Patterned Signal Ratio Biases in Mass Spectrometry-Based Quantitative Metabolomics
Notice bibliographique
Résumé
Despite the well-known nonlinear response of electrospray ionization (ESI) in mass spectrometry (MS)-based analysis, its complicated response patterns and negative impact on quantitative comparison are still understudied. We showcase in this work that the patterns of nonlinear ESI response are feature-dependent and can cause significant compression or inflation to signal ratios. In particular, our metabolomics study of serial diluted human urine samples showed that over 72% and 16% metabolic features suffered ratio compression and inflation, respectively, whereas only 12% of the signal ratios represent real metabolic concentration ratios. More importantly, these ratio compression and inflation largely exist in the linear response ranges, suggesting that it cannot be resolved by simply diluting the sample solutions to the linear ESI response ranges. Furthermore, we demonstrated that a polynomial regression model that converts MS signals to sample injection amounts can correct the biased ratios and, surprisingly, outperform the linear regression model in both data fitting and data prediction. Therefore, we proposed a metabolic ratio correction (MRC) strategy to minimize signal ratio bias in untargeted metabolomics for accurate quantitative comparison. In brief, by using the data of serial diluted quality control (QC) samples, we applied a cross-validation strategy to determine the best regression model, between linear and polynomial, for each metabolic feature and to convert the measured MS intensities to QC injection amounts for accurate metabolic ratio calculation. Both the studies of human urine samples and a metabolomics application supported that our MRC approach is very efficient in correcting the biased signal ratios. This novel insight of patterned ESI nonlinear response and MRC workflow can significantly benefit the downstream statistical comparison and biological interpretation for untargeted metabolomics.
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 | 0,014 |
| 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 | 0,001 |
| 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) | 0,001 | 0,001 |
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 ».