featureCounts真的很厉害. 常见的参数(没什么好说的,毕竟是固定的): -a -o input_file1 -F -t -g -Q -T 关键是以下几个参数怎么设置: -f # Perform read counting at feature level -O # Assign reads to all their overlapping meta-features -M # Multi-mapping reads will also be counted. --primary #

featuresCounts 软件用于定量,不仅可以支持gene的定量,也支持exon, gene bodies, genomic bins, chromsomal locations的定量: 官网 : http://bioinf.wehi.edu.au/featureCounts/ 只需要输入reads的比对情况,就是BAM 文件,再输入一个你感兴趣的区间的注释(通常是基因或者转录本的注释gtf 文件,就可以了),所以不论是DNA seq 还是RNA seq, 这个软件都是可以定量的. fea

这么多工具和基因组版本,选择困难症犯了,到底用哪个好呢? 2018 nature - Developmental diversification of cortical inhibitory interneurons : ENSEMBL release 84 Mus musculus genome 2017 Molecular Cell - Single-Cell Alternative Splicing Analysis with Expedition Reveals Splicing Dyn

cuffquant 定量的过程中,当所有基因或者转录本的表达量都为0时,定量的结果就回全部是-nan  , 而不是0: 出现这种情况有两种原因: 1) 参考基因组搞错了,比对和定量的不是同一个参考基因组,或者gtf 文件和fasta 文件中染色体标识符对应不上,最常见的情况就是,一个以chr开头,一个不带chr; 2) 确实是0,就是说比对灭有问题,就是没有比对上基因区间:当然这种概率非常小,如果遇到,只能说是小确幸: 值得高兴的是,今天我就遇到了这种情况,同一批样本,其中一个样本基因的表达量全

发表时间:(2019年4月) IF:3.95 单位: 维也纳医科大学: 欧洲生物信息研究所(EMBL-EBI): 分子病理学研究所: 奥地利科学院分子生物技术研究所: Gregor Mendel分子植物生物学研究所. 对象:质谱无标记定量结果 技术:聚类分析 一. 概述:(用精炼的语言描述文章的整体思路及结果) 本文选择四个不同的数据集,分为基于谱图数计数和基于峰值强度计数的无标记定量两种情况,对谱图进行聚类算法分析,提高了低丰度蛋白的可检测性,并开发了可直接使用的聚类方法的PD节点. 二. 研

期刊名:Mol Cell Proteomics 发表时间:(2019年4月) IF:5.232   概述 20S蛋白酶体是一种多亚基蛋白质复合物,参与许多组织细胞生命活动过程.本研究基于SILAC标记的蛋白酶体的MRM技术,以监测人体不同组织细胞中20S蛋白酶体亚型的绝对表达量.并将这种高准确性的SILAC标记的多重LC-选择反应监测(SRM)定量质谱分析方法,应用于对不同培养条件下体外扩增脂肪来源间充质干细胞(ADSCs)中的20S蛋白酶体表达量的监测,结果发现IFNγ刺激或20%常氧环境培养

关键词:PRM,kinase,colorectal cancer, metastasis, PRPS2 来自加州大学河滨分校的Yinsheng Wang教授应用PRM技术筛选出介导结肠癌细胞转移促进因子-PRPS2激酶.这项研究于2019年3月25日发表于蛋白组学主流期刊Journal of Proteome Research(原文链接:https://pubs.acs.org.ccindex.cn/doi/10.1021/acs.jproteome.9b00119). 背景 结肠癌(CRC)是

文献名:Quantitative mass spectrometry to interrogate proteomic heterogeneity in metastatic lung adenocarcinoma and validate a novel somatic mutation CDK12-G879V(利用定量质谱技术探究转移性肺腺瘤的蛋白质组异质性及验证新体细胞突变CDK12-G879V) 期刊名:Mol Cell Proteomics 发表时间:(2019年4月) IF:5.23

大家好,本周分享的是发表在MCP上的一篇关于鸟枪蛋白质组学中的错误率的文章,题目是Integrated identification and quantification error probabilities for shotgun proteomics,作者是瑞典皇家理工学院的Matthew The 和Lukas Kall. 鸟枪法蛋白质组学中蛋白的无标定量存在诸多误差.蛋白的鉴定就是其中的一个来源.然而人们经常忽略某些错误源,且在后续步骤中认为过滤得到的列表是完全正确的,这两个错误的累加很

期刊名:Journal of Proteome Research 发表时间:(2019年9月) IF:3.78 单位: 中国科学院大连化学物理研究所 中国科学院大学 大连医科大学第二附属医院 物种:人血浆 技术:用组氨酸修饰的具有可变换表面电荷的亲水性智能材料(组氨酸键合的二氧化硅,HBS)可选择性地从复杂的生物样品中富集唾液酸化的糖肽(SGP)   一. 概述: 糖蛋白的异常唾液酸化与许多恶性疾病密切相关,唾液酸化的分析对于揭示这些疾病的现状具有很大的潜力.然而,深入分析唾液酸化仍然具有挑战性

