MétaCan
Menu
Retour à la cohorte
Enregistrement W2605025239 · doi:10.1002/pmic.201500522

SWATH‐ID: An instrument method which combines identification and quantification in a single analysis

2017· article· en· W2605025239 sur OpenAlexaff
Yang Kang, Lyle Burton, Adam Lau, Stephen Tate

Notice bibliographique

RevuePROTEOMICS · 2017
Typearticle
Langueen
DomaineChemistry
ThématiqueAdvanced Proteomics Techniques and Applications
Établissements canadiensOnex (Canada)
Organismes subventionnairesnon disponible
Mots-clésComputer scienceFragmentation (computing)Identification (biology)PeptideData acquisitionWindow (computing)Fragment (logic)Computational biologyData miningChemistryBiologyAlgorithmBiochemistryWorld Wide Web

Résumé

récupéré en direct d'OpenAlex

-MS, are showing great potential to reliably quantify significant numbers of peptides and proteins in an unbiased manner. These developments have enhanced interest in developing a single DIA method that integrates qualitative and quantitative analysis, eliminating the need of a prebuilt library of peptide spectra, which are created through data-dependent acquisition methods or from public repositories. Here, we introduce a new DIA approach, referred to as "SWATH-ID," which was developed to allow peptide identification as well as quantitation. The SWATH-ID method is composed of small Q1 windows, achieving better selectivity and thus significantly improving high-confidence peptide extractions from data files. Furthermore, the SWATH-ID approach transmits precursor ions without fragmentation as well as their fragments within the same SWATH acquisition period. This provides a single scan that includes all precursor ions within the isolation window as well as a record of all of their fragment ions, substantially negating the need for a survey scan. In this way all precursors present in a small Q1 window are associated with their fragment ions, improving the identification specificity and providing a more comprehensive and in-depth view of protein and peptide species in complex 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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,006
score de la tête « metaresearch » (Gemma)0,004
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,030

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,004
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0060,004
Études des sciences et des technologies0,0010,001
Communication savante0,0030,006
Science ouverte0,0040,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,006

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.

Tête enseignante Opus0,040
Tête enseignante GPT0,344
Écart entre enseignants0,304 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePROTEOMICSMême sujetAdvanced Proteomics Techniques and ApplicationsTravaux en français237 207