iQuantitator: a tool for protein expression inference using iTRAQ.
iQuantitator: a tool for protein expression inference using iTRAQ.
复制标题
iquantitator：使用itraq进行蛋白质表达推断的工具。
DOI：
10.1186/1471-2105-10-342
复制
发表时间：
2009-10-18
影响因子：
3
通讯作者：
Schey KL
中科院分区：
文献类型：
--
作者：
Schwacke JH;Hill EG;Krug EL;Comte-Walters S;Schey KL
相对和绝对定量等压标签(iTRAQ™)[应用生物系统]在差异蛋白质表达分析中的应用越来越多。为了促进分析iTRAQ数据的日益增长的需求，特别是对于涉及多个iTRAQ实验的情况，我们开发了一种建模方法、统计方法和工具，用于估计不同处理和实验条件下蛋白质表达的相对变化。这种建模方法提供了对多个iTRAQ实验数据的统一分析，并通过对数变换下的加法模型将观察量(报告离子峰面积)与实验设计和计算的兴趣量(治疗依赖的蛋白质和多肽折叠变化)联系起来。其他人已经通过案例研究演示了这种建模方法，并指出了在典型的多个iTRAQ实验的不平衡数据集中进行参数推断的计算挑战。在这里，我们介绍了一种推理方法的发展，该方法基于递阶回归和回归系数分批以及马尔可夫链蒙特卡罗(MCMC)方法，克服了其中的一些挑战。除了我们对基本方法的讨论外，我们还介绍了我们的软件实现、模拟结果、实验结果以及由此产生的分析报告的样本输出。IQuantitator的基于过程的建模方法克服了当前方法的局限性，允许在各种实验设计中应用。此外，该工具制作的超文本链接文件有助于解释和探索结果。
Isobaric Tags for Relative and Absolute Quantitation (iTRAQ™) [Applied Biosystems] have seen increased application in differential protein expression analysis. To facilitate the growing need to analyze iTRAQ data, especially for cases involving multiple iTRAQ experiments, we have developed a modeling approach, statistical methods, and tools for estimating the relative changes in protein expression under various treatments and experimental conditions. This modeling approach provides a unified analysis of data from multiple iTRAQ experiments and links the observed quantity (reporter ion peak area) to the experiment design and the calculated quantity of interest (treatment-dependent protein and peptide fold change) through an additive model under log transformation. Others have demonstrated, through a case study, this modeling approach and noted the computational challenges of parameter inference in the unbalanced data set typical of multiple iTRAQ experiments. Here we present the development of an inference approach, based on hierarchical regression with batching of regression coefficients and Markov Chain Monte Carlo (MCMC) methods that overcomes some of these challenges. In addition to our discussion of the underlying method, we also present our implementation of the software, simulation results, experimental results, and sample output from the resulting analysis report. iQuantitator's process-based modeling approach overcomes limitations in current methods and allows for application in a variety of experimental designs. Additionally, hypertext-linked documents produced by the tool aid in the interpretation and exploration of results.
登录
查看更多内容
影响因子：
5.8
作者：
Laderas, Ted;Bystrom, Cory;McWeeney, Shannon
通讯作者：
McWeeney, Shannon
影响因子：
7
作者：
Ross, PL;Huang, YLN;Pappin, DJ
通讯作者：
Pappin, DJ
影响因子：
4.4
作者：
Shifman, Mark A.;Li, Yuli;Williams, Kenneth R.
通讯作者：
Williams, Kenneth R.
影响因子：
14.9
作者：
Yu CY;Tsui YH;Yian YH;Sung TY;Hsu WL
通讯作者：
Hsu WL
影响因子：
7.4
作者：
Liu, HB;Sadygov, RG;Yates, JR
通讯作者：
Yates, JR