MAFFIN: Metabolomics Sample Normalization Using Maximal Density Fold Change with High-Quality Metabolic Features and Corrected Signal Intensities
Notice bibliographique
Résumé
Abstract Sample normalization is a critical step in metabolomics to remove differences in total sample amount or concentration of metabolites between biological samples. Here, we present MAFFIN, an accurate and robust post-acquisition sample normalization workflow that works universally for metabolomics data collected by mass spectrometry (MS)-based platforms. The most important design of MAFFIN is the calculation of normalization factor using maximal density fold change (MDFC) value computed by a kernel density-based approach. MDFC is more accurate than traditional median FC-based normalization, especially when the numbers of up- and down-regulated metabolic features are different. In addition, we showcase two essential steps that are overlooked by conventional normalization methods, and incorporated them into MAFFIN. First, instead of using all detected metabolic features, MAFFIN automatically extracts and uses only the high-quality features to calculate FCs and determine the normalization factor. In particular, multiple orthogonal criteria are proposed to pick up the high-quality features. Second, to guarantee the accuracy of the FCs, the MS signal intensities of the high-quality features are corrected using serial quality control (QC) samples. Using simulated data and urine metabolomics datasets, we demonstrated the critical need of high-quality feature selection, MS signal correction, and MDFC. We also show the superior performance of MAFFIN over other commonly used post-acquisition sample normalization methods. Finally, a biological application on a human saliva metabolomics study shows that MAFFIN provides robust sample normalization, leading to better data separation in principal component analysis (PCA) and the identification of more significantly altered metabolic features. TOC
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 | 0,006 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 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 ».