- 综合排序
- 最热优先
- 最新优先
- 来自专栏james的生信学习
蛋白组学分析包——DEqMS学习
在初次接触蛋白组学的数据之时，外观上，其数据格式与我们常见的基因表达测序矩阵文件没有什么的不同。 目前主要的蛋白组学分析R工具有如下三款： ①limma；②DEqMS；③DEP 本次主要对DEqMS展开学习： tutorial官网：http://www.bioconductor.org/packages
2.8K00编辑于 2022-03-25 - 来自专栏作图丫
Cell：人肺腺癌的综合蛋白组学特征
LUAD患者的磷蛋白组学概况。上图为两种类型或一种类型组织中的磷蛋白和磷光颗粒的数量，下图为79例患者中发现的磷蛋白的两两比较。 (B) 用于蛋白质组学、磷蛋白组学、WES和RNA-Seq的患者/样本数量的维恩图。 (C) 对25份HeLa细胞样品进行相关分析，作为质谱质量控制，评价无标签定量方法的稳健性。 07 磷酸化的蛋白组学特征及其临床关联 在至少50%的样本中定量的1,244个磷酸蛋白中，与配对NATs相比，肿瘤中474个显著增加，183个显著减少(Figure 6A)。 Figure 6 LUAD的磷蛋白组学特征及其与临床结果的关系 (A) 肿瘤或NATs中磷酸蛋白的表达。红—上调，蓝—下调。 (B) KSEA评估三种蛋白组亚型肿瘤中的激酶活性。 蛋白组学结果显示，HSP 90β在肿瘤中的表达远高于NATs(Figure 7A)，其高表达与预后不良相关。实验中LUAD患者HSP 90β水平较高(Figure 7B)。
1.1K31编辑于 2022-03-29 - 来自专栏生信技能树
Bioconductor的质谱蛋白组学数据分析
这篇跟之前的一篇博文Bioconductor的DNA甲基化芯片分析流程一样，主要简单的记录下如何基于bioconductor的R包对蛋白组质谱数据进行分析。在看到这篇biocondutor官网文档Mass spectrometry and proteomics data analysis之前，我一直以为质谱数据的分析过程就是用一些商业化软件或者开源软件将谱图转化为肽段/蛋白的表达谱，由于蛋白组应用未如NGS数据那般热门，所以就未去搜索过是否能用R包来对质谱数据进行一定程度的分析。还好biocondutor将
4.5K51发布于 2018-06-11 - 来自专栏科研猫
【科研猫】轻盈的蛋白组学文章怎么发？
近年来蛋白质组学技术受到了生物和临床研究领域的广泛关注，PubMed中收录的文章数量也呈现逐年递增的趋势，预计2020年蛋白组学的发表研究将突破1.4万篇。 抛开一些大牛实验室的高精尖蛋白组学研究，一般影响因子3-5分的蛋白质组学文章的套路还是挺简单的。 ?
1.2K20发布于 2020-07-28 - 来自专栏R基础
蛋白组学—两个蛋白质之间的分子对接
蛋白组学—两个蛋白质之间的分子对接 以VTN与SLPI两个蛋白，进行两蛋白之间的分子对接 1 VTN蛋白结构下载 首先在https://www.uniprot.org/中搜索相关基因，如VTN,选择对应的种属
8.9K32编辑于 2024-11-06 - 来自专栏智能生信
Nat. Commun. | DRUML：利用机器学习预测抗癌药物疗效
而如今，LC-MS/MS吞吐量的提高和无标签串联分析，以及最近大量细胞系和药物的系统性药物反应谱的可用性，使用蛋白质组学和磷蛋白组学数据作为药物反应预测模型的输入的方法变得可行。 DRUML利用蛋白质组学和磷蛋白组学特征的组合，根据药物在降低癌细胞增殖方面的疗效生成药物的排名列表。它不用与参考样本进行比较，就能够在癌细胞群体中预测药物排名。 图2.d、e显示，DL和NNET使用来自磷蛋白组学数据的D值产生的模型在所有细胞系中的验证误差较小。 作者将AML和实体瘤中获得的磷蛋白组学、蛋白质组学和RNA-seq距离D数据作为输入，系统地构建了466种药物的预测模型。总共构建了16,760个学习模型（图4.a）。 从磷蛋白组学和蛋白质组学数据集创建了大约相同数量的模型。 ?
60270发布于 2021-04-13 - 来自专栏DrugOne
Nat. Commun. | DRUML：利用机器学习预测抗癌药物疗效
而如今，LC-MS/MS吞吐量的提高和无标签串联分析，以及最近大量细胞系和药物的系统性药物反应谱的可用性，使用蛋白质组学和磷蛋白组学数据作为药物反应预测模型的输入的方法变得可行。 DRUML利用蛋白质组学和磷蛋白组学特征的组合，根据药物在降低癌细胞增殖方面的疗效生成药物的排名列表。它不用与参考样本进行比较，就能够在癌细胞群体中预测药物排名。 图2.d、e显示，DL和NNET使用来自磷蛋白组学数据的D值产生的模型在所有细胞系中的验证误差较小。 作者将AML和实体瘤中获得的磷蛋白组学、蛋白质组学和RNA-seq距离D数据作为输入，系统地构建了466种药物的预测模型。总共构建了16,760个学习模型（图4.a）。 从磷蛋白组学和蛋白质组学数据集创建了大约相同数量的模型。 ?
