ZoomQuant: An application for the quantitation of stable isotope labeled peptides
Notice bibliographique
Résumé
The main goal of comparative proteomics is the quantitation of the differences in abundance of many proteins between two different biological samples in a single experiment. By differentially labeling the peptides from the two samples and combining them in a single analysis, relative ratios of protein abundance can be accurately determined. Protease catalyzed (18)O exchange is a simple method to differentially label peptides, but the lack of robust software tools to analyze the data from mass spectra of (18)O labeled peptides generated by common ion trap mass spectrometers has been a limitation. ZoomQuant is a stand-alone computational tool that analyzes the mass spectra of (18)O labeled peptides from ion trap instruments and determines relative abundance ratios between two samples. Starting with a filtered list of candidate peptides that have been successfully identified by Sequest, ZoomQuant analyzes the isotopic forms of the peptides using high-resolution zoom scan spectrum data. The theoretical isotope distribution is determined from the peptide sequence and is used to deconvolute the peak areas associated with the unlabeled, partially labeled, and fully labeled species. The ratio between the labeled and unlabeled peptides is then calculated using several different methods. ZoomQuant's graphical user interface allows the user to view and adjust the parameters for peak calling and quantitation and select which peptides should contribute to the overall abundance ratio calculation. Finally, ZoomQuant generates a summary report of the relative abundance of the peptides identified in the two samples.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».