期刊名:Molecular & Cellular Proteomics 发表时间:(2019年12月) IF:4.828 单位:1德国海德堡大学附属医院2德国汉诺威医科大学3德国亥姆霍茲感染研究中心4德国马克斯·普朗克生化研究所5瑞典于默奥大学6葡萄牙波尔图大学7德国&柏林健康研究所 8法国里昂大学 物种:人 技术:非标定量蛋白质组学,免疫共沉淀,病毒化验 一. 概述: 该研究使用免疫共沉淀-非标定量蛋白质组学的方法发现了高尔基转运相关蛋白GBF1与乌库涅米病毒(UUKV)的感染有关.通过

定量变量(Quantitative Variables):也称为数值型变量(Numerical Variables),可以用连续值或离散值表示.比如:气温(连续值),学生人数(离散值). 为什么要对定量变量进行转换?大多数情况下,我们可以直接使用定量变量.但是有时候,特征和目标之间不呈线性关系.比如说年龄和收入之间的关系,当人年轻时,收入通常会稳步上升,但到了一定年纪之后,收入便开始降低.我们当然可以用非线性模型来拟合数据,但是这样会把模型弄得很复杂.因此比较好的做法是在数据准备的阶段就对定量变

定量比例尺 : 数学上有函数的概念,不是编程中所说的函数,如线性函数.指数函数.对数函数等,而指的是一个量随着另一个量的变化而变化.例如有一下线性函数 : y=2x+1该函数在二维坐标系中绘制出来的图形是一条直线,如果限制x的范围为[0,2],则可计算得到y的范围为[1,5].x的范围[0,2]称为该函数的定义域,y的范围称为该函数的值域.根据x计算得到y的方法称为对应法则.定义域.值域.对应法则称为函数的三要素.   在数据可视化中,常需要像上述函数一样,将一个量转换为另一个量.D3提供了这样

生物医学大数据-蛋白质定量 现今肽段定量效率存在巨大差异.比如相同质量蛋白质,但是肽段和蛋白信号不均一,在物理条件一致时,仅有70%的重复率,并且当重复次数变多时,overlapping在变少. 无标定量法 方法一是针对二级色谱的谱图计数,即统计二级色谱的数量,数量越多则蛋白丰度越高,但相同丰度蛋白也有不同的二级色谱数,所以算法目的是减少噪音. 方法二是针对一级色谱的离子流色谱峰XIC,即每个肽段的离子流色谱峰,可以取同一个肽段不同时间点上的信号强度,连接成峰,通过求该曲线的曲线下面积获取曲线信

文献名:Alterations of brain quantitative proteomics profiling revealed the molecular mechanisms of diosgenin against cerebral ischemia reperfusion effects(大脑的定量蛋白质组学揭示了薯蓣皂苷元对脑缺血再灌注效应的分子机制) 期刊名:J. Proteome Res 发表时间:(2020年3月) IF:3.78 (2018) 单位: 西安交通大学 中科院

期刊名:Journal of Proteome Research 发表时间:(2019年10月) IF:3.78 单位: 里约热内卢联邦大学 坎皮纳斯州立大学 坎皮纳斯州立大学神经生物学中心 卡拉博大学 慕尼黑大学 物种:人类脑部眶额叶皮层组织 技术:iTRAQ标记非靶相对定量,SRM靶向相对定量   一. 概述: 该研究选取了12例精神分裂病人和8例对照健康人群的眶额叶皮层(OFC)组织,通过iTRAQ标记非靶相对定量以及SRM靶向相对定量,进行了组织细胞中线粒体,粗提细胞核以及细胞质三大类亚

文献名:ComplexBrowser: a tool for identification and quantification of protein complexes in large-scale proteomics datasets(大规模蛋白组学数据集中鉴定和定量蛋白复合物) 期刊名:Mol Cell Proteomics 发表时间:(2019年11月) IF:4.828 单位:南丹麦大学生物化学与分子生物学系和VILLUM生物分析科学中心 物种:人和小鼠 技术:ComplexBrow

题目:Quantitative Proteomics of Th-MYCN Transgenic Mice Reveals Aurora Kinase Inhibitor Altered Metabolic Pathways and Enhanced ACADM To Suppress Neuroblastoma Progression 期刊:Journal of Proteome Research 发表时间:September 27, 2019 DOI:10.1021/acs.jproteom

一.数据处理基础 (一)数据分析的概念 城市数据分析,可以从数据分析的广义和狭义两个角度来看: 狭义的数据分析是指根据分析目的,采用对比分析.分组分析.交叉分析和回归分析等分析方法,对相关城市数据(包括统计数据和爬取的网络开放数据)进行处理与分析,提取有价值的信息,发挥数据的作用,得到一个特征统计量结果过程.可以用来进行城市的空间特征的计量分析.网络分析等. 更进一步,深层次的数据分析可以参照数据挖掘来认识,即是从大量的.不完全的.有噪声的.模糊的.随机的城市数据中,通过应用聚类.分类.回归和关

外泌体 (exosomes) 是由哺乳动物细胞通过"内吞-融合-外排"等机制,主动向胞外释放的纳米级 (直径40~60 nm) 双层囊泡小体,携带蛋白质.核酸.脂质等多种生物活性分子.越来越多的证据表明,外泌体是细胞间交流的重要媒介,它们可以将功能性分子转移到受体细胞中,或参与受体细胞膜受体介导的信号传导 .此外,由于外泌体在体液中很容易获得,常作为非侵入性液体活检的重要内容,以帮助识别疾病和评估治疗反应.而外泌体的天然分子转运特性以及良好的生物相容性,也令其在药物载体.递送.治疗等领