SoftwareX 7（2018）302原始软件出版物Shk-9：糖蛋白注释的新工具Oleg Karadutaa，*，Loutfouz Zamanba美国阿肯色州小石城阿肯色大学医学院生物化学和分子生物学系b加拿大安大略理工大学商业资讯科技学院ar t i cl e i nf o文章历史记录：2017年10月23日收到收到修订版，2018年7月14日接受，2018年关键词：糖蛋白数据库线性搜索a b st ra ct糖基化的变化涉及不同的人类疾病，包括癌症。基于聚糖的生物标志物的识别世界各地的科学家进行了全面的筛查，发现了一些与人类癌症相匹配的物质。不幸的是，这些数据很难获得和利用。除了各种各样的可用硬件的优点之外，多样性可能在软件方面使数据注释复杂化不断增长的数据库为更可靠的模板提供了机会，但也对自动协议的执行提出了挑战。为了更好地利用这些发现并为科学Meta分析做出贡献，我们开发了ShK-9。程序输出包括文本行，其中包含在提供的列表中找到的字符串这些印记被写入文本文件，可以导入到电子表格标准办公程序中进行进一步分析。本文的目的是介绍一个新的用于处理数据集的开源工具，称为ShK-9。版权所有©2018作者.由爱思唯尔公司出版这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）中找到。代码元数据现行守则第1此代码版本使用的代码/存储库的永久链接https://github.com/ElsevierSoftwareX/SOFTX-D-17-00079GNU通用公共许可证使用的代码版本控制系统无软件代码语言使用Java编译要求、操作环境依赖性JavaSEDevelopmentKit7或更高版本如果可用，链接到开发人员文档/手册N/A问题支持电子邮件Loutfouz. uoit.ca软件元数据当前软件版本1此版本可执行文件的永久链接https://github.com/loutfouz/法律软件许可证GNU通用公共许可证v3.0计算平台/操作系统Java/多平台。安装要求依赖关系java文件需要使用最新的Java SDK如果可用，用户手册链接-如果正式出版，请在参考列表N/A问题支持电子邮件Loutfouz. uoit.ca* 通讯作者。电子邮件地址：okkaraduta@uams.edu（O.Karaduta），loutfouz. uoit.ca（L. Zaman）。https://doi.org/10.1016/j.softx.2018.08.0041. 导言（动机和意义）质谱（MS）和下一代测序技术极大地提高了我们对基因组、转录组和蛋白质组之间的相互作用的理解，并有助于更好地理解健康和疾病状态之间的变化。例如，确定新的治疗方法，2352-7110/©2018作者。由爱思唯尔公司出版这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表SoftwareX期刊主页：www.elsevier.com/locate/softxO.卡拉杜塔湖Zaman / SoftwareX 7（2018）302-303303乳腺癌中的靶向激酶[1]和检测差异调节的途径和功能模块，可能使卵巢癌患者分层，以告知治疗方案[2]。糖基磷脂酰肌醇（GPI）锚是添加到内质网中蛋白质的聚糖和脂质翻译后修饰。GPI生物合成途径中的某些酶，特别是GPI转酰胺酶的亚基，在各种人类癌症中升高。特异性GPI锚定蛋白，如癌胚抗原和间皮素，已被描述为某些癌症的潜在生物标志物。GPI锚定蛋白的总体丰度估计占人类蛋白质组中所有翻译蛋白的1%- 2%。由于特异性表达的GPI受体蛋白的调节，它们在特定组织中的丰度可能较低[3]。新技术，如用于检测全基因组甲基化和单核苷酸多态性的下一代测序和基于阵列的方法，已经创造了大量关于癌症生物学的数据[4，5]。大规模的努力已经使用这些技术来系统地询问大量的人类癌症以及匹配的正常组织样品。这些花费巨大的项目背后的理由是，对癌症遗传基础的了解的增加将导致治疗和生存的改善这些大型数据集无疑提高了我们对个体癌症基础的理解，并导致了新的生物标志物和治疗靶点的发现不幸的是，即使有所述的测序限制，由于大多数这些项目的低检出率，仍然很难（如果不是不可能的话）鉴定大多数人类癌症的因子[6]。