蛋白质组学两个定量方法（iBAQ和LFQ）的区别及常见的标准化方法

最新推荐文章于 2023-07-08 00:03:57 发布
最新推荐文章于 2023-07-08 00:03:57 发布
阅读量1.7w 收藏 9
点赞数
分类专栏： 统计学 文章标签： 概率论 机器学习 深度学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/nixiang_888/article/details/122897657
版权
本文介绍了Maxquant软件在LabelFree蛋白质组学中的LFQ和iBAQ两种定量方法，解释了它们的区别。Intensity为原始强度值，iBAQ用于同样本内蛋白质比较，LFQ则用于跨样本表达差异分析。同时，讨论了数据标准化的几种方法，如Mean、Median、Max、Global和Z-score等规范化策略。
摘要由CSDN通过智能技术生成

1、基于Maxquant软件处理的LabelFree蛋白质组学

首先，在使用Maxquant软件进行查库的时候，有两个参数值得大家关注：LFQ和iBAQ。
当我们在进行搜库时，如果两个参数都选择，将会在结果文件中有三个定量结果：Intensity，IBAQ和LFQ。
接下来，我们来详细解释一下这三个定量结果的区别：

  • Intensity：将Protein Group中的所有Unique和Razor peptides的信号强度求和，作为最原始的强度值
  • iBAQ：基于 Intensity 的强度值，除以该蛋白的理论肽段数目，主要用于同一样本内，不同蛋白的相互比较
  • LFQ：基于 Intensity 的强度值，在不同样本间执行矫正操作，达到降低样本预处理，仪器分析等操作造成的样本间的差异，主要用于同一蛋白，不同样本间的表达差异。比如，不同处理方法间，同一蛋白的表达量变化

