MétaCan
Menu
Retour à la cohorte
Enregistrement W2992174769 · doi:10.1021/acs.jproteome.9b00745

Advances in Identifying and Characterizing the Human Proteome

2019· editorial· en· W2992174769 sur OpenAlexafffund
Young‐Ki Paik, Christopher M. Overall, Fernando J. Corrales, Eric W. Deutsch, Lydie Lane, Gilbert S. Omenn

Notice bibliographique

RevueJournal of Proteome Research · 2019
Typeeditorial
Langueen
DomaineChemistry
ThématiqueAdvanced Proteomics Techniques and Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Cancer InstituteNational Institute of Environmental Health SciencesCanadian Institutes of Health ResearchNational Institutes of Health
Mots-clésProteomeComputational biologyHuman proteome projectProteomicsBiologyData scienceComputer scienceBioinformaticsBiochemistry

Résumé

récupéré en direct d'OpenAlex

On the basis of the January 2019 updates on the curation and annotation of the human proteome by neXtProt4 (https://www.nextprot.org/) from the standardized reanalysis of mass spectrometry (MS) data sets by PeptideAtlas5 (http://www.\npeptideatlas.org/), which form the baseline for the 2019 papers in this special issue, Omenn et al. (10.1021/acs.jproteome.9b00434) report that highly credible findings supportProtein Evidence Level 1 (PE1) for 17 694 protein-coding genes, 89.3% of the total 19 823 predicted human proteincoding genes. In this annual metric of the human proteome paper, these numbers represent a net increase of 224 PE1 proteins due to the promotion of 213 PE2,3,4 entries to PE1 and\na net decrease of only 57 missing proteins (MPs) due to 60 PE1 demotions and 116 new PE2,3,4 entries, primarily immunoglobulins. The dynamics of the year-to-year changes in neXtProt are quite complex, as explained in this article. A chromosome-bychromosome analysis showed that four chromosomes (1, 5, 17, 19) have had reductions of between 50 and 130 MPs, and another four (2, 3, 10, X) have had 43−47 fewer MPs since the baseline for the neXt-MP50 Challenge in 2016. Utilizing ProteomeXchange, PRIDE, and other data resources, PeptideAtlas documented an increase of 495 canonical proteins from 120 new human sample data sets; three data sets from the JPR 2018 special issue contributed a major proportion of these with 161 of the 495. The canonical proteins from PeptideAtlas account for 98% of the 16 600 PE1 neXtProt entries based on MS, compliant with the stringent HPP Guidelines v2.1.6 More than half of the new canonical proteins were already PE1 but were based on other kinds of non-mass-spectrometry protein evidence

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)0,007
score de la tête « metaresearch » (Gemma)0,007
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Éditorial · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,038

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0070,007
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,001
Communication savante0,0040,004
Science ouverte0,0020,003
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,004

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 Opus0,053
Tête enseignante GPT0,435
Écart entre enseignants0,382 · 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'étudeSans objet
Domainenon disponible
GenreÉditorial

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

En bref

Citations4
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Proteome ResearchMême sujetAdvanced Proteomics Techniques and ApplicationsTravaux en français237 207