Complete the curated TransCODE MS import and preserve sample-level peptide evidence
Los mantenedores suelen responder en 1 día
Nadie ha tomado este issue todavía.
Evaluación
- Dificultad
- 5/5
- Tiempo estimado
- Más de una semana
- Aptitud para principiantes
- 25/100
- Tipo de issue
- Nueva funcionalidad
- Claridad
- Bastante claro
- Estado de actividad
- Activo
- Área
- data-engineering, databases
Línea de trabajo
Start by reading the existing catalogue builder and its handling of peptide_sample_msrun_counts, then inspect the cited author exports and candidate tables 2–8 and 12. Audit targeted-PRM deposits separately to establish whether quantitative measurements are supplied. Done means reconciling included, excluded, and unmapped source records, preserving sample-level observations and evidence distinctions, and reporting updated catalogue counts.
Escrito por el modelo de indexación a partir del texto del issue.
Descripción
The current 7,264-model catalogue imports legacy MS, author HLA mappings and community spectrum reviews, but its metadata explicitly excludes the complete curated 2026 shotgun tables. Pooled HLA spectrum counts are also insufficient for sample-level quantitative analysis.
Primary source: Deutsch et al. 2026 and author exports. Candidate tables include non-HLA peptide/ORF tables 2-3, synthetic-peptide validation table 4, HLA peptide/ORF/run tables 6-8 and annotation outcomes table 12. Audit deposited targeted-PRM data separately for any genuine quantitative measurements.
Import
Preserve source peptide/PSM/ORF confidence levels, false-discovery scope, unique/shared mappings, synthetic-spectrum validation, annotation outcomes, assay category and exact source release. A paper's annotation tier, our reviewed-spectrum flag and proof of function are different concepts.
Retain run/sample-level observations where supplied. The current builder sums peptide_sample_msrun_counts across runs; introduce the detailed observation dataset alongside that backwards-compatible summary. Link every pooled count to its contributing records and distinguish repeated spectra/runs from biological samples. Keep protein-digest abundance, HLA peptide presentation and MS detection counts separate. Import PRM intensity/ratio/calibration only if the deposit actually supplies it.
Acceptance
Reconcile source tables and published categories with explicit included/excluded/unmapped counts. Do not deduplicate distinct observations merely because their peptide sequence matches, and do not inflate biological replication by copying ambiguous mappings. Verify source-file licenses/permissions separately from article text; use author/repository data or local import where appropriate. Report updated catalogue evidence counts without treating unreviewed/missing measurements as absence or claiming all detected peptides establish functional proteins.
Roadmap: #3. Priority: P1.
Dependencies: #4, #5.
- Lenguaje dominante
- Python
- Estrellas
- 1
- Forks
- 1
- Merge medio
- 10 h 11 min
- PR fusionados (30 d)
- 51
Preparar el entorno
Este proyecto no incluye contenedor de desarrollo, Dockerfile ni guía de contribución, así que la configuración corre por tu cuenta: empieza por su README y consulta nuestra guía para la primera contribución para los pasos generales.
Primeros pasos
- Lee el issue completo y luego la guía de contribución del proyecto.
- Comenta en el issue que vas a ocuparte — evita que dos personas hagan lo mismo.
- Haz un fork del repositorio y trabaja en una rama.
- Abre un pull request que haga referencia al número del issue.
Más de openvax/orfdata
-
Dificultad 4/5 3-5 días Aptitud para principiantes 45/100
Los mantenedores suelen responder en 1 día
-
Dificultad 4/5 3-5 días Aptitud para principiantes 42/100
Los mantenedores suelen responder en 1 día
-
Dificultad 4/5 3-5 días Aptitud para principiantes 48/100
openvax/orfdata#194 · 1 comentario ·
Los mantenedores suelen responder en 1 día
-
Dificultad 4/5 3-5 días Aptitud para principiantes 45/100
Los mantenedores suelen responder en 1 día
-
Dificultad 4/5 3-5 días Aptitud para principiantes 52/100
Los mantenedores suelen responder en 1 día
Todos los issues de openvax/orfdata
Issues similares
-
[Bug]: DoubleMLData.from_arrays checks the treatment d with force_all_x_finite instead of force_all_d_finitePosiblemente ocupada @leninworld la tomó hoy. Abierto
Dificultad 1/5 Menos de una hora Aptitud para principiantes 88/100
DoubleML/doubleml-for-py#471 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 82/100
python-pillow/Pillow#10590 ·
Los mantenedores suelen responder en 1 día
-
Dificultad 1/5 Menos de una hora Aptitud para principiantes 85/100
-
Dificultad 2/5 1-3 horas Aptitud para principiantes 62/100
Los mantenedores suelen responder en 1 día
-
BUG: ZarrTrace fails in init_trace for models with datetime coordinates (object dtype coord array)Abierto
Dificultad 2/5 1-3 horas Aptitud para principiantes 74/100
Los mantenedores suelen responder en 2 días