Label-Free Quantification in the Crux Toolkit

Публикации

?

Label-Free Quantification in the Crux Toolkit

Journal of Proteome Research. 2026. Vol. 25. P. 3764–3768.

Кертес-Фаркаш А., Аквей Ф. Л.

Научное направление: Компьютерные науки

Язык: английский

DOI

Текст на другом сайте

ПУБЛИКАЦИЯ ПОДГОТОВЛЕНА ПО РЕЗУЛЬТАТАМ ПРОЕКТА:

Разработка новых математических и нейросетевых моделей и методов анализа данных в популяционной и эволюционной геномике и их приложения для диагностики и терапии инфекционных и онкологических заболеваний (2025)

Risk Assessment Models for Heated Tobacco Products

Maddalena L., Yildiz B., Del Vecchio Blanco F. и др., Risk Analysis 2026 Vol. 46 No. 4 P. 1–26

Добавлено: 22 сентября 2026 г.

Segmentation of the Iris and Pupil of the Human Eye in Images from an Infrared Camera

Aleksei Samarin, Alexander Savelev, Aleksei Toropov и др., Pattern Recognition and Image Analysis 2024 Vol. 34 No. 3 P. 855–862

Добавлено: 21 сентября 2026 г.

A Model Based on Universal Filters for Image Color Correction

Aleksei Samarin, Назаренко А. А., Alexander Savelev и др., Pattern Recognition and Image Analysis 2024 Vol. 34 No. 3 P. 844–854

Добавлено: 21 сентября 2026 г.

Streptococci Recognition in Microscope Images Using Taxonomy-based Visual Features

Aleksei Samarin, Alexander Savelev, Aleksei Toropov и др., Optical Memory and Neural Networks (Information Optics) 2024 Vol. 33 P. 424–434

Добавлено: 21 сентября 2026 г.

Specialized Image Descriptors Adaptation for Polyp Recognition over Endoscopic Images

Aleksei Samarin, Aleksei Toropov, Alexander Savelev и др., Pattern Recognition and Image Analysis 2024 Vol. 34 No. 4 P. 1053–1060

Добавлено: 21 сентября 2026 г.

Lightweight Image Preprocessing Model for Improving Microorganism Detection in Microscopic Scenes

Самарин А. В., Торопов А. Г., Савельев А. Г. и др., Pattern Recognition and Image Analysis 2024 Vol. 34 No. 4 P. 1044–1052

Добавлено: 21 сентября 2026 г.

Advancements in Signal, Image and Video Processing

Singapore: Springer Singapore, 2025.

Добавлено: 21 сентября 2026 г.

Interpretable Lazy Classification with Interval Pattern Structures and Local Interval Explanations

Томат А., Sergei O. Kuznetsov, International Journal of Approximate Reasoning 2026 Vol. 197 Article 109754

Добавлено: 21 сентября 2026 г.

IDAP++: Advancing Divergence-Based Pruning via Filter-Level and Layer-Level Optimization

Aleksei Samarin, Назаренко А. А., Kotenko E. и др., / Series arXiv "math". 2025. No. 2511.20141.

Добавлено: 21 сентября 2026 г.

Modernized Nonlocal Blocks for Infrared Camera Image Segmentation of the Human Eye

Aleksei Samarin, Alexander Savelev, Aleksei Toropov и др., Pattern Recognition and Image Analysis 2025 Vol. 35 No. 2 P. 169–178

Добавлено: 21 сентября 2026 г.

Non-Contrast Brain CT Images Segmentation Enhancement: Lightweight Pre-Processing Model for Ultra-Early Ischemic Lesion Recognition and Segmentation

Aleksei Samarin, Alexander Savelev, Aleksei Toropov и др., Journal of Imaging 2025 Vol. 11 No. 10 Article 359

Добавлено: 21 сентября 2026 г.

Pattern Recognition. ICPR 2024 International Workshops and Challenges

Springer, Cham, 2025.

