返回
Profiler: an open web platform for multi-omics analysis
DOI:10.1093/bioinformatics/btaf644.png)
摘要
En 中文
研究动机 高通量多组学技术产生日益庞大且异构的数据集,若无先进的计算专业知识难以分析。现有生物信息学工具常呈碎片化或仅限于特定组学类型,阻碍了可重复性和易用性。亟需一个集成、用户友好且可扩展的平台,以支持不同数据模态的多组学分析。
结果 我们提出Profiler,一个开源、模块化平台,在单一可重复环境中统一了数据导入、质量控制、预处理、统计检验、机器与深度学习、生物标志物发现、通路与药物靶点富集以及生存建模等功能。基于Python与Streamlit构建,Profiler可作为部署于高性能计算环境下的网络平台,也可作为桌面版本供本地执行,实现跨计算基础设施的灵活使用。Profiler支持多种组学模态,包括蛋白质组学、转录组学、脂质组学及脑电图数据。通过胶质母细胞瘤蛋白质组学、泛癌症及多组学数据集的应用,Profiler重现了已知的分子亚型,揭示了潜在的治疗靶点,并在数分钟内生成了完全可追溯的分析报告。通过将高级分析功能集成于直观界面,Profiler实现了多组学分析的普及化,并为系统生物学和精准医学研究提供了稳健、可扩展的基础。
可用性与实现 Profiler为开源且免费,可通过其网络平台(https://prism-profiler.univ-lille.fr)和GitHub(网络版:https://github.com/yanisZirem/Profiler_v1_requests_datatests,桌面版:https://github.com/yanisZirem/prism-profiler)获取,并已在Zenodo归档(DOI: https://doi.org/10.5281/zenodo.17478158)。
Keyword:
COMPUTATIONAL PLATFORM
期刊
IF:
5.4
论文数:
1.3K
被引数:
17.9W
机构
引用论文
DIA-NN: neural networks and interference correction enable deep proteome coverage in high throughputDia-nn: 神经网络和干扰校正可实现高通量的深度蛋白质组覆盖
NATURE METHODS
IF32.1
Making proteomics data accessible and reusable: Current state of proteomics databases and repositories使蛋白质组学数据可访问和可重复使用: 蛋白质组学数据库和存储库的当前状态
PROTEOMICS
IF3.9
Protocol to analyze 1D and 2D mass spectrometry data from glioblastoma tissues for cancer diagnosis and immune cell identification胶质瘤组织1D和2D质谱数据分析协议:用于癌症诊断和免疫细胞识别
pyComBat, a Python tool for batch effects correction in high-throughput molecular data using empirical Bayes methodspyComBat,一种使用经验贝叶斯方法在高通量分子数据中进行批量效应校正的Python工具

