直播回放 | EMBO Molecular Medicine | PRM+机器学习挖掘质谱血清蛋白质标志物 刘晓慧老师
主题：PRM+机器学习挖掘质谱血清蛋白质标志物
刊物：EMBO Molecular Medicine杂志（IF 14.260/Q1）
受众：科研院所 | 服务公司 | 医院
领域：血清蛋白标志物 | PRM（平行反应监测技术）| 风险分层
注意：回放视频在“4 讲座回放”，问答环节在“5 讲座问答”
1、嘉宾介绍
2、讲座目录
3、讲座亮点
（1）基于质谱的血清蛋白质标志物发掘方法和存在的问题
尽管疾病标志物发现的理想临床样本是血清/血浆，但是血清/血浆蛋白高丰度占比高，高丰度去除以及分馏，步骤复杂而且通量低、组织特异性不足、验证效率以及数据稳定性需要得到改善以满足大规模样本的检测需求。面对这些问题，常规的方法是什么？有什么问题？作者的这套流程，又是受到哪位专家的启发和鼓励？刘老师给你做出解答。
（2）怎么提高血清标志物筛选的效率和特异性 - 建立疾病特异的诊断标志物数据库
假如你发现，同一个疾病，不同的文章里面找到不同的关键蛋白，这些结果应该怎样结合到你的研究当中去？如果要做成数据库，并且保证是疾病特异的标志物数据库，刘老师提到的几点你必须掌握。
（3）怎么提高血清标志物的验证效率 -DeepPRM方法的开发和评价
一旦你形成了疾病特异的标志物数据库，接下来你需要挑选合适的目标肽段做验证。利用深度机器学习算法构建模型，预测目标蛋白谱图库，从肽段的Transition、 保留时间、 相对信号强度、 可检测性全方位高精度预测，帮你提高标志物的验证效率。 它又比传统的工具好在哪里？今天给了你答案。
（4）破裂和未破裂动脉瘤血清标志物的发现和验证
颅内动脉瘤（Intracranial aneurysm，IA）是一种人群内发病率较高的疾病，占到普通人群的2-3%。围绕着破裂/未破裂，针对这个疾病的人群传统方法，比如数字减影血管造影（DSA）、磁共振血管造影（MRA）以及CT血管造影（CTA）等成本高，效率低，因此医生期望通过无创、标志物的手段，快速找到破裂风险的患者，因为这部分患者目前尚无可靠的标志物。你知道，对于IA这个疾病来说，是如何从文献调研开始，继而开启实验，找到标志物的吗？其定量分析实验如何保证其能获得良好的稳定性和重复性？
（5）基于机器学习的方法进行标志物的筛选、模型的建立和验证
靶向定量数据在经历1）差异蛋白筛选（DFR）；2）候选特征选择和模型构建（CFS & FMC）等步骤后，可以高效找到准确度（Ac）最高的分子标志物组合。
但是你知道，其中用了哪个算法？为什么挑选这个算法呢？这个算法结果如何？
找到biomarker, 然后安排了什么实验？
4、讲座回放
5、讲座问答
刘老师会对以下问题做出自己的解答。
对于Spike-in靶向定量实验，如何快速确定重标肽的掺入量呢？
刘老师这边提到最终挑选出113条肽段，最终确定的113条肽段归属到100个蛋白，对于靶向定量试验，很多人倾向于挑选2-3条肽/蛋白，您觉得是否有必要呢？
数据的归一化，您是用什么方法做的？
绝对定量用重标肽可以计算ratio值，但是非标定量的验证我看很多文献中是不做归一化的，不过毕竟无法保证进样量很一致，以及仪器的性能完全没有波动，所以相对来说定量的准确度会比较差，您这边有什么比较好的建议吗？
请问血液样本如何判断质谱鉴定到的蛋白是来源于组织还是血清？只是看蛋白序列有没有带信号肽吗？
构建的是疾病的血清蛋白标志物库。为什么还要把组织里面测到的蛋白也要放进来？这样会不会造成它不是血清特有的？
这些新找到的标志物，属于高丰度蛋白，还是中低丰度的蛋白？
其他问题和解答
最后， 感谢刘老师，感谢大家对本次直播话题的关注！
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
support@omicsolution.com
+86-18221381405