1.1K31发布于 2021-04-09 - 来自专栏智药邦
机器学习+蛋白质组学开发共价药物｜Matchpoint完成7000万美元A轮融资
Matchpoint的ACE平台 Matchpoint的Advanced Covalent Exploration（ACE）平台汇集了一套专有工具，彻底改变了共价药物的发现和开发： 业界领先的化学蛋白组学 "迄今为止，许多可被共价药物锁定的蛋白质组仍未被标准的化学蛋白组学方法所发现"，Matchpoint联合创始人、哈佛医学院和Dana-Farber癌症研究所细胞生物学副教授Edward Chouchani 博士说，"我们的平台结合了专有的化学蛋白组学方法和人工智能，正在克服这一限制，Matchpoint组建的世界级团队在将这些进展转化为下一代精准共价药物方面具有独特的优势。" 随着化学蛋白组学、计算科学和合成化学的最新进展，我们现在有机会用精确的共价小分子改变自身免疫性疾病和其他慢性疾病的治疗。 该公司专有的高级共价探索（ACE）平台整合了先进的化学蛋白组学、机器学习和共价化学库。
54110编辑于 2022-11-16 - 来自专栏作图丫
关于肿瘤亚型特征筛选以及临床预测--这篇NC这样做！
背景介绍 今天，小编给大家带来了在HGSC中基于糖蛋白组学筛选肿瘤亚型特征以及HGSC的临床预测的相关思路，这篇文章于2020年发表在《NATURE COMMUNICATIONS》期刊上，影响因子12.12 Cell 166, 755–765 (2016)）的119个HGSC样本进行了基于质谱法(MS)的糖蛋白组学分析。 结果解析 01 基于糖蛋白组学的HGSC聚类 为了研究肿瘤的异质性，作者利用SPEGs和IGPs（intact glycopeptides）的表达数据对119个HGSC样本进行聚类。 一致性聚类结果表明，基于IGPs的糖蛋白组学数据，可以识别三个肿瘤clusters和5个糖肽群(Fig.1)。此外，作者在利用SPEGs的表达模式进行聚类分析时，观察到了高度的一致性。 Fig.6 06 基于糖蛋白组学的HGSC模型 基于不同聚糖和糖基化酶之间的关系，作者提出了由三个HGSC肿瘤cluster中不同聚糖生物合成途径调节的基于糖蛋白组学的特征（Fig.7）。
75420编辑于 2022-03-29 - 来自专栏DrugAI
. | 通过课程式深度学习提升宏蛋白组学中肽段识别性能
宏蛋白质组学为理解微生物群落的功能活动提供了强大手段，但由于蛋白数据库的庞大与不完整，肽段的准确识别仍具挑战性。研究人员提出了 WinnowNet，一种基于深度学习的 肽谱匹配（PSM）过滤方法，包含 Transformer 与卷积神经网络（CNN）两个版本。WinnowNet 能处理 PSM 数据的无序特性，并采用 课程学习（Curriculum Learning） 策略，从简单到复杂样本逐步训练模型。
12120编辑于 2026-01-06 - 来自专栏科研菌
CPTAC蛋白质组学数据库中的海量资源
点击任意感兴趣研究的概览界面，如下图为透明细胞肾肿瘤的研究概览，该页面提供了该研究的概览、基因组学与蛋白组学，以及临床样本的贮存位置。 而如下研究为来自TCGA样本的蛋白组学数据补充，关于这些样本的基因组学数据储存于TCGA数据库。 ? 五、CPTAC相关的高分文章 基因蛋白组学的整合分析在高分生信分析中层出不穷，这也说明其意义重大。 例如在高级别浆液性卵巢肿瘤中，在TCGA数据的基础上整合基于质谱检测的蛋白质组数据，探究基因组学改变与蛋白组学变化的关系，探究与预后相关的蛋白(3)。
6.4K32发布于 2020-07-02 - 来自专栏用户7627119的专栏
单细胞多组学分析——鉴定肿瘤免疫炎症反应中的潜在分子靶点
麻省总医院和Dana-Farber癌症研究所的研究者们采用索尼全光谱流式技术（spectral flow cytometry）和单细胞RNA测序技术（scRNA-seq），对+CPI colitis病人进行了蛋白组学和基因组学两个层级的功能表型鉴定 光谱流式多色panel检测优势 本文同时使用了基因组学和蛋白组学两种方法，对+CPI colitis免疫状态变化进行了细致入微的表征研究。 在本篇研究的蛋白组学分析中，为验证scRNA-seq结果作者设计了15色的流式多色panel，从蛋白组学角度为测序结果提供了细胞功能表型数据的有力补充。 光谱流式SP6800胞内marker表达检测数据 总结 通过单细胞测序以及光谱流式多色panel检测，作者分别从基因组学水平和蛋白组学水平表征鉴定了+CPI colitis患者炎症组织中免疫细胞亚群的动态变化
1.5K20发布于 2020-10-23 - 来自专栏DrugOne
Nat. Protoc. | 面向单细胞蛋白质组学的数据处理工作流优选方法ANPELA
