MetaproteomAnalyser Ziele: ID Pipeline für Proteomprojekte Statistische Auswertung Spektrensuche über Ähnlichkeit.

Präsentation zum Thema: "MetaproteomAnalyser Ziele: ID Pipeline für Proteomprojekte Statistische Auswertung Spektrensuche über Ähnlichkeit."—  Präsentation transkript:

1 MetaproteomAnalyser Ziele: ID Pipeline für Proteomprojekte Statistische Auswertung Spektrensuche über Ähnlichkeit

2 1.Projekt starten Projektverwaltung Einlesen Mgfs Protein ID Panel 1 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

3 2.Einlesen Mgfs Projektverwaltung Einlesen Mgfs Protein ID Panel 1 Einlesen Mgf`s Projekt: XYZ Spot: MS-Geräte: Files Auswählen x LC: Komentare: Files Auswählen äquivalent zu uiinput Matlab Danach Mgfs durchparsen Spektren DB erzeugen

4 3a.Protein ID Projektverwaltung Einlesen Mgfs Protein ID Panel 1 Protein ID Projekt: XYZ Datenbanksuche X!Tandem Files Auswählen x 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. 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

5 3b.Protein ID Projektverwaltung Einlesen Mgfs Protein ID Panel 1 Protein ID Projekt: XYZ Suche Starten ID LISTE Suche Listbox Sample 1 Sample 2 … Protein Score Peptide SC Assession number

6 1.Projekt starten Projektverwaltung Panel 1 Projektverwaltung

7 1.Projekt starten Projektverwaltung Panel 1 Projektverwaltung

8 1.Projekt starten Projektverwaltung Panel 1 Projektverwaltung

9 Main Mistakes in Software development Unrealistic or unarticulated project goals Inaccurate estimates of needed resources Badly defined system requirements Poor reporting of the project's status Unmanaged risks Poor communication among customers, developers, and users Use of immature technology Inability to handle the project's complexity Sloppy development practices Poor project management Stakeholder politics Commercial pressures

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