• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利:CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法,用中文像聊天一样搜索,搜遍4000万医学文献。AI智能推荐,让科研检索更轻松。

立即免费搜索

文件翻译

保留排版,准确专业,支持PDF/Word/PPT等文件格式,支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述,25分钟生成高质量综述,智能提取关键信息,辅助科研写作。

立即免费体验

在PROTEUS中使用本体对蛋白质组学数据挖掘应用进行建模。

Using ontologies in PROTEUS for modeling proteomics data mining applications.

作者信息

Cannataro Mario, Guzzi Pietro Hiram, Mazza Tommaso, Tradigo Giuseppe, Veltri Pierangelo

机构信息

Magna Graecia University, 88100 Catanzaro, Italy.

出版信息

Stud Health Technol Inform. 2005;112:17-26.

PMID:15923712
Abstract

Bioinformatics applications are often characterized by a combination of (pre) processing of raw data representing biological elements, (e.g. sequence alignment, structure prediction), and an high level data mining analysis. Developing such applications needs knowledge of both data mining and bioinformatics domains, that can be effectively achieved by combining ontology about the application domain and ontology about the approaches and processes to solve the given problem. In this paper we talk about using ontologies to model proteomics in silico experiments. In particular data mining of mass spectrometry proteomics data is considered.

摘要

生物信息学应用通常具有对表示生物元素的原始数据进行(预)处理(例如序列比对、结构预测)以及高级数据挖掘分析相结合的特点。开发此类应用需要数据挖掘和生物信息学领域的知识,通过结合关于应用领域的本体以及关于解决给定问题的方法和过程的本体能够有效地实现这一点。在本文中,我们讨论使用本体对蛋白质组学虚拟实验进行建模。特别考虑了质谱蛋白质组学数据的数据挖掘。

相似文献

1
Using ontologies in PROTEUS for modeling proteomics data mining applications.在PROTEUS中使用本体对蛋白质组学数据挖掘应用进行建模。
Stud Health Technol Inform. 2005;112:17-26.
2
A bioinformatics perspective on proteomics: data storage, analysis, and integration.蛋白质组学的生物信息学视角:数据存储、分析与整合。
Biosci Rep. 2005 Feb-Apr;25(1-2):95-106. doi: 10.1007/s10540-005-2850-4.
3
Bioinformatics and data mining in proteomics.蛋白质组学中的生物信息学与数据挖掘
Expert Rev Proteomics. 2006 Jun;3(3):333-43. doi: 10.1586/14789450.3.3.333.
4
Proteome informatics I: bioinformatics tools for processing experimental data.蛋白质组信息学I:用于处理实验数据的生物信息学工具。
Proteomics. 2006 Oct;6(20):5435-44. doi: 10.1002/pmic.200600273.
5
Proteome informatics II: bioinformatics for comparative proteomics.蛋白质组信息学II:比较蛋白质组学的生物信息学
Proteomics. 2006 Oct;6(20):5445-66. doi: 10.1002/pmic.200600275.
6
Analysis of mass spectrometry data in proteomics.蛋白质组学中质谱数据的分析。
Methods Mol Biol. 2008;453:105-22. doi: 10.1007/978-1-60327-429-6_4.
7
Do we want our data raw? Including binary mass spectrometry data in public proteomics data repositories.我们希望获得原始数据吗?将二元质谱数据纳入公共蛋白质组学数据存储库。
Proteomics. 2005 Aug;5(13):3501-5. doi: 10.1002/pmic.200401302.
8
A top-level ontology of functions and its application in the Open Biomedical Ontologies.功能的顶级本体及其在开放生物医学本体中的应用。
Bioinformatics. 2006 Jul 15;22(14):e66-73. doi: 10.1093/bioinformatics/btl266.
9
Integrating forward and reverse proteomics to unravel protein function.整合正向和反向蛋白质组学以揭示蛋白质功能。
Proteomics. 2006 Oct;6(20):5467-80. doi: 10.1002/pmic.200600211.
10
The pitfalls of proteomics experiments without the correct use of bioinformatics tools.蛋白质组学实验中若不正确使用生物信息学工具所存在的缺陷。
Proteomics. 2006 Oct;6(20):5577-96. doi: 10.1002/pmic.200600223.

引用本文的文献

1
Early Diagnosis: End-to-End CNN-LSTM Models for Mass Spectrometry Data Classification.早期诊断:用于质谱数据分析分类的端到端 CNN-LSTM 模型。
Anal Chem. 2023 Sep 12;95(36):13431-13437. doi: 10.1021/acs.analchem.3c00613. Epub 2023 Aug 25.