ANPELA：基于大规模筛选的流式细胞单细胞蛋白质组数据处理工作流性能评估新工具

《Nature Protocols》：Navigating the data processing for cytometry-based single-cell proteomics

本研究针对流式细胞术单细胞蛋白质组学(SCP)数据分析中工作流选择困难的挑战，开发了ANPELA这一开源工具。通过机器学习实现数千种处理流程在细胞亚群识别和伪时间轨迹推断方面的性能比较，为不同实验设计提供最优数据处理方案，显著提升SCP研究的可靠性。

　　

在探索复杂生物系统的进程中，基于流式细胞术的单细胞蛋白质组学(Single-Cell Proteomics, SCP)技术以其前所未有的分辨率展现出强大潜力。然而，面对日益增多的数据处理方法，研究者们难以针对特定数据集筛选出高性能的处理工作流。为此，科研团队开发了ANPELA——一种开箱即用的解决方案，通过大规模筛选导航蛋白质组数据处理流程。该工具利用机器学习技术，系统比较数千种处理流程在识别细胞亚群和推断伪时间轨迹(pseudo-time trajectories)方面的性能表现。案例分析证实其能有效筛选出适用于流式细胞术SCP研究的最优数据处理方案。为实现多场景应用，该软件包提供桌面版、R语言包和在线服务器三种模式，既保障数据安全（支持本地和开源运行），又具备用户友好的交互式可视化界面。ANPELA可服务于广大科研群体（包括无编程基础者），用户可通过<https://idrblab.org/anpela/>免费获取。其运行时间根据数据规模可从数分钟至数小时不等。