2、数据的标准化方法

  1. Mean normalization
    n o r m ( x i ) = x i m e a n ( x ) norm(x_i)=\frac{x_i}{mean(x)} norm(xi​)=mean(x)xi​​
  2. Median normalization
    n o r m ( x i ) = x i m e d i a n ( x ) norm(x_i) = \frac{x_i}{median(x)} norm(xi​)=
最低0.47元/天 解锁文章
Xiaofei@IDO
关注
专栏目录
基于shotgun蛋白质组学的MaxQuant质谱计算平台
qq_42712141的博客
01-04 5022
基于shotgun蛋白质组学的MaxQuant质谱计算平台 MaxQuant是基于质谱（Ms）的蛋白质组学数据分析最常用的平台之一。自2008年首次发布以来，它在功能上有了很大的发展，可以与更多的Ms平台结合使用。在这里，我们提出了一个更新的协议，涵盖了最重要的基本计算工作流程，包括那些设计用于定量无标记蛋白质组学，Ms1水平标记和等压标记技术。该协议提供了MaxQuant中使用的参数的完整描述，以及其集成搜索引擎andromeda的配置选项。该协议更新描述了对实质上修改了该技术的现有协议的适配。简要回顾了
4dda在linux中的意思,Evvail | MaxQuant-蛋白质组DDA数据分析金标准 | Omics - Hunter
weixin_30253289的博客
05-26 701
MaxQuant是基于质谱(Ms)的蛋白质组学DDA数据采集模式下的数据定量分析金标准，现在广泛应用于DDA数据分析，支持LFQ和Label的数据分析。MaxQuant 支持Windows和Linux(Linux版基于mono)下载地址：访问基本工作原理：支持市面上几乎所有仪器设备的原始Raw文件，其搜库引擎采用了Andromeda，针对不同的方法采用自定义评分方案，对每种特定的碎片化技术的多肽鉴...
ibaq intensity 蛋白组学 蛋白质组学两个定量方法（iBAQ和LFQ）的区别及常见的标准化方法
生信小博士的博客
07-06 2789
LFQ：基于 Intensity 的强度值，在不同样本间执行矫正操作，达到降低样本预处理，仪器分析等操作造成的样本间的差异，主要用于同一蛋白，不同样本间的表达差异。当我们在进行搜库时，如果两个参数都选择，将会在结果文件中有三个定量结果：Intensity，IBAQ和LFQ。iBAQ：基于 Intensity 的强度值，除以该蛋白的理论肽段数目，主要用于同一样本内，不同蛋白的相互比较。首先，在使用Maxquant软件进行查库的时候，有两个参数值得大家关注：LFQ和iBAQ。
蛋白组学 代谢组
生信小博士的博客
07-01 743
我们使用Maxquant做Label Free蛋白质组学定量分析的时候，在Maxquant的参数设置时，会遇到两个参数，LFQ和iBAQ，那么，选择哪个好呢？如果你都选上，在最终的proteingroups.txt中，会出现三列：Intensity、IBAQ、LFQ intensity，这三列中的数字，也就是蛋白的定量强度，并不一样，那么，到底那一列比较准呢？首先，让我们来看一下三者的计算原理是什么？
【结构生物学】基于AI辅助的结构蛋白质组学研究细胞内的蛋白质复合体
池塘春草梦的博客
05-16 1254
用交联质谱和共分离质谱识别PPI，并用AlphaFold-Multimer预测蛋白相互作用复合体的结构
蛋白质组学数据的归一化/标准化处理
最新发布
生信小博士的博客
07-08 2324
目的：调整由于技术，如处理、上样、预分、仪器等造成的样本间误差。这实际上是一种数据缩放的方法。一般在一个表达矩阵中，会涉及到多个样本，其表达量差异比较大，不能直接进行比较。比如某个样本表达量很大，在总体中就会占据绝对领导地位，这样就会掩盖掉表达量小的样本的作用，但并不代表它不重要，也有可能是这个样本含有较多的低表达基因，所以需要指定一个统一的标准，提前对样本原始表达量进行一定的处理。起源：处理方法借鉴基因表达数据，如RNAseq和芯片数据。
maxquant蛋白质检索数据库蛋白组组学软件
12-14
MaxQuant是一款先进的,免费的用于分析大型质谱数据集的定量蛋白质组学软件包。它是专门针对高分辨率的MS数据。支持多种定量标记技术及非标定量。
Positive predictive value
Work Hard, Play Harder!
07-15 3258
原文转载于：http://en.wikipedia.org/wiki/Positive_predictive_value Positive predictive value From Wikipedia, the free encyclopedia This article needs additional citations
LFQ-Analyst:LFQ分析师回购
05-01
用于分析无标签定量蛋白质组学数据集的工具 动机 自动进行无标签定量蛋白质组学数据的下游统计分析（由MaxQuant生成） 输入 MaxQuant proteinGroups.txt文件 包含三列（“标签”，“条件”，“复制”）的实验设计表...
Python 开发工具通过 agent 代理使用的方法
01-19
LFq51qqupnaiTNn39w6zATiOTxZI2JYuRJEBlzmUDv4zeeNlXhMgJZVb0q5QkLr+CIUrSuNB7ucifrGXawLB4qswPOXYG7+ItDNUR/9UkLTUWlnHLX07hnR1USOrWIjTmbytcIKEdaI6x0RskyotuItj84xxoSBP/iRBW2EHpOc 4、步骤 1、下载 pycharm ，...
蛋白组学搜库分析软件 MaxQuant使用教程
avareart的博客
04-26 6392
MaxQuant是基于质谱(Ms)的蛋白质组学数据分析最常用的平台之一，目前认可度相对较高，可针对多种质谱数据。拥有自己的肽段搜索引擎- Andromeda。对于碰撞诱导离解(CID)、高能碰撞离解(HCD)和电子转移离解(ETD)所产生的串联光谱可以很容易地用MaxQuant进行分析。针对每种方法，采用自定义的多级评分方案，对每种特定的碎片化技术的多肽鉴定进行优化。MaxQuant使用target-decoy搜索策略以估计和控制假阳性。 一.下载安装 官网：https://maxquant.ne.
Running MaxQuant——蛋白质组学建库软件（一）
Aurora_Chou的博客
09-20 1万+
1. 打开MaxQuant界面 2. 如果有之前设置好的参数，可以直接点击“文件”选择“加载参数”导入。没有则跳过。 3. “原始数据”： “Load”：将.raw文件直接导入软件，根据样本选择“No fractions”或者”Set fractions”。 4. “组特定参数”： “Modifications”：选择样本相关的修饰，点击“<”添加或删除。 “Instrument”：M...
阳/阴性预测值Positive/negative Predictive Value（推荐AA）
