【周四直播预告】| EMBO Molecular Medicine | PRM+机器学习挖掘质谱血清蛋白质标志物技术研讨会
8月18日上午10点起，三场讲座等着你。欢迎你扫描下图二维码预约本次会议：
第一场：我们请来刘晓慧老师--复旦大学生物医学研究院高级工程师亲临直播间，与你一起聊聊基于质谱技术的高效血清蛋白质标志物筛选策略。
上午嘉宾介绍
刘晓慧 复旦大学生物医学研究院 高级工程师
科研与学术经历：
2006-07 至今， 复旦大学生物医学研究院
长期从事基于质谱的蛋白质和多肽定性和定量方法开发和应用研究。
研究方向：1.样品前处理方法开发-快速、微量、自动化样品的前处理方法开发；2.质谱谱图深度学习技术和应用开发；3.磷酸化蛋白质方法开发和应用；4.高通量、严质控的大规模队列临床质谱方法开发。
在Nature Communications, EMBO molecular medicine, British Journal of Cancer , Analytical Chemistry 等期刊发表SCI论文多篇。
上午讲座内容
10：00~12：00 | 基于质谱技术的高效血清蛋白质标志物筛选策略
刘晓慧老师团队建立了针对特定疾病的全面血清标志物验证策略，并用这个策略研究了“颅内动脉瘤”（IA）这个疾病的大规模血清队列（队列I = 212，队列II = 32），实现对数百种生物标志物的质谱分析设计，建立两套具有高分类准确度的血清蛋白生物标志物组合(P6和P8)。这项工作，在EMBO Molecular Medicine杂志（IF 14.260/Q1）上已发表，题为“Circulating proteomic panels for risk stratification of intracranial aneurysm and its rupture”。
在这项工作中，针对颅内动脉瘤血清标志物研究的几大难点：
1）血清蛋白质组研究深度不够
2）疾病分泌到外周血中的因子含量极少
3）临床组织样品获取困难，且量少
利用这个策略， 团队构建了一个全面的疾病潜在血清蛋白质标志物数据库（SPCBB），使得以往研究信息得以积累，让目标标志物验证更全面；并且提出了DeepPRM靶向验证策略，利用深度学习来调整和优化质谱数据，针对SPCBB的蛋白质，预测其特征肽段可检出性和保留时间，极大程度上降低了传统靶向蛋白质验证中的标准肽段合成成本，提高了效率，筛选到了高灵敏度和特异性的血清蛋白标志物，以预测颅内动脉瘤这个疾病的破裂可能性。
那么你又会问了。这项研究的结果怎么一步步来的？
接下来的第二场与第三场则安排在18日下午。我们从实际数据出发，利用EMBO Molecular Medicine这一篇文章数据，由易算生物技术团队的产品应用经理王晓庆、以及生物信息工程师刘和斌为您还原从原始数据到找到标志物组合的处理过程。
下午嘉宾介绍
王晓庆 |上海易算生物科技有限公司|产品应用经理
毕业于复旦大学生物医学研究院，主要研究方向为疾病蛋白质组。长期从事基于质谱的蛋白质组学定量方法的推广、应用及数据分析。
刘和斌 |上海易算生物科技有限公司|生物信息工程师
具有五年以上蛋白质组学流程分析经验
擅长数据可视化，机器学习，大数据分析
参与deepDIA、 deepPRM 、GlycAP、 Easydia、DeeP 工具研发设计
下午讲座内容
14：00~16：50 | 如何快速高效完成大队列PRM验证
17：00~17：30 | DeepPRM操作以及机器学习识别标志物
在这两场讲座中，您将会看到如何快速高效完成大队列PRM验证，如何使用DeepPRM这套工具实现靶向蛋白的特征肽段可检出性和保留时间的预测过程， 以及如何利用机器学习的算法对靶向定量数据实现从差异蛋白筛选、候选特征选择和模型构建的具体过程，以找到准确度最高的分子标志物组合。划重点：当你只有真正执行过质谱数据的实际操作，你才可能真正理解它的意义。
欢迎扫码预约，也欢迎你在评论区留下你想问的问题。
易算更多内容
突破上限10000PG！Spectronaut16测评之2:深度
两万字直播精华 | 与结肠癌诊断和转移有关的无创尿液蛋白标志物 |7月21日下午3点| 郭正光副研究员 VS 王玲 直播回顾
方群组、易算：单细胞蛋白质组实现 3000+PG/单个细胞超高深度定量