通过集体责任和社区参与,防止蛋白质学数据坟墓

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.
• 数据科学数据科学数据科学

背景情况:

• 公共蛋白质组学存储库包含大量的质谱数据.
• 这些数据中的大部分很难重复使用,从而造成创建.
• 数据坟墓的数据坟墓.
• 这阻碍了重新分析.

研究的目的:

• 评估公开可用的质谱蛋白质组学数据的重新分析性.
• 识别阻碍数据重复使用和可复制性的系统障碍.
• 提出改善数据可访问性和重新分析的解决方案.

主要方法:

• 一个研究生课程使用了基于R的通用工作流来重新分析来自Proteomics识别数据库的六个项目.
• 学生团队进行了识别,量化,规范化,归算和微分表达式分析.
• 结果与原始研究进行了比较,以确定差异和障碍.

主要成果:

• 系统性障碍包括缺少元数据标准,缺少诱集细节,专有软件输出,缺少光谱库/FASTA文件,模糊的参数,不一致的文件命名和不充分的复制.
• 这些缺陷导致了分析结果的显著差异 (例如,蛋白质计数,差异表达蛋白质).
• 可复制性取决于透明的元数据,开放的格式和可执行的分析来源,而不仅仅是仪器.

结论:

• 数据创建者应该提供一个最小的再分析包,包括原始数据,开放格式,社区标准,QC摘要,光谱库和完整的参数/代码集.
• 存储库应该激励或强制提交这些全面的数据包.
• 这种方法培训学生并改善社区数据实践,以防止蛋白质组学.
• 数据坟墓的数据坟墓.
• . . . . . . . . . . . . . . 这就是为什么.