的贝叶斯方法显著改善了蛋白质亚细胞局部化推断.
• 这种方法为整合性奥米克分析提供了一个灵活而强大的框架.
• 这些发现为T. gondii蛋白质的功能作用和定位提供了新的见解.
• 该方法作为mdir R包提供,用于更广泛的科学用途.