MS2PIP：精确且多功能的肽片段质谱预测。

导航

验证详情

这些详情已由PyPI验证
维护者
Avatar for Arthur_declercq from gravatar.com Arthur_declercq Avatar for RalfG from gravatar.com RalfG

未验证详情

这些详情尚未由PyPI验证
项目链接
元数据
  • 许可证：Apache软件许可证（Apache许可证版本2.0，2004年1月 https://apache.ac.cn/licenses/ 条款和条件...
  • 作者： Ana Sílvia C. Silva
  • 标签 MS2PIP, 蛋白质组学, 肽片段, 峰强度预测, 质谱预测, 机器学习, 谱库, fasta2speclib
  • 需求： Python >=3.8
分类器

项目描述

https://github.com/compomics/ms2pip_c/raw/releases/img/ms2pip_logo_1000px.png

https://img.shields.io/github/v/release/compomics/ms2pip_c?include_prereleases&style=flat-square https://img.shields.io/pypi/v/ms2pip?style=flat-square https://img.shields.io/github/actions/workflow/status/compomics/ms2pip_c/test.yml?branch=releases&label=tests&style=flat-square https://img.shields.io/github/actions/workflow/status/compomics/ms2pip_c/build_and_publish.yml?style=flat-square https://img.shields.io/github/issues/compomics/ms2pip_c?style=flat-square https://img.shields.io/github/last-commit/compomics/ms2pip_c?style=flat-square https://img.shields.io/github/license/compomics/ms2pip_c?style=flat-square https://img.shields.io/twitter/follow/compomics?style=social

MS²PIP：MS2峰强度预测 - 为多种裂解方法、仪器和标记技术提供快速且精确的肽片段质谱预测。

关于

MS²PIP 是一个从肽序列预测 MS2 峰强度的工具。其结果是一个与观察到的等效物准确相似的预测肽碎片谱。这些预测可以用于验证肽鉴定、生成蛋白质组范围的谱库或选择靶向蛋白质组中的判别转换。MS²PIP 使用 XGBoost 机器学习算法，并使用 Python 和 C 编写。

https://raw.githubusercontent.com/compomics/ms2pip/v4.0.0/img/mirror-DVAQIFNNILR-2.png

以下为肽 DVAQIFNNILR/2 的观察（顶部）和 MS²PIP 预测（底部）谱的镜像图。

您可以通过遵循安装说明在您的计算机上安装 MS²PIP。为了获得更友好的用户体验，请访问 MS²PIP 网络服务器。在那里，您可以轻松上传肽序列列表，之后可以下载相应的预测 MS2 谱，格式多样。您还可以通过 RESTful API 与网络服务器联系。

MS³PIP Python 应用可以执行以下任务

  • predict-single：预测单个肽的碎片谱，并可选择可视化谱。

  • predict-batch：预测多个肽的碎片谱。

  • predict-library：从蛋白质 FASTA 文件预测谱库。

  • correlate：比较预测和观察到的强度，并可选择计算相关性。

  • get-training-data：从观察到的谱中提取特征向量和目标强度以进行训练。

  • annotate-spectra：注释观察到的谱中的峰。

MS²PIP 支持广泛的 PSM 输入格式和谱输出格式，并为多种碎裂方法、仪器和标记技术包含预训练模型。有关更多信息，请参阅 用法。

引用

如果您在研究中使用了 MS²PIP，请引用以下出版物

  • Declercq, A.，Bouwmeester, R.，Chiva, C.，Sabidó, E.，Hirschler, A.，Carapito, C.，Martens, L.，Degroeve, S.，Gabriels, R.（2023）。更新的 MS²PIP 网络服务器支持前沿蛋白质组学应用。《核苷酸研究》doi:10.1093/nar/gkad335

以前的 MS²PIP 出版物

  • Gabriels, R.，Martens, L.，& Degroeve, S.（2019）。更新的 MS²PIP 网络服务器为多种碎裂方法、仪器和标记技术提供了快速准确的 MS2 峰强度预测。《核苷酸研究》doi:10.1093/nar/gkz299

  • Degroeve, S.，Maddelein, D.，& Martens, L.（2015）。MS²PIP 预测服务器：计算和可视化 CID 和 HCD 碎裂的 MS2 峰强度预测。《核苷酸研究》43(W1)，W326–W330。doi:10.1093/nar/gkv542

  • Degroeve, S.，& Martens, L.（2013）。MS²PIP：一种 MS/MS 峰强度预测工具。《生物信息学》（牛津，英国）29(24)，3199–203。doi:10.1093/bioinformatics/btt544

请记住并提及您所使用的 MS²PIP 版本。

完整文档

完整文档，包括安装说明、使用示例以及命令行和Python API参考，可以在ms2pip.readthedocs.io找到。

贡献

有错误、问题或建议？请随时在问题跟踪器中提交问题或发起拉取请求。任何大小和形式的贡献都欢迎！

项目详情

验证详情

这些详情已由PyPI验证
维护者
Avatar for Arthur_declercq from gravatar.com Arthur_declercq Avatar for RalfG from gravatar.com RalfG

