MétaCan
Menu
Retour à la cohorte
Enregistrement W3209241819 · doi:10.1016/j.xpro.2021.100875

RHybridFinder: An R package to process immunopeptidomic data for putative hybrid peptide discovery

2021· article· en· W3209241819 sur OpenAlexafffund
Frederic Saab, David Hamelin, Qing Ma, Kevin A. Kovalchik, Isabelle Sirois, Pouya Faridi, Chen Li, Anthony W. Purcell, Peter Kubiniok, Étienne Caron

Notice bibliographique

RevueSTAR Protocols · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
Thématiquevaccines and immunoinformatics approaches
Établissements canadiensUniversité de MontréalUniversity of OttawaCentre Hospitalier Universitaire Sainte-Justine
Organismes subventionnairesFonds de Recherche du Québec - SantéNational Health and Medical Research CouncilNatural Sciences and Engineering Research Council of CanadaInstitut de Valorisation des DonnéesFondation Charles-BruneauCanada Foundation for InnovationCanadian Institutes of Health ResearchChung Hua UniversityVictorian Cancer Agency
Mots-clésComputational biologyR packageComputer scienceProtocol (science)InferencePeptideMajor histocompatibility complexSoftware packageIdentification (biology)Database search engineSoftwareCombinatorial chemistryBioinformaticsChemistryBiologyGeneticsBiochemistryProgramming languageGeneSearch engineInformation retrievalArtificial intelligenceMedicine

Résumé

récupéré en direct d'OpenAlex

Identification of proteasomal spliced peptides (PSPs) by mass spectrometry (MS) is not possible with traditional search engines. Here, we provide a protocol for running RHybridFinder (RHF), an R package for the computational inference of putative PSPs detected by MS. RHF extracts high confidence scored de novo sequenced peptides identified by PEAKS software. Those peptides are then matched to protein databases to infer cis- or trans-spliced major histocompatibility complex (MHC)-associated peptides. RHF is relatively fast and straightforward. PSPs have to be validated experimentally. For complete details on the use and execution of the original protocol, please refer to Faridi et al. (2018).

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)0,005
score de la tête « metaresearch » (Gemma)0,012
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: Sans objet
GenreSignal candidat: Logiciel · Signal consensuel: Logiciel
Score de désaccord entre enseignants0,048
Score d'incertitude au seuil0,161

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0050,012
Méta-épidémiologie (sens strict)0,0050,002
Méta-épidémiologie (sens large)0,0030,003
Bibliométrie0,0020,001
Études des sciences et des technologies0,0010,001
Communication savante0,0040,003
Science ouverte0,0040,004
Intégrité de la recherche0,0010,005
Charge utile insuffisante (le modèle a refusé de juger)0,0480,057

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 Opus0,044
Tête enseignante GPT0,347
Écart entre enseignants0,303 · 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
GenreLogiciel

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
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueSTAR ProtocolsMême sujetvaccines and immunoinformatics approachesTravaux en français237 207