DEQMS:差分蛋白表达分析中精确方差估计的方法*

      通过质谱法进行定量蛋白质组学广泛用于生物标志物研究 和对表型水平细胞事件调查的基本生物学研究。尽管 广泛的应用,差异表达的统计分析方法 蛋白质没有统一。各种方法如 t 测试,线性模型和混合效果模型用于定义蛋白质组学的变化 实验。但是,这些方法都没有考虑MS数据的特定结构。 方法之间的选择,通常最初为其他类型的数据开发,是基于 关于诸如统计功率,一般适用性等特征之间的妥协 用户友好。此外,是否包括用一种肽鉴定的蛋白质 在差异蛋白表达的统计分析中,研究之间变化。 在这里,我们提供了DEQMS,一种专门为差分开发的强大统计方法 质谱数据中蛋白质表达分析。在所有数据集中调查 差异对使用的PSM或肽数量的明确依赖性 蛋白质量化。在评估差异时,DEQMS将此功能考虑在内 蛋白质表达。这允许更准确的蛋白质的数据依赖性估算 单一肽识别的方差和包含在不增加假的情况下 发现。该方法在包括的几种数据集中进行测试 大肠杆菌 蛋白质组峰值数据,使用无标记和TMT标记的量化。比较的 通过以前用于定量蛋白质组学的统计方法,DEQM始终如一地显示 与其他统计数据相比,检测改变的蛋白质水平的更好准确性 无标记和标记的定量蛋白质组学数据的方法。 DEQMS可用 作为生物体中的R包。

      图形概要

      参考

        • Aeberberold R.
        基于质谱的蛋白质组学。
        自然。 2003; 422: 198-207
        • oberg a.l.
        • mahoney d.w.
        • Eckel-passow J.E.
        • 马龙C.J.
        • Wolfinger R.D.
        • 山一盏。
        • Cooper L.T.
        • onuma o.k.
        • 螺旋C.
        • Therneau T.M.
        • 卑尔根第3岁。,H.R.
        使用ANOVA复杂样品相对标记的质谱数据的统计分析。
        J.蛋白质组。 2008; 7: 225-233
        • Smyth G.K.
        用于评估微阵列实验中差异表达的线性模型和经验贝叶斯方法。
        统计申请苹果蛋白酶摩尔。 BIOL。 2004; 3 (第三条)
        • DALY D.S.
        • 安德森k.k.
        • Panisko E.A.
        • Purvine S.O.
        • 方罗。
        • Monroe M.E.
        • 贝克S.E.
        比较LC-MS蛋白质组学研究的混合效应统计模型。
        J.蛋白质组。 2008; 7: 1209-1217
        • 山一盏。
        • Schwacke J.H.
        • Comte-Walters S.
        • Slate E.H.
        • oberg a.l.
        • Eckel-passow J.E.
        • Therneau T.M.
        • Schey K.L.
        ITRAQ数据分析的统计模型。
        J.蛋白质组。 2008; 7: 3091-3101
        • 克劳T.
        • 钥匙M.
        • ITT I.
        • ragg s.
        • Schadow G.
        • Vitek O.
        蛋白质定量在无标记的LC-MS实验中。
        J.蛋白质组。 2009; 8: 5275-5284
        • Koopmans F.
        • Cornelisse L.N.
        • Heskes T.
        • Dijkstra下午
        经验贝叶斯随机审查阈值模型改善了差异丰富的蛋白质的检测。
        J.蛋白质组。 2014; 13: 3871-3880
        • Suomi T.
        • Seyednasrollah F.
        • jaakkola m.k.
        • 人造T.
        • elo l.l.
        rots:用于可重复性优化统计测试的R包。
        Plos计算。 BIOL。 2017; 13: E1005562.
        • Hostiheimo A.
        • 车辆A.P.
        • afzal s.
        • Suomi T.
        • Chand T.
        • 施特劳斯L.
        • Poutanen M.
        • rokka a。
        • Corthals G.L.