未验证详情

这些详情尚未由PyPI验证
项目链接
元数据
  • 许可证：Apache软件许可证（Apache许可证版本2.0，2004年1月 https://apache.ac.cn/licenses/ 条款和条件...
  • 作者： Ana Sílvia C. Silva
  • 标签 MS2PIP, 蛋白质组学, 肽片段, 峰强度预测, 质谱预测, 机器学习, 谱库, fasta2speclib
  • 需求： Python >=3.8
分类器

发布历史 发布通知 | RSS源

本版本

4.0.0

4.0.0.dev14 预发布

4.0.0.dev13 预发布

4.0.0.dev12 预发布

4.0.0.dev11 预发布

4.0.0.dev10 预发布

4.0.0.dev9 预发布

4.0.0.dev8 预发布

4.0.0.dev5 预发布

4.0.0.dev4 预发布

4.0.0.dev1 预发布

4.0.0.dev0 预发布

3.13.0

3.12.0

3.11.0

3.10.1

3.10.0 已撤销

撤销此发布的原因

fasta2speclib 包含一个错误，导致固定的修饰物分配错误，从而生成无意义的谱库。

3.9.0

3.8.0

3.7.1

3.7.0

3.6.3

3.6.2

3.6.1

3.6.0

3.5.1

3.5.0

3.4.2

3.0.7

3.0.6

下载文件

下载适用于您平台的文件。如果您不确定选择哪个，请了解更多关于安装包的信息。

源分布

ms2pip-4.0.0.tar.gz (5.5 MB 查看散列)

上传 源

构建分布

ms2pip-4.0.0-cp311-cp311-win_amd64.whl (13.6 MB 查看散列)

上传 CPython 3.11 Windows x86-64

ms2pip-4.0.0-cp311-cp311-manylinux_2_5_x86_64.manylinux1_x86_64.manylinux_2_17_x86_64.manylinux2014_x86_64.whl (15.5 MB 查看散列)

上传 CPython 3.11 manylinux: glibc 2.17+ x86-64 manylinux: glibc 2.5+ x86-64

ms2pip-4.0.0-cp311-cp311-macosx_11_0_arm64.whl (14.0 MB 查看散列)

上传 CPython 3.11 macOS 11.0+ ARM64

ms2pip-4.0.0-cp311-cp311-macosx_10_9_x86_64.whl (14.0 MB 查看哈希值)

上传于 CPython 3.11 macOS 10.9+ x86-64

ms2pip-4.0.0-cp310-cp310-win_amd64.whl (13.6 MB 查看哈希值)

上传于 CPython 3.10 Windows x86-64

ms2pip-4.0.0-cp310-cp310-manylinux_2_5_x86_64.manylinux1_x86_64.manylinux_2_17_x86_64.manylinux2014_x86_64.whl (15.5 MB 查看哈希值)

上传于 CPython 3.10 manylinux: glibc 2.17+ x86-64 manylinux: glibc 2.5+ x86-64

ms2pip-4.0.0-cp310-cp310-macosx_11_0_arm64.whl (14.0 MB 查看哈希值)

上传于 CPython 3.10 macOS 11.0+ ARM64

ms2pip-4.0.0-cp310-cp310-macosx_10_9_x86_64.whl (14.0 MB 查看哈希值)

上传于 CPython 3.10 macOS 10.9+ x86-64

ms2pip-4.0.0-cp39-cp39-win_amd64.whl (13.6 MB 查看哈希值)

上传于 CPython 3.9 Windows x86-64

ms2pip-4.0.0-cp39-cp39-manylinux_2_5_x86_64.manylinux1_x86_64.manylinux_2_17_x86_64.manylinux2014_x86_64.whl (15.5 MB 查看哈希值)

上传于 CPython 3.9 manylinux: glibc 2.17+ x86-64 manylinux: glibc 2.5+ x86-64

ms2pip-4.0.0-cp39-cp39-macosx_11_0_arm64.whl (14.0 MB 查看哈希值)

上传于 CPython 3.9 macOS 11.0+ ARM64

ms2pip-4.0.0-cp39-cp39-macosx_10_9_x86_64.whl (14.0 MB 查看哈希值)

上传于 CPython 3.9 macOS 10.9+ x86-64

ms2pip-4.0.0-cp38-cp38-win_amd64.whl (13.6 MB 查看哈希值)

上传于 CPython 3.8 Windows x86-64

ms2pip-4.0.0-cp38-cp38-manylinux_2_5_x86_64.manylinux1_x86_64.manylinux_2_17_x86_64.manylinux2014_x86_64.whl (15.5 MB 查看哈希值)

上传于 CPython 3.8 manylinux: glibc 2.17+ x86-64 manylinux: glibc 2.5+ x86-64

ms2pip-4.0.0-cp38-cp38-macosx_11_0_arm64.whl (14.0 MB 查看哈希值)

上传于 CPython 3.8 macOS 11.0+ ARM64

ms2pip-4.0.0-cp38-cp38-macosx_10_9_x86_64.whl (14.0 MB 查看哈希值)

上传于 CPython 3.8 macOS 10.9+ x86-64

由