Development of a Liquid Chromatography–High Resolution Mass Spectrometry Metabolomics Method with High Specificity for Metabolite Identification Using All Ion Fragmentation Acquisition
Notice bibliographique
Résumé
High-resolution mass spectrometry (HRMS)-based metabolomics approaches have made significant advances. However, metabolite identification is still a major challenge with significant bottleneck in translating metabolomics data into biological context. In the current study, a liquid chromatography (LC)-HRMS metabolomics method was developed using an all ion fragmentation (AIF) acquisition approach. To increase the specificity in metabolite annotation, four criteria were considered: (i) accurate mass (AM), (ii) retention time (RT), (iii) MS/MS spectrum, and (iv) product/precursor ion intensity ratios. We constructed an in-house mass spectral library of 408 metabolites containing AMRT and MS/MS spectra information at four collision energies. The percent relative standard deviations between ion ratios of a metabolite in an analytical standard vs sample matrix were used as an additional metric for establishing metabolite identity. A data processing method for targeted metabolite screening was then created, merging m/z, RT, MS/MS, and ion ratio information for each of the 413 metabolites. In the data processing method, the precursor ion and product ion were considered as the quantifier and qualifier ion, respectively. We also included a scheme to distinguish coeluting isobaric compounds by selecting a specific product ion as the quantifier ion instead of the precursor ion. An advantage of the current AIF approach is the concurrent collection of full scan data, enabling identification of metabolites not included in the database. Our data acquisition strategy enables a simultaneous mixture of database-dependent targeted and nontargeted metabolomics in combination with improved accuracy in metabolite identification, increasing the quality of the biological information acquired in a metabolomics experiment.
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 | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 ».