Profiling Convoluted Single-Dimension Proton NMR Spectra: A Plackett–Burman Approach for Assessing Quantification Error of Metabolites in Complex Mixtures with Application to Cell Culture
Notice bibliographique
Résumé
Single-dimension hydrogen, or proton, nuclear magnetic resonance spectroscopy (1D-(1)H NMR) has become an attractive option for characterizing the full range of components in complex mixtures of small molecular weight compounds due to its relative simplicity, speed, spectral reproducibility, and noninvasive sample preparation protocols compared to alternative methods. One challenge associated with this method is the overlap of NMR resonances leading to "convoluted" spectra. While this can be mitigated through "targeted profiling", there is still the possibility of increased quantification error. This work presents the application of a Plackett-Burman experimental design for the robust estimation of precision and accuracy of 1D-(1)H NMR compound quantification in synthetic mixtures, with application to mammalian cell culture supernatant. A single, 20 sample experiment was able to provide a sufficient estimate of bias and variability at different metabolite concentrations. Two major sources of bias were identified: incorrect interpretation of singlet resonances and the quantification of resonances from protons in close proximity to labile protons. Furthermore, decreases in measurement accuracy and precision could be observed with decreasing concentration for a small fraction of the components as a result of their particular convolution patterns. Finally, the importance of a priori concentration estimates is demonstrated through the example of interpreting acetate metabolite trends from a bioreactor cultivation of Chinese hamster ovary cells expressing a recombinant antibody.
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».