Systematic Assessment of the Reproducibility of Relative Quantification Based on LC-MS with Replicates
Notice bibliographique
Résumé
RP-106 To develop a method to assess and display reproducibility of protein quantification based on LC-MS with replicates. The reproducibility of relative quantification based on LC-MS was assessed uniquely at three levels: Data level - Peptide features from each of the replicates were detected and aligned between the replicates. The data reproducibility was analyzed by paired T-test and correlation analysis on the intensities of paired features. Venn diagrams of peptide features between replicates were used to display the reproducibility. Identification level – Protein identification was conducted on each replicate. The reproducibility of the identified peptides and proteins between replicates was assessed by paired T-test and correlation analysis. The boxplot diagram was used to represents the distribution of the logarithmic ratios of identified feature pairs. Quantification level - The relative peptide/protein abundance was computed based on the intensity of each peptide ion. The reproducibility of peptide and protein quantification was assessed by paired T-test and ANOVA. This method was implemented in the PEAKSTM software suite and tested by a standard protein mixture UPS2 with two replicate experiments. The number of peptide features in replicate 1 and 2 are 2994 and 2934. The number of common features is 2794. The Pearson correlation value is 85% for common features. The total number of identified feature pairs in replicate 1 and 2 is 518. The corresponding Pearson correlation value is 92%. 14 out of 16 abundant proteins were reported in both replicate 1 and 2. 81 of 518 unique feature pairs were used for protein quantification. The corresponding Pearson correlation value is 94%. 12 of 14 identified proteins were quantified. Mean of ratios was 0.92, and variance was 0.013. This method could efficiently assess and display the reproducibility at three levels, which helps to evaluate both the LC-MS experiment and the quantification algorithm.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,040 | 0,054 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,003 |
| Études des sciences et des technologies | 0,002 | 0,003 |
| Communication savante | 0,003 | 0,001 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».