本頁只刊出中文翻譯與中文說明；英文原文請見下方原文連結。
原文連結
論文資訊
- 類型：工作論文
- 編號：工作論文 #622
- 日期：2026-03-18
摘要
動機：為了在蛋白質體範圍內準確識別蛋白質功能，需要在高通量實驗內部和之間整合數據。高通量蛋白質組資料集通常具有很高的錯誤率，因此產生不完整和矛盾的資訊。在本研究中，我們使用貝葉斯定律開發了一個簡單的統計框架來解釋這些數據並結合來自不同高通量實驗的資訊。為了說明我們的方法，我們將其應用於兩個蛋白質複合物純化資料集。結果：我們的方法展示瞭如何使用高通量數據來準確計算兩種蛋白質屬於同一複合物的機率。重要的是，我們的方法不需要經過驗證的蛋白質相互作用的參考集來確定蛋白質關聯的假陽性和假陰性錯誤率。我們也示範如何將兩個單獨的蛋白質純化資料集的資訊組合成一個組合資料集，該資料集比單獨的任何一個資料集具有更大的覆蓋範圍和準確性。此外，我們還提供了一種估計使用特定實驗技術可以檢測到的蛋白質總數的技術。可用性：可在 www.unm.edu/~compbio/software/DatasetAssess 上找到一套簡單的程式來完成上述一些任務