NACH OBEN

Mature

actively developed tools / projects with stable executables / sources and support


Protein Array Analyzer (PAA)

Das R/Bioconductor-Paket Protein Array Analyzer (PAA) ermöglicht eine flexible Analyse von Protein-Mikroarrays für die Biomarker-Entdeckung (insbesondere ProtoArrays). Es bietet einen kompletten Datenanalyse-Workflow einschließlich Vorverarbeitung und Qualitätskontrolle, uni- und multivariate Merkmalsauswahl sowie mehrere verschiedene Plots und Ergebnistabellen zur Darstellung und Auswertung der Analyseergebnisse. Als Hauptmerkmal basieren die multivariaten Merkmalsauswahlmethoden der PAA auf der rekursiven Merkmalseliminierung (z.B. SVM-rekursive Merkmalseliminierung, SVM-RFE) mit stabilitätssichernden Strategien wie der Ensemble-Merkmalsauswahl. Dies ermöglicht es der PAA, stabile und zuverlässige Biomarker-Kandidatenpanels zu erkennen.


Publikation
Downloads
Kontakt
Links

nach oben

PIA - Protein Inference Algorithms

PIA ist ein Werkzeugkasten für MS-basierte Proteininferenz- und Identifikationsanalysen.

Mit PIA können Sie die Ergebnisse gängiger Suchmaschinen für die Identifizierung von Proteomspektren einsehen, sie nahtlos kombinieren und statistische Analysen durchführen. Das Hauptaugenmerk von PIA liegt auf den integrierten Inferenz-Algorithmen, d.h. auf der Schlussfolgerung der Proteine aus einem Satz identifizierter Spektren. Es erlaubt Ihnen aber auch, Ihre Peptidspektrum-Matches zu inspizieren, FDR-Werte über verschiedene Suchmaschinenergebnisse hinweg zu berechnen und die Korrespondenz zwischen PSMs, Peptiden und Proteinen zu visualisieren.

PIA in a Nutshell

Die meisten Suchmaschinen zur Proteinidentifizierung in MS/MS-Experimenten geben Proteinlisten zurück, obwohl die eigentliche Suche eine Reihe von Peptidspektrum-Matches (PSMs) ergibt. Der Schritt von PSMs zu Proteinen wird als "Protein-Inferenz" bezeichnet. Wenn ein Satz von identifizierten PSMs den Nachweis von mehr als einem Protein in der gesuchten Datenbank unterstützt ("Proteinmehrdeutigkeit"), wird in der Regel nur ein repräsentativer Beitritt gemeldet. Diese Vertreter können sich je nach verwendeter Suchmaschine und Einstellungen unterscheiden. Daher können die Proteinlisten verschiedener Suchmaschinen in der Regel nicht miteinander verglichen werden. PSMs von komplementären Suchmaschinen werden oft kombiniert, um die Anzahl der gemeldeten Proteine zu erhöhen oder um die Evidenz eines Peptids zu verifizieren, die durch die Erkennung mit unterschiedlichen Algorithmen verbessert wird.

Wir haben eine in Java geschriebene Algorithmus-Suite entwickelt, die vollständig parametrisierbare KNIME-Knoten enthält, die PSMs aus verschiedenen Experimenten und/oder Suchmaschinen kombinieren und konsistente und damit vergleichbare Ergebnisse melden. Keiner der Parameter, wie z.B. Filterung oder Bewertung, ist wie bei früheren Ansätzen fest vorgegeben, sondern wird so flexibel wie möglich gehalten, um alle vom Benutzer benötigten Anpassungen zu ermöglichen.

PIA kann über die Kommandozeile (auch in Docker-Containern) oder in der Workflow-Umgebung KNIME aufgerufen werden, was eine nahtlose Integration in OpenMS-Workflows ermöglicht.



Publikation
Downloads
Kontakt
Links

nach oben

CalibraCurve

Ein äußerst nützliches und flexibles Werkzeug zur Kalibrierung von gezielten MS-basierten Messungen. CalibraCurve ermöglicht eine automatisierte Batch-Modus-Bestimmung von dynamischen linearen Bereichen und Quantifizierungsgrenzen sowohl für gezielte Proteomik als auch für ähnliche Assays. Die Software verwendet eine Vielzahl von Messungen zur Beurteilung der Genauigkeit der Kalibrierung und bietet intuitive Visualisierungen.

Publikation
Download
Kontakt

nach oben

BIONDA

Die BIONDA Biomarker Datenbank bietet strukturierte Informationen zu allen Biomarkerkandidaten, die in PubMed-Artikeln veröffentlicht wurden. Es gibt keine Beschränkung auf irgendeine Art von Krankheiten. Zu diesem Zweck werden die Abstracts der PubMed-Artikel und renommierte Datenbanken wie UniProt und Human Disease Ontology als Quellen für die Datenbankeinträge von BIONDA verwendet. Diese werden mit Hilfe von Text-Mining-Methoden automatisch erfasst und regelmäßig aktualisiert. BIONDA ist über eine benutzerfreundliche Web-Schnittstelle frei verfügbar. Als spezifisches Merkmal werden die Datenbankeinträge von BIONDA durch einen Scoring-Ansatz bewertet, der die Zuverlässigkeit der Biomarker schätzt.


Kontakt