OptiMissP: A dashboard to assess missingness in proteomic data-independent acquisition mass spectrometry.
OptiMissP: A dashboard to assess missingness in proteomic data-independent acquisition mass spectrometry.
复制标题
DOI：
10.1371/journal.pone.0249771
复制
发表时间：
2021
期刊：
影响因子：
3.7
通讯作者：
Geifman N
中科院分区：
文献类型：
--
作者：
Arioli A;Dagliati A;Geary B;Peek N;Kalra PA;Whetton AD;Geifman N
缺失值是蛋白质组数据统计分析中的一个关键问题。在每项研究中，确定解决缺失值的策略是一项复杂的任务，可能会影响统计分析的质量。我们开发了OptiMissP，这是一个仪表板，用于在使用数据独立采集质谱法的蛋白质组学研究中直观和定性地评估缺失并指导缺失值处理决策。它提供了一套可视化的工具，通过蛋白质密度和基于拓扑的方法来检索有关缺失的信息，并有助于探索不同的插补方法和缺失阈值。OptiMissP为研究人员和临床医生对蛋白质组数据集缺失的定性评估提供支持，以定义处理缺失值的研究特定策略。OptiMissP考虑了与插补方法选择相关的蛋白质分布偏差，并帮助分析人员平衡低缺失阈值引起的信息损失和选择高缺失阈值引入的噪声。拓扑数据分析对此进行了补充，它提供了对数据结构及其缺失的额外见解。我们使用慢性肾脏疾病的例子来说明OptiMissP的主要功能。
Missing values are a key issue in the statistical analysis of proteomic data. Defining the strategy to address missing values is a complex task in each study, potentially affecting the quality of statistical analyses. We have developed OptiMissP, a dashboard to visually and qualitatively evaluate missingness and guide decision making in the handling of missing values in proteomics studies that use data-independent acquisition mass spectrometry. It provides a set of visual tools to retrieve information about missingness through protein densities and topology-based approaches, and facilitates exploration of different imputation methods and missingness thresholds. OptiMissP provides support for researchers’ and clinicians’ qualitative assessment of missingness in proteomic datasets in order to define study-specific strategies for the handling of missing values. OptiMissP considers biases in protein distributions related to the choice of imputation method and helps analysts to balance the information loss caused by low missingness thresholds and the noise introduced by selecting high missingness thresholds. This is complemented by topological data analysis which provides additional insight to the structure of the data and their missingness. We use an example in Chronic Kidney Disease to illustrate the main functionalities of OptiMissP.
登录
查看更多内容
代谢组学的数据预处理策略，以减少数据分析中的掩模效应。
影响因子：
5
作者：
Yang J;Zhao X;Lu X;Lin X;Xu G
通讯作者：
Xu G
影响因子：
4.6
作者：
Sajic, Tatjana;Ciuffa, Rodolfo;Aebersold, Ruedi
通讯作者：
Aebersold, Ruedi
影响因子：
4.4
作者：
Geary, Bethany;Walker, Michael J.;Whetton, Anthony D.
通讯作者：
Whetton, Anthony D.
影响因子：
5.8
作者：
Stekhoven, Daniel J.;Buehlmann, Peter
通讯作者：
Buehlmann, Peter
影响因子：
4
作者：
Sugimoto M;Kawakami M;Robert M;Soga T;Tomita M
通讯作者：
Tomita M