Proteomic repository data submission, dissemination, and reuse: key messages.
Proteomic repository data submission, dissemination, and reuse: key messages.
复制标题
蛋白质组学知识库数据的提交、传播和再利用：关键信息。
DOI：
10.1080/14789450.2022.2160324
复制
发表时间：
2022-07
影响因子：
3.4
通讯作者：
Perez-Riverol Y
中科院分区：
文献类型：
--
作者：
Perez-Riverol Y
2012 年创建的 ProteomeXchange 数据工作流程彻底改变了蛋白质组学领域，包括数据提交和传播的标准化，并实现了全球公共 MS 蛋白质组学数据的广泛重新分析。 ProteomeXchange 引发了蛋白质组学数据公开传播的日益增长的趋势，促进了评估、重用、比较分析以及从公共数据集中提取新发现。到 2022 年，该联盟将由 PRIDE、PeptideAtlas、MassIVE、jPOST、iProX 和 Panorama Public 整合。超过 37,000 个数据集已提交至 ProteomeXchange，其中近 70% 现已公开。 ProteomeXchange 的成功和公共领域可用的蛋白质组学数据量引发了其他蛋白质知识库资源的创建和/或增长，例如 ProteomicsDB、GPMDB 和 MassIVE.quant、Expression Atlas、PeptideAtlas、Scop3P 等。本手稿回顾了当前用于蛋白质组学数据传播和再分析的资源、指南和文件格式的生态系统。特别关注新的令人兴奋的定量和翻译后修饰导向的资源。最后，讨论了数据沉积的挑战和未来方向，包括元数据的缺乏，以及用于对可用数据进行快速且可重复的重新分析的基于云的高性能软件解决方案。
The creation of ProteomeXchange data workflows in 2012 transformed the field of proteomics, consisting of the standardization of data submission and dissemination, and enabling the widespread reanalysis of public MS proteomics data worldwide. ProteomeXchange has triggered a growing trend toward public dissemination of proteomics data, facilitating the assessment, reuse, comparative analyses, and extraction of new findings from public datasets. By 2022, the consortium is integrated by PRIDE, PeptideAtlas, MassIVE, jPOST, iProX, and Panorama Public. More than 37,000 datasets have been submitted to ProteomeXchange and almost 70% are now publicly available. The success of ProteomeXchange and the amount of proteomics data available in the public domain have triggered the creation and/or growth of other protein knowledgebase resources such as ProteomicsDB, GPMDB, and MassIVE.quant, Expression Atlas, PeptideAtlas, Scop3P and others. This manuscript reviews the current ecosystem of resources, guidelines, and file formats for proteomics data dissemination and reanalysis. Special attention is drawn to new exciting quantitative and post-translational modification-oriented resources. Finally, the challenges and future directions on data depositions including the lack of metadata, and cloud-based and high-performance software solutions for fast and reproducible reanalysis of the available data are discussed.
登录
查看更多内容
影响因子：
3.4
作者：
Deutsch, Eric W.;Mendoza, Luis;Shteynberg, David;Farrah, Terry;Lam, Henry;Tasman, Natalie;Sun, Zhi;Nilsson, Erik;Pratt, Brian;Prazen, Bryan;Eng, Jimmy K.;Martin, Daniel B.;Nesvizhskii, Alexey I.;Aebersold, Ruedi
通讯作者：
Aebersold, Ruedi
影响因子：
3
作者：
Cote, Richard G;Jones, Philip;Martens, Lennart;Kerrien, Samuel;Reisinger, Florian;Lin, Quan;Leinonen, Rasko;Apweiler, Rolf;Hermjakob, Henning
通讯作者：
Hermjakob, Henning
影响因子：
48
作者：
Choi M;Carver J;Chiva C;Tzouros M;Huang T;Tsai TH;Pullman B;Bernhardt OM;Hüttenhain R;Teo GC;Perez-Riverol Y;Muntel J;Müller M;Goetze S;Pavlou M;Verschueren E;Wollscheid B;Nesvizhskii AI;Reiter L;Dunkley T;Sabidó E;Bandeira N;Vitek O
通讯作者：
Vitek O
影响因子：
9.2
作者：
Fahrner M;Föll MC;Grüning BA;Bernt M;Röst H;Schilling O
通讯作者：
Schilling O
影响因子：
14.9
作者：
Chen T;Ma J;Liu Y;Chen Z;Xiao N;Lu Y;Fu Y;Yang C;Li M;Wu S;Wang X;Li D;He F;Hermjakob H;Zhu Y
通讯作者：
Zhu Y