        • elo l.l.
        优化统计方法对定量蛋白质组学数据的影响。
        J.蛋白质组。 2015; 14: 4118-4126
        • kammers k。
        • COLE R.N.
        • 蒂圭C.
        • Ruczinski I.
        检测蛋白质丰度的显着变化。
        Eupa开放蛋白质。 2015; 7: 11-19
        • D'Angelo G.
        • Chaerkady R.
        • yu w.
        • 躲血D.B.
        • 赫斯特S.
        • 赵W.
        • lekstrom k。
        • 郭X.
        • 白色w.i.
        • Roskos L.
        • Bowen M.A.
        • 杨H.
        分析异步标签的统计模型多路复用定量​​蛋白质组学。
        J.蛋白质组。 2017; 16: 3124-3136
        • 卡里拉罗B.
        • Yanofsky C.
        • Laboissiere S.
        • 纳顿r.
        • kearney r.e.
        组合肽强度以估计相对蛋白质丰富的方法。
        生物信息学。 2010; 26: 98-103
        • Hultin-Rosenberg L.
        • 伪装J.
        • Branca r.m.
        • Lehtio J.
        • 约翰逊H.J.
        定义,比较和改善质谱中的ITRAQ量化蛋白质组学数据中的定量。
        摩尔。细胞。蛋白质组学。 2013; 12: 2021-2031
        • 奥尔l.m.
        • Vesterlund M.
        • 潘y.
        • arslan t.
        • 朱y
        • Fernandez Woodbridge A.
        • 折腾o.
        • Fredlund E.
        • Lehtio J.
        subcellbarcode:蛋白质聚集蛋白质定位和重复定量的映射。
        摩尔。细胞。 2019; 73: 166-182.E167
        • 法律C.W.
        • 陈Y.
        • 施W.
        • Smyth G.K.
        变大:精密重量解锁RNA-SEQ读数的线性模型分析工具。
        基因组Biol。 2014; 15: R29
        • SARTOR M.A.
        • Tomlinson C.R.
        • Wesselkamper S.C.
        • Sivaganesan S.
        • Leikauf G.D.
        • Medvedovic M.
        基于强度的等级贝叶斯方法改善了微阵列实验中的差异表达基因的测试。
        BMC生物信息学。 2006; 7: 538
        • 朱y
        • 奥尔l.m.
        • 约翰逊H.J.
        • 哈斯·米
        • Boekel J.
        • Vesterlund M.
        • Fernandez-Woodbridge A.
        • 布兰卡下午
        • Lehtio J.
        综合蛋白素学学分析工作流程在人类基因组中发现编码区。
        NAT。安排。 2018; 9: 903
        • 赫布里奇
        • COLE R.N.
        • 西JR,K.P.
        • Schulze K.
        • Yager J.D.
        • Grapman J.D.
        • 基督教P.
        • 吴L.
        • o'meally r.n.
        • 可以D.H.
        • McIntosh M.W.
        • Ruczinski I.
        在不使用共同参考标准的情况下,来自多个ITRAQ实验的统计推断。
        J.蛋白质组。 2013; 12: 594-604
        • Cox J.
        • 嘿m.y.
        • Luber C.a.
        • Paron I.
        • Nagaraj N.
        通过延迟标准化和最大肽比例提取的精确的蛋白质组无标记量化,称为MAXLFQ。
        摩尔。细胞。蛋白质组学。 2014; 13: 2513-2526
        • 休斯C.S.
        • Foehr s.
        • 加菲尔德D.A.
        • Furlong E.E.
        • Steinmetz L.M.
        • Krijgsveld J.
        采用顺磁珠技术的超敏感蛋白质组分析。
        摩尔。系统中的生物学。 2014; 10: 757
        • Branca r.m.
        • 奥尔l.m.
        • 约翰逊H.J.
        • 格兰霍尔姆V.
        • 哈斯·米
        • Perez-Bercoff A.
        • 伪装J.
        • Kall L.
        • Lehtio J.
