DnsID in MyCompoundID for Rapid Identification of Dansylated Amine- and Phenol-Containing Metabolites in LC–MS-Based Metabolomics
Notice bibliographique
Résumé
High-performance chemical isotope labeling (CIL) liquid chromatography-mass spectrometry (LC-MS) is an enabling technology based on rational design of labeling reagents to target a class of metabolites sharing the same functional group (e.g., all the amine-containing metabolites or the amine submetabolome) to provide concomitant improvements in metabolite separation, detection, and quantification. However, identification of labeled metabolites remains to be an analytical challenge. In this work, we describe a library of labeled standards and a search method for metabolite identification in CIL LC-MS. The current library consists of 273 unique metabolites, mainly amines and phenols that are individually labeled by dansylation (Dns). Some of them produced more than one Dns-derivative (isomers or multiple labeled products), resulting in a total of 315 dansyl compounds in the library. These metabolites cover 42 metabolic pathways, allowing the possibility of probing their changes in metabolomics studies. Each labeled metabolite contains three searchable parameters: molecular ion mass, MS/MS spectrum, and retention time (RT). To overcome RT variations caused by experimental conditions used, we have developed a calibration method to normalize RTs of labeled metabolites using a mixture of RT calibrants. A search program, DnsID, has been developed in www.MyCompoundID.org for automated identification of dansyl labeled metabolites in a sample based on matching one or more of the three parameters with those of the library standards. Using human urine as an example, we illustrate the workflow and analytical performance of this method for metabolite identification. This freely accessible resource is expandable by adding more amine and phenol standards in the future. In addition, the same strategy should be applicable for developing other labeled standards libraries to cover different classes of metabolites for comprehensive metabolomics using CIL LC-MS.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,003 |
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 ».