Экосистема Pyteomics
Программные инструменты для обработки протеомных данных
Встреча-семинар в ЭНЦ. 22 декабря 2021 г.
Экосистема Pyteomics
Программные инструменты для обработки протеомных данных
-
Библиотека Pyteomics
- Язык Python: кроссплатформенность и интерактивность
- Расчёт свойств белков и пептидов
- Работа с протеомными форматами данных
-
"Пользовательские" приложения для bottom-up
Сырые данные
- Анализ качества (viQC)
- Feature detection (Biosaur)
Поиск по базам данных
- MS/MS (IdentiPy)
- MS1 (ms1searchpy)
Послепоисковая валидация
- Валидация, фильтровка, LFQ (Scavager)
- Открытый поиск: интерпретация сдвигов масс (AA_stat)
Функциональность Pyteomics
Все стадии протеомного эксперимента
- расчёт свойств пептидов и белков
- чтение и анализ данных в протеомных форматах
Интерактивный анализ
«Готовые решения» для протеомных задач
«Готовые решения» для протеомных задач
- контроль качества данных, диагностика проблем
- идентификация пептидов
- валидация, фильтровка, контроль FDR
- protein inference
- количественный анализ
viQC: контроль качества данных
- обработка единичного файла или массива экспериментов
- mzML на входе, 8 графических метрик на выходе
Biosaur: feature detection
- mzML на входе, таблица на выходе
- чувствительнее аналога (Dinosaur)
Изображение: Weisser H, Choudhary JS. JPR, 2017 Aug;16(8):2964-2974.
IdentiPy: протеомная поисковая машина
- эффективность и быстродействие не уступают аналогам
- совместим с Biosaur для количественного анализа
- поддержка TMT
- автооптимизация параметров
- веб-интерфейс и серверная архитектура (IdentiPy Server)
Scavager: послепоисковая валидация
- эффективный скоринг PSM с помощью машинного обучения
- фильтровка PSM, пептидов, белков
- безметочный количественный анализ
- внутригрупповой FDR
- визуализация результатов
AA_stat: профилирование протеома методом открытого поиска
Частотный анализ аминокислотного состава
Линия колоректального рака, панель NCI60
Gholami et al. Cell Reports, 2013
Фосфопротеом линии HeLa
Post et al. J Proteome Res, 2016
Обнаружение артефактов
Набор данных "Confetti": Guo et al. MCP 2014
https://gorshkovlab.github.io/about/