        盗程LC-MS使得能够深入蛋白质组覆盖和无偏的蛋白质组。
        NAT。方法。 2014; 11: 59-62
        • 金斯。
        • PEVZNER P.A.
        MS-GF +对蛋白质组学的通用数据库搜索工具进行进展。
        NAT。安排。 2014; 5: 5277
        • Kall L.
        • 坎特伯雷J.D.
        • 韦斯顿J.
        • 贵族W.S.
        • maccoss m.j.
        霰弹枪蛋白质组学数据集的半监督学习肽鉴定。
        NAT。方法。 2007; 4: 923-925
        • 周Y.
        • 折腾o.
        • Branca r.m.
        • Boekel J.
        • Le Sa​​ge C.
        • Fredlund E.
        • agami r.
        • 奥尔l.m.
        具有AAGugc种子基序的Micrornas构成了致癌信号网络的组成部分。
        oncogene。 2017; 36: 731-745
        • Bereczki E.
        • Branca r.m.
        • 弗朗西斯P.T.
        • Pereira J.B.
        • BAEK J.H.
        • Hortobagyi T.
        • 温伯勒B.
        • 巴拉德C.
        • Lehtio J.
        • 艾萨斯兰D.
        神经变性疾病认知下降的突触标志:蛋白质组学方法。
        脑。 2018; 141: 582-595
        • Panizza E.
        • 布兰卡下午
        • Oliviusson P.
        • 奥尔l.m.
        • Lehtio J.
        通过升盗耦合到LC-MS的基于异电点的分馏允许对磷蛋白酶的深入定量分析。
        SCI。代表。 2017; 7: 4513
        • Benjamini Y.
        • Hochberg Y.
        控制虚假发现率 - 一种实用而强大的多种测试方法。
        J. R. Stat。 SOC。 Ser。 b-stat。方法。 1995; 57: 289-300
        • 克利夫兰W.S.
        • ega w.m.s.
        本地回归模型。 1992; (统计模型的第8章在S EDS J.M. Chambers和T.J.哈斯迪,沃兹沃思& Brooks/Cole)
        • karp n.a.
        • Huber W.
        • Sadowski P.G.
        • 查尔斯P.D.
        • 赫斯特S.V.
        • Lilley K.S.
        解决ITRAQ定量的准确性和精确问题。
        摩尔。细胞。蛋白质组学。 2010; 9: 1885-1897
        • 安德斯S.
        • Huber W.
        序列计数数据的差异表达分析。
        基因组Biol。 2010; 11: R106
        • 爱M.I.
        • Huber W.
        • 安德斯S.
        使用DESEQ2的RNA-SEQ数据的折叠变化和分散的适度估计。
        基因组Biol。 2014; 15: 550
        • 罗宾逊M.D.
        • 麦卡锡D.J.
        • Smyth G.K.
        编辑:用于数字基因表达数据的差异表达分析的生物导体包。
        生物信息学。 2010; 26: 139-140
        • 里奇M.E.
        • Phipson B.
        • 吴D.
        • 胡Y.
        • 法律C.W.
        • 施W.
        • Smyth G.K.
        LiMMA为RNA测序和微阵列研究进行差异表达分析。
        核酸RES。 2015; 43: e47
        • Huber W.
        • Carey V.J.
        • 绅士R.
        • 安德斯S.
        • 卡尔森M.
        • Carvalho B.S.
        • Bravo H.C.
        • 戴维斯S.
        • Gatto L.
        • Girke T.
        • 克拉多罗
        • Hahne F.
        • 汉森K.D.
        • Irtizarry R.A.
        • 劳伦斯M.
        • 爱M.I.
        • 麦克唐纳j.
        • obenchain V.
        • Oles A.K.
        • 页面H.
        • 雷耶斯A.
        • Shannon P.
        • Smyth G.K.
        • Tenenbaum D.
        • Waldron L.
        • 摩根M.
        用生物体协调高通量基因组分析。
        NAT。方法。 2015; 12: 115-121
      广告