Protocols》发表研究论文“navigating the data processing for cytometry-based single-cell proteomics”，提出面向单细胞蛋白组学的数据处理工作流优选方法 该方法以机器学习与多维度评估为支撑，聚焦细胞亚群鉴定与伪时间轨迹推断两项关键任务，在提升处理稳健性与准确性的同时，为药理机制解析与精准医学研究提供可复用、可推广的单细胞蛋白组学数据处理技术路径。 实现高可信度的细胞轨迹推断 在小鼠胚胎干细胞分化的单细胞蛋白组学数据上，研究团队进一步验证了所提出方法对伪时间轨迹推断的显著增益。
24810编辑于 2025-11-17 - 来自专栏科研菌
ROC曲线+生存曲线如何发6+分？
Tissue-Based Classifier for Early Prediction of Prostate Cancer Progression”，作者对338例接受根治性前列腺癌切除术患者的FFPE样本进行了蛋白组学的分析 Proteomic Tissue-Based Classifier for Early Prediction of Prostate Cancer Progression 基于蛋白组学的组织分类器对前列腺癌进展进行早期预测 作者希望以蛋白组学研究来鉴定用于早期检测侵袭性PCa的蛋白标志物，以提高现有预后模型对患者进行风险分层的能力。 二、分析流程 ? 基于表达差异的显著性以及在福尔马林固定石蜡包埋（FFPE）样本中检测蛋白质水平的可行性，选择其中的52个候选标志物进行蛋白组学分析。 2.构建PRISM-SRM方法及靶向蛋白组学测量 PRISM-SRM：具有智能选择和多路复用功能的高压，高分辨率分离与多重反应监测技术。
1.3K51发布于 2020-06-28 Day7-李泽平-测序初学
）一代测序双脱氧终止法（二）二代测序边合成边测序，代表：Illumina公司的双端测序（三）三代测序包括单分子实时测序、纳米孔测序等二、高通量测序分类（一）基因组学（二）转录组学（基因表达分析）（三）蛋白组学
23610编辑于 2024-03-29- 来自专栏用户10800790的专栏
生信星球 —— day 7
NGS组学基因组学、转录组学、蛋白组学、代谢组学图片
24620编辑于 2023-10-27 - 来自专栏AI科技评论
ACM、IEEE Fellow 李明：将 AI 用于生命科学的三十年
这次转变的一个重要标志是产生了「功能基因组学」，基因组学研究的重心由基因组的「结构」向基因的「功能」，也就是向蛋白组学转移。 如果说李明在基因组学的时代还是在做理论、打酱油，蛋白组学时代注定成为他的舞台。 等期刊上，而且已经成为国际上蛋白组学的主流软件系统，拥有包含几乎所有跨国药企、相关的生物技术企业、研究所、大学在内的4000家用户。 如今在国内，这一是蛋白组学软件系统也覆盖了80%的蛋白组学研究中心。 这些年来，因为工作上频繁接触和经常的思想交流，姜涛(现任加州大学河畔分校校长讲座教授）与李明结下深厚友谊。 姜涛说到，“人工智能带动了蛋白组学技术的革命性进展，老大哥李明是这一场变革的主要推动者之一。”
2.1K20编辑于 2023-04-12 - 来自专栏优雅R
生信爱好者周刊（第 59 期）：AlphaCode 编程大赛卷趴一半程序员
论文链接：https://www.nature.com/articles/s41467-022-30449-7 3、iMeta | iMetaLab Suite-宏蛋白组学分箱一站式工具箱 宏蛋白组学研究所需的生物信息学工作流程包含了蛋白质鉴定 （搜库）、定量至下游功能和分类分析，一定程度上限制了其他领域微生物研究人员对宏蛋白组学的使用和探索，为此，本工作开发了涵盖宏蛋白组中最常用的功能、分类和统计分析的流程化工具箱。
1.2K10编辑于 2023-02-28 - 来自专栏生信修炼手册
TCPA:肿瘤RPPA蛋白芯片数据中心
蛋白组学数据的分析是肿瘤病理生理学领域常用的手段之一，在TCGA项目中，广泛使用了反相蛋白芯片reverse-phase protein arrays(RPPA)技术来进行肿瘤蛋白质组的研究。
2.6K30发布于 2019-12-19 - 来自专栏芒果先生聊生信
用好cBioportal数据库（一个高级点的例子）
我们前面一直在分享基因组学相关知识，比如涉及表观遗传的甲基化，涉及基因组变化的基因突变，还有基因蛋白组学研究等。在生信研究中，甲基化用UALCAN数据库，基因突变可以用cBioPortal数据库。
2K10发布于 2020-08-04
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号