GlyTrait：一种用于糖组学分析的多功能生物信息学工具

《Journal of Radiology Nursing》：GlyTrait: A Versatile Bioinformatics Tool for Glycomics Analysis

GlyTrait是一种基于Python的糖组学分析框架，通过创新计算方法提取N-糖组学数据中的功能特征（如分支和岩藻糖化），支持非编程用户自定义推导，结合统计分析和机器学习揭示疾病相关糖基化模式，已成功应用于肝细胞癌和黑热病生物标志物发现及公开数据验证。

　　

宾福（Bin Fu）|王国利（Guoli Wang）|李晨鑫（Chenxin Li）|李月月（Yueyue Li）|刘学娇（Xuejiao Liu）|卢浩杰（Haojie Lu）|张颖（Ying Zhang）

中国上海复旦大学附属中山医院化学系与肝癌研究所，邮编200032

我们开发了GlyTrait，这是一个基于Python的框架，旨在通过创新计算和解释从N-糖组数据中获得的特征来提升糖组学分析的效率。糖组学研究常常面临数据可解释性和生物学相关性的挑战。GlyTrait能够自动提取具有生物学意义的特征，将研究重点从单纯分析糖类的丰度（无论是组成还是结构方面）转向功能性的糖类属性，如分支结构和岩藻糖基化。此外，凭借其精心设计的公式语法，用户无需具备编程知识即可自定义所需特征。随后进行的统计分析和可解释的机器学习研究能够为疾病状态相关的糖基化模式提供可靠的见解。GlyTrait的有效性已通过重新分析已发表的糖工程化CHO细胞系数据及内脏利什曼病患者数据得到验证；同时，我们还针对肝细胞癌（HCC）的N-糖组生物标志物发现开展了一项新的初步研究。我们相信GlyTrait有望成为糖组学领域不可或缺的工具。