Sowohl in der Klinischen Labormedizin, der Klinischen Mikrobiologie als auch in der Pathologie ist die Massenspektrometrie (MS) ein bedeutender Bestandteil der Diagnostik geworden. Der Fortschritt in der Gerätetechnik ermöglicht in kurzer Zeit viele, hochaufgelöste Spektren zu generieren. Diese Informationsvielfalt macht die manuelle Auswertung durch den Anwender sehr kompliziert bis unmöglich. Aus diesem Grund ist die Unterstützung durch bioinformatische Programme notwendig. Für die Reproduzierbarkeit der Ergebnisse und die Qualitätskontrolle ist es essentiell, dass die verwendeten Algorithmen transparent und die Programme als Open Source Software (OSS) frei verfügbar sind (Aebersold and Mann, 2003).
Das Ziel dieser Arbeit war die Entwicklung von MALDIquant, einer unter der GNU General Public License (GPL) stehenden, flexiblen OSS, die für die o.g. Anwendungsbereiche modernste Algorithmen für die komplette Analyse bietet und in der freien Programmiersprache R (R Core Team, 2014) geschrieben ist. Im Zusammenspiel mit dem dazugehörigen Paket MALDIquantForeign ist MALDIquant in der Lage die üblichen Dateiformate der verschiedenen MS-Geräte zu verarbeiten. Dadurch ist MALDIquant hersteller- und geräteunabhängig und eignet sich nicht nur für MALDI/TOF, sondern für alle zweidimensionalen MS-Daten.
Angefangen vom Datenimport über die Prozessierung bis hin zur Analyse der Spektren bietet MALDIquant eine komplette Analyse-Pipeline und implementiert state-of-the-art Methoden. Neben weit verbreiteten Verfahren zur Baseline Correction und Peak Detection zeichnet sich MALDIquant besonders durch ein hervorragendes Peak Alignment aus. Dieses ist sehr genau und aufgrund des Fokus auf die Peaks schneller als die meisten anderen Verfahren und weitestgehend unabhängig von der Qualität der Intensitätenkalibrierung. Eine weitere Stärke von MALDIquant ist die Möglichkeit, eigene Algorithmen zu integrieren, sowie den Ablauf der Analyse den individuellen Bedürfnissen anzupassen.
In der beispielhaften Analyse der Daten von Fiedler et al. (2009) konnten durch MALDIquant Peaks gefunden werden, die Patienten mit Pankreaskarzinom von nicht erkrankten Probanden unterscheiden. Einige dieser Peaks wurden bereits in anderen Publikationen beschrieben. Neben diesem Beispiel hat MALDIquant seine Nützlichkeit bereits in verschiedenen Anwendungsbereichen und Publikationen bewiesen, wie etwa in Ouedraogo et al. (2013) oder Jung et al. (2014).:Bibliographische Beschreibung (III)
Abbildungsverzeichnis (V)
Tabellenverzeichnis (VII)
Abkürzungsverzeichnis (IX)
1 Einleitung (1)
1.1 Intention (1)
1.2 Eigene Beiträge (2)
1.3 Übersicht (3)
2 Hintergrund (5)
2.1 Proteomik (5)
2.2 Massenspektrometrie (6)
2.3 Bioinformatik (7)
3 Methoden (9)
3.1 Überblick (9)
3.2 Import der Rohdaten (9)
3.3 Transformation der Intensitäten (11)
3.4 Korrektur der Grundlinie (11)
3.5 Kalibrierung der Intensitäten (13)
3.6 Identifizierung von Merkmalen (15)
3.7 Kalibrierung der m/z-Werte (17)
3.8 Nachbearbeitung (19)
4 Ergebnisse (23)
4.1 Implementierung (23)
4.2 Anwendungsbeispiel Fiedler et al. 2009 (23)
4.3 Vorbehandlung der Daten aus Fiedler et al. 2009 mit MALDIquant (24)
4.4 Multivariate Analyse (24)
4.5 Mögliche Biomarker (26)
5 Diskussion (29)
6 Zusammenfassung (31)
7 Literaturverzeichnis (35)
A Publikation (45)
B Übersicht Codeumfang (49)
C Analyse Fiedler et al. 2009 (51)
D Erklärung über die eigenständige Abfassung der Arbeit (69)
E Lebenslauf (71)
F Danksagung (75)
Identifer | oai:union.ndltd.org:DRESDEN/oai:qucosa:de:qucosa:13483 |
Date | 22 July 2015 |
Creators | Gibb, Sebastian |
Contributors | Strimmer, Korbinian, Scholz, Markus, Spang, Rainer, Universität Leipzig |
Source Sets | Hochschulschriftenserver (HSSS) der SLUB Dresden |
Language | German |
Detected Language | German |
Type | doc-type:doctoralThesis, info:eu-repo/semantics/doctoralThesis, doc-type:Text |
Rights | info:eu-repo/semantics/openAccess |
Page generated in 0.0021 seconds