MetaproteomeAnalyser Ziele: ID Pipeline für Proteomprojekte Statistische Auswertung Spektrensuche über Ähnlichkeit Ansprüche Flexibel aber einfach Funktional.

Präsentation zum Thema: "MetaproteomeAnalyser Ziele: ID Pipeline für Proteomprojekte Statistische Auswertung Spektrensuche über Ähnlichkeit Ansprüche Flexibel aber einfach Funktional."—  Präsentation transkript:

1 MetaproteomeAnalyser Ziele: ID Pipeline für Proteomprojekte Statistische Auswertung Spektrensuche über Ähnlichkeit Ansprüche Flexibel aber einfach Funktional

2 1.Projekt starten Projektverwaltung Einlesen Mgfs Protein ID Ähnlichkeitssuche Auswertung Projektverwaltung New ProjektLoad Projekt Projektname: Save Projekt Delete Projekt Listbox Eigenschaft 1 Eigenschaft 2 … Eigenschaft X: Wert Eigenschaft X: Weitere Eigenschaft Eigenschaft löschen Komentare: Projekt DB erzeugen Projekt vereinigen und teilen??? Vorgaben Sinnvoll Datenbank Spektren: ProjektID Projektname Eigenschaften Projekt

3 2.Einlesen Mgfs Projektverwaltung Einlesen Mgfs Protein ID Panel 1 Einlesen Mgf`s Projekt: XYZ Spot: MS-Geräte: Files Auswählen x Gesamtverdau: Komentare: Files Auswählen äquivalent zu uiinput Matlab Danach Mgfs durchparsen Spektren DB erzeugen Projektverwaltung Einlesen Mgfs Protein ID Ähnlichkeitssuche Auswertung Datenbank Spektren: ID Welches Projekt m/z Charge Intensity Spektrum Gerät Spot Spektrum Qualität??

4 3a.Protein ID Projektverwaltung Einlesen Mgfs Protein ID Panel 1 Protein ID Projekt: XYZ Datenbanksuche X!Tandem Files Auswählen x OMSSA Inspect Myrimatch PepNovo+ Mascot Crux de novo Tag based x x x x x x Spotdatenbank Use Spotdatenbank: x Select Spotdatenbank Ausgewählte Spotdatenbank Neue Spots mit aufnehmen: x Suche Starten ID LISTE Suche Projektverwaltung Einlesen Mgfs Protein ID Ähnlichkeitssuche Auswertung Ähnlichkeitssuche Auswertung Datenbank Spots: Regelmäßig neue Spots einfüttern Komentare: Thilos Ansatz Implementieren Selektspotdatenbank kann das in Thilos ansatz mit implementiert werden Scoring Algorithmus dahinter setzen Ergebnis Proteine in Spektrenliste Ergebnis Spots in Spektrenliste (mehrere Einträge möglich) Spot DB erneuert Quantitative? spectral counting [LSY04] Ergebnisse als XML speichern, auch kombinierte Ergebnisse. pI und MW mitnehmen Spotdatenbank erst nach ID# Auswahl, Einspeisen der Datenbank, mehrere Datenbanken auswählen, Validiesren der Datanbank

5 3b.Protein ID Projektverwaltung Einlesen Mgfs Protein ID Panel 1 Protein ID: Projekt XY Projekt: XYZ Suche Starten ID LISTE Suche Listbox Sample 1 Sample 2 … Protein Score Peptide SC Assession number Projektverwaltung Einlesen Mgfs Protein ID Ähnlichkeitssuche Auswertung Anderes Projekt laden Komentare: Filter für Keratin, Trypsin

6 4.Ähnlichkeitssuche Projektverwaltung Einlesen Mgfs Protein ID Panel 1 Ähnlichkeitssuche Projekt: XYZ Suche einzeln: Listbox Spektrum 1 Spektrum 2 x Projektverwaltung Einlesen Mgfs Protein ID Ähnlichkeitssuche Auswertung Spektren Laden X besten unbekannten Spektren Laden Spektrum Database Spektren Laden Spektrum ausgewählt Listbox Gefundenes Spektrum 1 Score XY Protein Gefundenes Spektrum 2 Score XY Protein DeNovoDecider per Hand Spektrum speichern Suche automatisch: x Ähnlichkeits- suche Komentare: Parameter noch ergänzen Ionen auswahl für de novo Was ist wenn PepNovo nichts findet, aber doch was interessantes was kann man daraus lernen Vorschlag von Pepnovo mitanzeigen Sequence

7 5.Auswertung Projektverwaltung Einlesen Mgfs Protein ID Panel 1 Projekt: XYZ Projektverwaltung Einlesen Mgfs Protein ID Ähnlichkeitssuche Auswertung Spektrum Database Spektrum ausgewählt Komentare: Parameter noch ergänzen Export zu Biocyc Auswertung Laden von Spektrendatabase/ Projekt Listbox Projekt 1 Projekt 2 Löschen von Spektrendatabase/ Projekt Auswertung Clustern Parameter 1: Auswertung PCA Parameter 1: ErgebnisBild Ergebnisbild

8 Main Mistakes in Software development Unrealistic or unarticulated project goals Inaccurate estimates of needed resources genug Manpower Badly defined system requirements genug RechenLeistung Poor reporting of the project's status mind. Wöchentliches meeting Wir, 1x Monat Dirk Unmanaged risks Poor communication among customers, developers, and users kurze Wege Use of immature technology Suchansatz von Thilo ausgereift genug? Inability to handle the project's complexity Sloppy development practices wichtig gute Dokumentation Poor project management was muss sonst noch alles beachtet werden? Stakeholder politics gleichberechtigte Partner Commercial pressures Veröffentlichung, aber vielleicht vor nicht zu Konferenzen

9 Software documentation Hat http://www.artima.com/weblogs/viewpost.js p?thread=35019tp://www.doclet.com/