MétaCan
Menu
← Retour à la cohorte
Enregistrement W3139052553 · doi:10.1101/2021.03.14.435332

Community Evaluation of Glycoproteomics Informatics Solutions Reveals High-Performance Search Strategies of Serum <i>N</i> - and <i>O</i> -Glycopeptide Data

2021· preprint· en· W3139052553 sur OpenAlexaff
Rebeca Kawahara, Anastasia Chernykh, Kathirvel Alagesan, Marshall Bern, Weiqian Cao, Robert J. Chalkley, Matthew S. Choo, Nathan Edwards, Radoslav Goldman, Marcus Hoffmann, Yingwei Hu, Yifan Huang, Jin Young Kim, Doron Kletter, Benoît Liquet, Mingqi Liu, Yehia Mechref, Bo Meng, Sriram Neelamegham, Terry Nguyen‐Khuong, Jonas Nilsson, Ádám Pap, Gun Wook Park, Benjamin L. Parker, Cassandra L. Pegg, Josef Penninger, Toan K. Phung, Markus Pioch, Erdmann Rapp, Enes Sakalli, Miloslav Šanda, Benjamin L. Schulz, Nichollas E. Scott, Georgy Sofronov, Johannes Stadlmann, Sergey Y. Vakhrushev, Christina M. Woo, Hung‐Yi Wu, Pengyuan Yang, Wantao Ying, Hui Zhang, Yong Zhang, Jingfu Zhao, Joseph Zaia, Stuart M. Haslam, Giuseppe Palmisano, Jong Shin Yoo, Göran Larson, Kay‐Hooi Khoo, Katalin F. Medzihradszky, Daniel Kolarich, Nicolle H. Packer, Morten Thaysen‐Andersen

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2021
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGlycosylation and Glycoproteins Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesAustralian Research CouncilFundação de Amparo à Pesquisa do Estado de São PauloMacquarie UniversityCancer Institute NSW
Mots-clésGlycoproteomicsInformaticsHealth informatics toolsComputer scienceGlycopeptideData miningData scienceEngineeringChemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Glycoproteome profiling (glycoproteomics) is a powerful yet analytically challenging research tool. The complex tandem mass spectra generated from glycopeptide mixtures require sophisticated analysis pipelines for structural determination. Diverse software aiding the process have appeared, but their relative performance remains untested. Conducted through the HUPO Human Proteome Project – Human Glycoproteomics Initiative, this community study, comprising both developers and users of glycoproteomics software, evaluates the performance of informatics solutions for system-wide glycopeptide analysis. Mass spectrometry-based glycoproteomics datasets from human serum were shared with all teams. The relative team performance for N - and O -glycopeptide data analysis was comprehensively established and validated through orthogonal performance tests. Excitingly, several high-performance glycoproteomics informatics solutions were identified. While the study illustrated that significant informatics challenges remain, as indicated by a high discordance between annotated glycopeptides, lists of high-confidence (consensus) glycopeptides were compiled from the standardised team reports. Deep analysis of the performance data revealed key performance-associated search variables and led to recommendations for improved “high coverage” and “high accuracy” glycoproteomics search strategies. This study concludes that diverse software for comprehensive glycopeptide data analysis exist, points to several high-performance search strategies, and specifies key variables that may guide future software developments and assist informatics decision-making in glycoproteomics.

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)0,028
score de la tête « metaresearch » (Gemma)0,044
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,028
Score d'incertitude au seuil0,146

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0280,044
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0010,001
Communication savante0,0020,002
Science ouverte0,0020,003
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,055
Tête enseignante GPT0,288
Écart entre enseignants0,233 · 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'étudeObservationnel
Domainenon disponible
GenreEmpirique

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

En bref

Citations9
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetGlycosylation and Glycoproteins Research→Travaux en français237 207→