显然，这会导致检测和分析数据所需的工作量大幅增加，但使用专门的软件可以大大促进这一点[5]。为了解决这个问题，我们开发了一种新的筛选软件，帮助我们从4500多种可用的糖蛋白中鉴定出数百种已知的GPI锚定蛋白。2. 软件框架软件框架ShK-9最初是为了满足对快速注释蛋白质的可靠且易于使用的程序的迫切需求而开发的为此，工作流程被有意简化，分析中涉及的步骤数量尽可能少。下载ShK-9后，工作流程非常简单：(1)将初始数据库和可比较数据库复制到单个文件夹（称为项目文件夹）中，（2）启动ShK-9，（3）在单独的文件中获取结果，以及（4）导出结果软件构架ShK-9是用Java语言开发的 该程序作为一个独立的应用程序在64位Windows，Mac OS X和Linux操作系统，只需要JRE TM安装 ， 可 以 从 ORACLE 网 站 免 费 下 载 （ https ： //www.oracle.com/java/index.html）上提供。ShK-9是一种线性搜索算法，用于从提供的列表中查找并输出包含字符串的文本软件典型的使用场景是将软件保存到包含可用蛋白质的自定义列表（代码.csv）和要com的蛋白质列表的文件夹中用（names.csv）命名ShK-9扫描两个数据库以寻找匹配的字符串，并创建一个索引，该索引存储在结果文件中。软件功能ShK-9的主要目标是简化大量蛋白质的注释这个程序是一个工具，它收集和显示匹配的蛋白质名称，包含在提供的列表中找到的字符串输出文本文件都是以可以容易被其他程序或脚本读取和操纵，以最大化注释结果分析的可能性。例如，ShK-9注释可能会导入到数据库中，例如与现有基于Web的注释工具相关的数据库[7导出的数据存储在一个 *.cvs文件中，并在电子表格程序（如MicrosoftExcel）中显示。选择这种文件格式是因为（1）它可以被大多数文本编辑器，电子表格和统计分析程序本地读取，（2）它可以很容易地解析数据操作（MATLAB，R，Python，C等）。这些数据允许用户轻松地与已知数据集进行交互，以进行进一步的荟萃分析。3. 结论本文提供并详细考虑了al-出租m的开放源代码ShK-9是一款简化大量文件扫描日常任务的工具，可加快评估过程。它为具有大量感兴趣蛋白质的项目提供数据管理功能ShK-9是在开源许可下发布的，这确保了软件独立于任何测量硬件制造商在未来，我们计划将上述代码与开发的软件管道合并，这将不仅简化和加快GPI锚定糖蛋白的分析，而且将导致元蛋白质组学数据的新确认这项研究没有从公共、商业或非营利部门的资助机构获得任何具体的引用[1] Mertins P 等 人 ， Proteogenomics connects somatic mutations to signalinginbreast cancer. Nature2016;534（7605）：55-62.[2] ZhangH，et al. 人高级别浆液性卵巢癌的综合蛋白基因组学特征。Cell2016;166（3）：755-65.[3] Dolezal S等人，C.检测的人类癌症血浆中糖基磷脂酰肌醇（GPI）锚定蛋白水平升高。败血症α毒素Cancer Biomark2014;14（1）：55-62.[4] 塞格雷·佐莫罗迪基因组驱动的进化博弈论有助于理解微生物群落中代谢相互依赖性的兴起。 NatureCommun2017;8（1）：1563.[5] Deon A，Menyaev Y.任意均匀序列的Twister生成器。J UCS2017;23（4）：353-84。[6] Chin L 等 人 ， Making Sense of Cancer Genomic Data 。 Genes Dev2011;25（6）：534 - 55.[7] Castro SM 等人，放射学报告中BI-RADS评估的自动注释和分类 。J BiomedInform2017;69：177-87.[8] Martín-Antoniano I，et al. DoriTool：A bioinformatics integrated tool forpost-association functional annotation. Publl Health Genom2017.[9] 作者：J，J，J.COGNATE：比较基因注释特征器。BMC Genom2017;18（1）：535.