Добавлено: 21 сентября 2026 г.

Automation of Multi-Class Microscopy Image Classification Based on the Microorganisms Taxonomic Features Extraction

Aleksei Samarin, Alexander Savelev, Aleksei Toropov и др., Journal of Imaging 2025 Vol. 11 No. 6 P. 1–20

Добавлено: 21 сентября 2026 г.

Lecture Notes in Artificial Intelligence

Springer, 2026.

Добавлено: 20 сентября 2026 г.

Improving the Accuracy of Automatic Wildlife Detection in Nature Reserves Using Infrared Imaging

Aleksei Samarin, Alexander Savelev, Aleksei Toropov и др., Pattern Recognition and Image Analysis 2026 Vol. 36 No. 2 P. 323–334

Добавлено: 19 сентября 2026 г.

IDAP++: Advancing Divergence-Aware Pruning with Joint Filter and Layer Optimization

Aleksei Samarin, Назаренко А. А., Kotenko E. и др., Proceedings of the ACM on Management of Data, USA 2026 Vol. 4 No. 1 P. 1–28

Добавлено: 19 сентября 2026 г.

Automated Feature Engineering-Based Approach for Micrococci Microscopic Image Classification and Taxonomic Characteristics Determination

Aleksei Samarin, Alexander Savelev, Aleksei Toropov и др., Pattern Recognition and Image Analysis 2025 Vol. 35 No. 2 P. 148–158

Добавлено: 19 сентября 2026 г.

Improvement in Microbial Classification Quality Using Synthetic Microscopic Images Generated by Large Visual-Language Models

Aleksei Samarin, Alexander Savelev, Aleksei Toropov и др., Pattern Recognition and Image Analysis 2026 Vol. 36 No. 2 P. 302–312

Добавлено: 19 сентября 2026 г.

Single amino acid variation identification in high resolution tandem mass spectrometry data in bottom up proteomics

Бхимани К. Р., Пересадина А. В., Бурмак К. С. и др., 2026 Vol. 519 Article 117532

Добавлено: 2 октября 2025 г.

Fast and Memory-Efficient Searching of Large-Scale Mass Spectrometry Data Using Tide

Кертес-Фаркаш А., Аквей Ф. Л., Остапенко В. Р. и др., Journal of Proteome Research 2025 Vol. 24 No. 9 P. 4831–4837

Добавлено: 11 сентября 2025 г.

Efficient indexing of peptides for database search using Tide

Аквей Ф. Л., Кертес-Фаркаш А., Stafford Noble W., Journal of Proteome Research 2023 Vol. 22 No. 2 P. 577–584

The first step in the analysis of protein tandem mass spectrometry data typically involves searching the observed spectra against a protein database. During database search, the search engine must digest the proteins in the database into peptides, subject to digestion rules that are under user control. The choice of these digestion parameters, as well as ...

Добавлено: 2 декабря 2022 г.

The Crux toolkit for analysis of bottom-up tandem mass spectrometry proteomics data

Кертес-Фаркаш А., Аквей Ф. Л., Kishankumar Bhimani и др., Journal of Proteome Research 2023 Vol. 22 No. 2 P. 561–569

Добавлено: 2 декабря 2022 г.

Deep Convolutional Neural Networks Help Scoring Tandem Mass Spectrometry Data in Database-Searching Approaches

Kudriavtseva P., Kashkinov M., Kertész-Farkas A., Journal of Proteome Research 2021 Vol. 20 No. 10 P. 4708–4717

Spectrum annotation is a challenging task due to the presence of unexpected peptide fragmentation ions as well as the inaccuracy of the detectors of the spectrometers. We present a deep convolutional neural network, called Slider, which learns an optimal feature extraction in its kernels for scoring mass spectrometry (MS)/MS spectra to increase the number of ...

Добавлено: 30 августа 2021 г.