Key points are not available for this paper at this time.
Le développement rapide et l'adoption généralisée des technologies glycoprotéomiques basées sur la spectrométrie de masse ont permis aux scientifiques d'étudier les protéines et la glycosylation des protéines dans des échantillons complexes à grande échelle. Ce progrès a également créé des défis sans précédent pour les laboratoires individuels à stocker, gérer et analyser les données protéomiques et glycoprotéomiques, tant en termes de coûts pour les logiciels propriétaires et l'informatique haute performance qu'en termes de longs temps de traitement qui découragent les modifications à la volée des paramètres de traitement des données nécessaires dans les analyses exploratoires et de découverte. Nous avons développé un pipeline open source basé sur le cloud, MS-PyCloud, avec une interface utilisateur graphique (IUG), pour l'analyse des données protéomiques et glycoprotéomiques. Les principaux composants de ce pipeline incluent la validation de l'intégrité des fichiers de données, la recherche dans la base de données MS/MS pour l'attribution spectrale aux séquences peptidiques, l'estimation du taux de faux positifs, l'inférence protéique, la quantification des niveaux globaux de protéines et des glycopeptides modifiés par des glycanes spécifiques ainsi que d'autres peptides spécifiques de modification tels que la phosphorylation, l'acétylation et l'ubiquitination. Pour garantir la transparence et la reproductibilité de l'analyse des données, MS-PyCloud inclut des outils logiciels open source avec des tests complets et un suivi des versions pour les attributions de spectres. Tirant parti de l'infrastructure de cloud public via Amazon Web Services (AWS), MS-PyCloud s'adapte sans effort en fonction de la demande d'analyse pour atteindre une performance rapide et efficace. L'application du pipeline à l'analyse de jeux de données LC-MS/MS à grande échelle a démontré l'efficacité et les hautes performances de MS-PyCloud. Le logiciel peut être téléchargé sur https://github.com/huizhanglab-jhu/ms-pycloud.
Hu et al. (Jeu,) ont étudié cette question.