蛋白质组学

蛋白组学生物信息资源列表

前言

在工业界,天天做着重复的简单工作,已失去了对领域新技术发展的敏感性和好奇心,对技术人员来说这是件可怕的事情。因为没时间,也没兴趣看文献,不能掌握第一手资料,只能在网上找找已有的信息,随便翻翻大佬的博客,看看人家在做什么。这样也能稍稍了解行业动态,有助于对知识的思考和业务水平的提升。

工具包

Bioconductor workflow:
关于蛋白组的内容并不多,目前只有proteomics这一个workflow。我暂时还没用过。
https://www.bioconductor.org/packages/release/workflows/html/proteomics.html

image.png

Github:
Github上topics以mass-spectrometry为关键词搜索结果(按标星排序):
https://github.com/topics/mass-spectrometry

以proteomics为关键词搜索结果:
https://github.com/topics/proteomics

有一个RforProteomics的R包专用统计了蛋白质组学数据分析的包,并进行可视化展示。

可以看出,相比于基因组学,蛋白组和代谢组流行的包实在太少了。后期我会从中选择几个感兴趣的工具试用下,如果好用再学习源码。

大佬Lab

  • 瑞士苏黎世联邦理工大学(ETH)Ruedi Aebersold团队
    https://imsb.ethz.ch/research/aebersold.html
    看看他们发的文章、软件,里面还有不少东西可挖,比如DIA视频课程:http://dia-swath-course.ethz.ch/videos.html

  • 德国马普研究所Matthias Mann团队
    https://www.biochem.mpg.de/en/rd/mann
    https://www.cpr.ku.dk/research/proteomics/mann-group/

  • 德国马普研究所Juergen Cox团队
    https://www.biochem.mpg.de/en/rg/cox
    因MaxQuant和Perseus有名。

  • 比利时根特大学系统生物学团队(Computational Omics and Systems Biology Group)
    这个团队生信很强,开发了不少软件,其中包括宏蛋白组学的研究。
    https://www.compomics.com/

  • 中国科学院pFind团队
    https://github.com/pFindStudio
    http://pfind.ict.ac.cn/
    p系列软件开发。

  • 美国贝勒医学院章冰团队
    http://www.zhang-lab.org/
    https://github.com/bzhanglab

  • 耶鲁大学刘延盛团队
    https://www.yslproteomics.org/

  • 西湖大学郭天南团队
    http://www.guomics.com/

会议

  • 中国计算蛋白质组学研讨会(CNCP)
    http://cncp.ict.ac.cn/2018/index.html
    中国计算蛋白质组学会议是pFind团队主办的小型会议,算是集结了中国蛋白组生信力量。从2010年开始,会议每两年举办一次,目前已举办了五届。稍微看了下往届的安排、主题、内容和文化,感觉挺好的。希望今年有机会参加上海的会议。里面有部分公开的视频和课件,虽然是几年前的东西,感觉还不过时(可能是质谱技术发展受限的缘故吧),可挑取自己感兴趣的内容,仔细看看,收获会有不少。

  • 国际蛋白质组学大会,HUPO(Human Proteome Organisation)
    https://hupo.org/
    历届会议资料:https://hupo.org/HUPO-Congresses
    偏学术。看看就行,不评价。

  • 中国蛋白质组学大会,CNHUPO(China Human Proteome Organization)
    偏科研应用,貌似没官网。

  • 美国质谱学会,ASMS(American Society for Mass Spectrometry)
    https://asms.org
    历届会议资料:https://www.asms.org/conferences/annual-conference/past-annual-conferences
    偏应用。看看就行,不评价。

后记

以上列出的只是一个引子,真正想了解内容还是需要自己去深挖,找到某个感兴趣的工具或问题,不断延展学习。切勿收藏不看。

(0)

热评文章

发表评论