Estimating tissue-specific peptide abundance from public RNA-Seq data.
Estimating tissue-specific peptide abundance from public RNA-Seq data.
复制标题
DOI：
10.3389/fgene.2023.1082168
复制
发表时间：
2023
影响因子：
3.7
通讯作者：
Kosaloglu-Yalcin, Zeynep
中科院分区：
文献类型：
--
作者：
Frentzen, Angela;Greenbaum, Jason A.;Kim, Haeuk;Peters, Bjoern;Kosaloglu-Yalcin, Zeynep
几种新型MHC I类表位预测工具还结合了肽源抗原的丰度水平，并且在预测免疫原性方面表现出了更好的性能。这些工具需要用户输入感兴趣的MHC等位基因和肽序列，以及肽源蛋白的丰度水平。然而，这样的表达数据通常不能直接提供给用户，并且从公共数据库检索肽的源抗原的表达水平并不简单。我们已经开发了肽表达注释器（PepX），它以肽为输入，识别肽可以从哪些蛋白质衍生，并从选定的公共数据库返回这些源蛋白质的表达水平的估计。我们还研究了如何在肽可以源自多种转录物和蛋白质的情况下最好地估计肽的丰度水平，并发现总结转录水平表达值在区分配体和诱饵肽方面表现最好。
Several novel MHC class I epitope prediction tools additionally incorporate the abundance levels of the peptides’ source antigens and have shown improved performance for predicting immunogenicity. Such tools require the user to input the MHC alleles and peptide sequences of interest, as well as the abundance levels of the peptides’ source proteins. However, such expression data is often not directly available to users, and retrieving the expression level of a peptide’s source antigen from public databases is not trivial. We have developed the Peptide eXpression annotator (pepX), which takes a peptide as input, identifies from which proteins the peptide can be derived, and returns an estimate of the expression level of those source proteins from selected public databases. We have also investigated how the abundance level of a peptide can be best estimated in cases when it can originate from multiple transcripts and proteins and found that summing up transcript-level expression values performs best in distinguishing ligands from decoy peptides.
登录
查看更多内容
影响因子：
32.4
作者：
Abelin JG;Keskin DB;Sarkizova S;Hartigan CR;Zhang W;Sidney J;Stevens J;Lane W;Zhang GL;Eisenhaure TM;Clauser KR;Hacohen N;Rooney MS;Carr SA;Wu CJ
通讯作者：
Wu CJ
影响因子：
14.9
作者：
Vita R;Mahajan S;Overton JA;Dhanda SK;Martini S;Cantrell JR;Wheeler DK;Sette A;Peters B
通讯作者：
Peters B
影响因子：
30.8
作者：
Weinstein, John N.;Collisson, Eric A.;Mills, Gordon B.;Shaw, Kenna R. Mills;Ozenberger, Brad A.;Ellrott, Kyle;Shmulevich, Ilya;Sander, Chris;Stuart, Joshua M.
通讯作者：
Stuart, Joshua M.
影响因子：
9.5
作者：
Luo, Hong;Nijveen, Harm
通讯作者：
Nijveen, Harm
影响因子：
10.9
作者：
Marcu A;Bichmann L;Kuchenbecker L;Kowalewski DJ;Freudenmann LK;Backert L;Mühlenbruch L;Szolek A;Lübke M;Wagner P;Engler T;Matovina S;Wang J;Hauri-Hohl M;Martin R;Kapolou K;Walz JS;Velz J;Moch H;Regli L;Silginer M;Weller M;Löffler MW;Erhard F;Schlosser A;Kohlbacher O;Stevanović S;Rammensee HG;Neidert MC
通讯作者：
Neidert MC