MétaCan
Menu
Retour à la cohorte
Enregistrement W2004753393 · doi:10.1002/mrc.2535

Analysis of time course <sup>1</sup>H NMR metabolomics data by multivariate curve resolution

2009· article· en· W2004753393 sur OpenAlex
Tobias K. Karakach, Richard Knight, Eva M. Lenz, Mark R. Viant, John A. Walter

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueMagnetic Resonance in Chemistry · 2009
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensInstitute for Marine Biosciences
Organismes subventionnairesnon disponible
Mots-clésChemistryMultivariate statisticsMetabolomicsMultivariate analysisResolution (logic)Nuclear magnetic resonance spectroscopyAnalytical Chemistry (journal)ChromatographyStereochemistryStatisticsArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Modeling NMR-based metabolomics data often involves linear methods such as principal component analysis (PCA) and partial least squares (PLS). These methods have the objective of describing the main variance in the data and maximum covariance between the predictor variables and some response variable respectively. If the experiment is designed to investigate temporal biological fluctuations, however, the factors obtained become difficult to interpret in a biological context. Moreover, when these methods are applied to analyze data, an implicit assumption is made that the measurement errors exhibit an iid-normal distribution, often limiting the extent of the information recovered. A method for the linear decomposition of NMR-based metabolomics data by multivariate curve resolution (MCR), which has been used elsewhere for time course transcriptomics applications, is introduced and implemented via a weighted alternating least squares (ALS) approach. Measurement of error information is incorporated in the modeling process, allowing the least squares projections to be performed in a maximum likelihood fashion. As a result, noise heteroscedasticity resulting from pH-induced peak shifts can be modeled, eliminating the need for binning/bucketing. The utility of the method is demonstrated using two sets of temporal NMR metabolomics data, HgCl(2)-induced nephrotoxicity in rat, and fish (Japanese medaka, Oryzias latipes) embryogenesis. Profiles extracted for the nephrotoxicity data exhibit strong correlations with metabolites consistent with temporal fluctuations in glucosuria. The concentration of metabolites such as acetate, glucose, and alanine exhibit a steady increase, which peaks at Day 3 post dose and returns to basal levels at Day 8. Other metabolites including citrate and 2-oxoglutarate exhibit the opposite characteristics. Although the fish embryogenesis data are more complex, the profiles extracted by the algorithm display characteristics that depict temporal variation consistent with processes associated with embryogenesis.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Prédiction distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,603
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,012
Tête enseignante GPT0,265
Écart entre enseignants0,253 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle