MetaboMiNR: An Online Tool to Analyze Label-Free Proteomic Experiments With a Focus on Metabolism and Nuclear Receptors
Notice bibliographique
Résumé
Label-free quantification (LFQ) proteomics is growing in popularity and becoming increasingly more accessible to researchers, empowering them to compare proteome-wide changes between different treatment conditions. However, it remains difficult to leverage the full potential of LFQ data when the researcher has limited experience in proteomics and/or bioinformatics due to the complexity of data analysis. Here, we present MetaboMiNR, an easy-to-use web application for the analysis of LFQ data with a focus on metabolism and nuclear receptors (NRs). MetaboMiNR guides users through an intuitive process with clear instructions and minimal user input to conduct statistical analysis and produce publication ready plots. Users may input a MaxQuant-generated output file and perform standard global analysis and data quality control with the click of a button. The application offers 3 additional unique features: 1) Metabolism Miner extracts a user-selected Reactome pathway from the dataset, 2) Nuclear Receptor Miner extracts the target genes of a user-selected NR, and 3) Individual Plotter produces publication-ready bar plots for a selected protein. The utility of this application was demonstrated by analyzing a previously published dataset from mice treated with LDT409, a synthetic peroxisome proliferator-activated receptor agonist. MetaboMiNR can be accessed freely at https://cumminslab.shinyapps.io/MetaboMiNR/.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,004 | 0,002 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,006 | 0,003 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,003 | 0,003 |
| Science ouverte | 0,002 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,057 | 0,036 |
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 ».