- 1次围观
定量蛋白质组学需要对归一化、缺失数据处理和统计建模作出决策，而这些决策可能改变报告结果。ProteoScopeR 是一个 R 软件包和 Shiny 应用，可将这些决策整合到可追溯的工作流中，并补充 xOmicsShiny 中的下游探索。并列比较可揭示分布、特征保留、效应估计和入选蛋白质组的变化。一种可选的外部人工智能助手可审阅导出的证据，并提出供研究人员批准的设置；统计计算仍在 R 中完成。一项仅基于组别的案例研究使用了来自 69 份样本、由 DIA-NN 衍生的房水数据，以及导入的 3,667 个蛋白质组。研究筛查了六种归一化方法和七种缺失数据处理策略，并采用经批准的循环 loess 分析比较了五种差异分析流程。对于 nAMD 与 pmCNV 的比较，limma 和 proDA 分别筛选出 54 个和 37 个蛋白质组；其中 31 个为共同入选项，且校正后 P < 0.05、绝对 log2 倍数变化 ≥ 0.5。输入路由、研究人员的决策、锁定的设置以及执行回执共同保留了分析记录。这些比较反映的是分析选择所带来的敏感性，而非用于确定普遍最优的方法。
定量蛋白质组学需要对归一化、缺失数据处理和统计建模作出选择，而这些选择可能改变报告结果。ProteoScopeR 是一个 R 软件包和 Shiny 应用程序，可将这些选择整合到可追溯的工作流程中，并补充 xOmicsShiny 的下游探索功能。并列比较可揭示分布、特征保留情况、效应估计值和筛选出的蛋白质组的变化。用户还可选择外部人工智能助手，由其审阅导出的证据并提出设置建议，供研究人员审批；统计计算仍在 R 中完成。一项仅含组别信息的案例研究使用了由 DIA-NN 得出的房水数据，涵盖 69 个样本和导入的 3,667 个蛋白质组。研究筛选了六种归一化方法和七种缺失数据处理策略，并对经批准的循环 loess 分析进行了五种差异分析工作流程的比较。对于 nAMD 与 pmCNV 的比较，limma 和 proDA 分别筛选出 54 个和 37 个蛋白质组；在校正后 P < 0.05 且绝对 log₂ 倍数变化 ≥ 0.5 的条件下，两者共有 31 个筛选结果。输入路由、研究人员的决策、锁定的设置以及执行回执共同保留了分析记录。这些比较反映的是分析选择所带来的敏感性，而非旨在确定普遍优越的方法。
作者声明不存在利益冲突。
感谢您有意帮助传播 bioRxiv 的内容。
注意：要求您提供电子邮件地址，仅用于确认您是本文的发送者。
关键词：定量蛋白质组学 · 差异分析 · 数据归一化 · 缺失数据处理 · 可重复分析工作流
原文链接：https://www.biorxiv.org/content/10.64898/2026.09.20.752977v1?rss=1