ScholarGate
Asszisztens
Process / pipelineBioinformatics / omics

Bayes-alapú proteomikai analízis — Valószínűségi következtetés tömegspektrometriai adatokból

A Bayes-alapú proteomikai analízis valószínűségi modelleket alkalmaz tömegspektrometriai adatokra peptidek azonosítására, fehérjeprezentia következtetésére és a fehérje-abundancia feltételes különbségeinek kvantifikálására. Az előzetes tudás kódolásával és a bizonytalanság propagálásával az egyes lépéseken keresztül a Bayes-alapú megközelítések kalibrált utólagos valószínűségeket adnak az azonosításra és kvantifikálásra, szemben az egyszerű pontbecslésekkel, lehetővé téve a hamis felfedezési arányok (false discovery rates) elvibb szabályozását és a bizonytalanság becsületesebb jelentését, mint a tisztán gyakorisági (frequentist) alternatívák.

Megnyitás itt: MethodMindHamarosanVideóHamarosanDownload slides

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Method map

The neighbourhood of related methods — select a node to explore.

Források

  1. Kall, L., Canterbury, J. D., Weston, J., Noble, W. S., & MacCoss, M. J. (2008). Semi-supervised learning for peptide identification from shotgun proteomics datasets. Nature Methods, 5(11), 923–925. link
  2. Choi, H., & Nesvizhskii, A. I. (2008). Semisupervised model-based validation of peptide identifications in mass spectrometry-based proteomics. Journal of Proteome Research, 7(1), 254–265. link

Hogyan hivatkozzon erre az oldalra

ScholarGate. (2026, June 3). Bayesian Statistical Analysis of Proteomics Data. ScholarGate. https://scholargate.app/hu/bioinformatics/bayesian-proteomics-analysis

Which method?

Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.

Compare side by side
ScholarGateBayesian Proteomics Analysis (Bayesian Statistical Analysis of Proteomics Data). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/bioinformatics/bayesian-proteomics-analysis · Adatkészlet: https://doi.org/10.5281/zenodo.20539026