Thermal Tracks：基于高斯过程的热蛋白质组分析通用熔解曲线分析框架，实现无约束命中识别
机器学习
2025-08-15 v1 定量方法
摘要
Thermal Tracks 是一个基于 Python 的统计框架，用于分析蛋白质热稳定性数据，克服了现有热蛋白质组分析（TPP）工作流程的关键局限性。与假设 S 形熔解曲线并受经验零分布约束（将显著命中限制在约 5% 的数据）的标准方法不同，Thermal Tracks 使用带有平方指数核的高斯过程（GP）模型，灵活地对任何熔解曲线形状进行建模，同时通过核先验生成无偏的零分布。该框架对于分析显著改变蛋白质热稳定性的全蛋白质组扰动（如通路抑制、遗传修饰或环境压力）特别有价值，在这些情况下，传统 TPP 方法可能因其统计约束而遗漏生物学相关的变化。此外，Thermal Tracks 擅长分析具有非常规熔解曲线的蛋白质，包括相分离蛋白和膜蛋白，这些蛋白质通常表现出复杂的、非 S 形的热稳定性行为。Thermal Tracks 可从 GitHub 免费获取，并使用 Python 实现，为全蛋白质组热分析研究提供了一个易于使用且灵活的工具。
引用
@article{arxiv.2508.09659,
title = {Thermal Tracks: A Gaussian process-based framework for universal melting curve analysis enabling unconstrained hit identification in thermal proteome profiling experiments},
author = {Johannes F. Hevler and Shivam Verma and Mirat Soijtra and Carolyn R. Bertozzi},
journal= {arXiv preprint arXiv:2508.09659},
year = {2025}
}
备注
5 pages, 2 figures, short communication