Mouse Quantitative Proteomics Knowledgebase: reference protein concentration ranges in 20 mouse tissues using 5000 quantitative proteomics assays
Notice bibliographique
Résumé
MotivationLaboratory mouse is the most used animal model in biological research, largely due to its high conserved synteny with human. Researchers use mice to answer various questions ranging from determining a pathological effect of knocked out/in gene to understanding drug metabolism. Our group developed >5000 quantitative targeted proteomics assays for 20 mouse tissues and determined the concentration ranges of a total of >1600 proteins using heavy labeled internal standards. We describe here MouseQuaPro; a knowledgebase that hosts this collection of carefully curated experimental data. ResultsThe web-based application includes protein concentrations from >700 mouse tissue samples from three common research strains, corresponding to >200k experimentally determined concentrations. The knowledgebase integrates the assay and protein concentration information with their human orthologs, functional and molecular annotations, biological pathways, related human diseases and known gene expressions. At its core are the protein concentration ranges, which provide insights into (dis)similarities between tissues, strains and sexes. MouseQuaPro implements advanced search as well as filtering functionalities with a simple interface and interactive visualization. This information-rich resource provides an initial map of protein absolute concentration in mouse tissues and allows guided design of proteomics phenotyping experiments. The knowledgebase is available on mousequapro.proteincentre.com. AVAILABILITY AND IMPLEMENTATION: The knowledgebase is available free of charge on http://mousequapro.proteincentre.com. SUPPLEMENTARY INFORMATION: Supplementary data are available at Bioinformatics online.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».