MétaCan
Menu
Retour à la cohorte
Enregistrement W3103466570 · doi:10.1161/circgen.120.003019

Steps Toward Minimal Reporting Standards for Lipidomics Mass Spectrometry in Biomedical Research Publications

2020· article· en· W3103466570 sur OpenAlexaff
Valerie B. O’Donnell, Garret A. FitzGerald, Robert C. Murphy, Gerhard Liebisch, Edward A. Dennis, Oswald Quehenberger, Shankar Subramaniam, Michael J.O. Wakelam

Notice bibliographique

RevueCirculation Genomic and Precision Medicine · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesNational Center for Advancing Translational SciencesNational Institute of Diabetes and Digestive and Kidney DiseasesNational Institutes of HealthNational Institute of General Medical SciencesWellcome Trust
Mots-clésLibrary scienceLipidomicsMedicineChemistryComputer scienceBiochemistry

Résumé

récupéré en direct d'OpenAlex

Lipids in blood and tissues can serve as markers of normal and pathophysiological function in humans and can even reflect functions in specific tissues and organs. Lipidomics describes the analysis of large numbers of lipids using mass spectrometry (MS). The proper implementation of these methods in a manner that ensures data quality requires care and rigorous manual checking. Issues of reproducibility and overall data quality in publications and guidelines for authors submitting research are well-developed for areas that include genetics/genomics, proteomics, and clinical trials. For example, the Human Proteome Organization has developed minimum information publication guidelines for proteomics (https://www.hupo.org/HUPO-Minimum-Information-Publication-Guidelines). However, apart from specialized lipid publications, such as the Journal of Lipid Research, which adopted the Lipid Metabolites and Pathways Strategy Consortium (LIPID MAPS) classification, nomenclature, and structural drawing formats in their guidelines,1,2 there are few reporting guidelines in use for lipidomics data. This issue is particularly relevant to studies that are not focused on underpinning methodological approaches but instead cover broader issues of human health and disease. In many such articles, multiple analytical methods are applied, making it difficult to engage sufficient technical expertise to afford rigorous and comprehensive review. \n \nWe developed a short set of guidelines for lipidomics submissions that we hope will contribute to improving reproducibility and standards in published work (Table). This is a living document, expected to be expanded as the field evolves. It is not intended to serve as a definitive final set of guidelines. To support this sort of activity, the Lipidomics Standard Initiative was recently established to create guidelines for major lipidomic workflows.3

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,492
score de la tête « metaresearch » (Gemma)0,623
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesMétarecherche
Catégories consensuellesMétarecherche
DomaineSignal candidat: Présentation des résultats · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,508
Score d'incertitude au seuil0,627

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,4920,623
Méta-épidémiologie (sens strict)0,0030,005
Méta-épidémiologie (sens large)0,0040,005
Bibliométrie0,0250,017
Études des sciences et des technologies0,0090,009
Communication savante0,0330,025
Science ouverte0,0220,018
Intégrité de la recherche0,0180,025
Charge utile insuffisante (le modèle a refusé de juger)0,0140,027

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 Opus0,121
Tête enseignante GPT0,393
Écart entre enseignants0,272 · 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

Classification

machine, non validée

Prédiction automatique; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
DomainePrésentation des résultats
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations21
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculation Genomic and Precision MedicineMême sujetMetabolomics and Mass Spectrometry StudiesTravaux en français237 207