weixin_33919950的博客
05-03 3859
sklearn实战-乳腺癌细胞数据挖掘（博主亲自录制视频教程） https://study.163.com/course/introduction.htm?courseId=1005269003&amp;utm_campaign=commission&amp;utm_source=cp-400000000398149&amp;utm_medium=share    医药统计项目联系：QQ :...
Python:新手错误------invalid syntax
热门推荐
春秋
03-01 7万+
Python:新手错误------invalid syntax          Python刚刚上手在图书馆借了一本人民邮电的《Python核心编程》，结果才第一个程序就出问题了，看了半天也没看出原因，Google了一下，才明白是版本问题，python编译器书上使用的是2.多的版本，我用的是3.3.2的才会出错。      上图存在的问题是python3.多的版本以后要求prin
IBA属性存取问题
jeans
06-17 658
1）建立IBA属性后，该实例数据库的结构也自动更新么？是否包含这些IBA属性。我之前是一直在ROSE下建模，并用SQL语句建库。 2）对这些IBA属性的操作如保存、删除、更新、读取等，该如何进行？ 3）我刚接触IBA，还不太清楚它的工作机制，能否简单介绍一下。   建立IBA属性后，数据库的结构并不会改变，而只是数据库中的数据变化而已。 IBA属性并不是作为文档、零件等对象表中的字段，所以也称为软...
Razor何时使用花括号
Acettest's Blogs
04-18 435
在使用Razor时发现@符号有时候会跟花括号，有时又没有花括号，十分迷惑。那么何时使用花括号呢？实际上后面跟的是一个代码块时，就应该使用花括号。所谓代码块是指代码行数超过一行或只有一行代码，但是代码中涉及赋值操作而后面跟的是一个变量时，就不该使用花括号...
【机器学习&深度学习】数据标准化方法总结[Data Normalization]
JianJuly的博客
01-28 3081
转自https://vnnw00.wordpress.com/2010/07/06/%E6%95%B0%E6%8D%AE%E6%A0%87%E5%87%86%E5%8C%96%E6%96%B9%E6%B3%95%E6%80%BB%E7%BB%93data-normalization/ 在分析实验数据的时候，往往需要对数据进行标准化[normalization]，即将实验数据的取值转换到某一...
蛋白质组学数据分析实践
weixin_44307871的博客
05-27 2592
一、参考文章： The Primary Effect on the Proteome of ARID1A-mutated Ovarian Clear Cell Carcinoma is Downregulation of the Mevalonate Pathway at the Post-transcriptional Level 目标 理清文章思路 总结描述蛋白质组学部分的内容和流程 标示出与蛋白质组学相关的软件及需要下载的内容（如数据、软件） 二、下载软件 Ma
给我用C++实现无锁队列
06-08
好的，以下是一个简单的无锁队列的C++实现： ```cpp #include <atomic> #include <iostream> using namespace std; template <typename T> class LockFreeQueue { public: LockFreeQueue() { Node* dummy = new Node(); m_head.store(dummy); m_tail.store(dummy); } ~LockFreeQueue() { while (m_head != m_tail) { Node* next = m_head.load()->next; delete m_head.load(); m_head.store(next); } delete m_head.load(); } void push(T value) { Node* newNode = new Node(value); Node* tail; Node* next; while (true) { tail = m_tail.load(); next = tail->next.load(); if (tail == m_tail) { if (next == nullptr) { if (tail->next.compare_exchange_strong(next, newNode)) { break; } } else { m_tail.compare_exchange_strong(tail, next); } } } m_tail.compare_exchange_strong(tail, newNode); } bool pop(T& value) { Node* head; Node* tail; Node* next; while (true) { head = m_head.load(); tail = m_tail.load(); next = head->next.load(); if (head == m_head) { if (head == tail) { if (next == nullptr) { return false; } m_tail.compare_exchange_strong(tail, next); } else { if (m_head.compare_exchange_strong(head, next)) { value = next->value; delete head; break; } } } } return true; } private: struct Node { T value; atomic<Node*> next; Node() : next(nullptr) {} Node(T value) : value(value), next(nullptr) {} }; atomic<Node*> m_head; atomic<Node*> m_tail; }; int main() { LockFreeQueue<int> lfq; lfq.push(1); lfq.push(2); lfq.push(3); int value; while (lfq.pop(value)) { cout << value << endl; } return 0; } ``` 这里使用了C++11标准中的atomic库，实现了一个无锁队列。队列中的每个节点都是一个包含value和next两个成员的结构体。push()函数将新节点添加到队列尾部，pop()函数从队列头部弹出节点。由于无锁队列的操作是非阻塞的，因此需要使用循环来保证队列的一致性。
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值