Evaluation of Ion Mobility Spectrometry for Improving Constitutional Assignment in Natural Product Mixtures
Notice bibliographique
Résumé
The comprehensive chemical characterization of biological samples remains a central challenge in the field of natural products. Conventional workflows using liquid chromatography (LC)-coupled high-resolution tandem mass spectrometry (MS/MS or MS 2 ) allow the detection of relevant small molecules while providing diagnostic fragment ions for their structural assignment. Still, many natural product extracts are of a molecular complexity that challenges the resolving power of modern LC–MS 2 pipelines. In this study, we examined the effect of integrating ion mobility spectrometry (IMS) to our LC–MS 2 platform for the characterization of natural product mixtures. IMS provides an additional axis of separation in the gas phase as well as experimental collision cross-sectional (CCS) values. We analyzed a mixture of 20 commercial standards at 2 concentration ranges, either solubilized in solvent or spiked into an actinobacterial extract. Data were acquired in positive ion mode using both data-dependent acquisition (DDA) and data-independent acquisition (DIA) MS 2 fragmentation approaches and assessed for both chemical coverage and spectral quality. IMS-DIA identified the largest number of standards in the spiked extract at the lower concentration of standards (17), followed by IMS-DDA (10), DDA (8), and DIA (6). In addition, we examined how these data sets performed in the Global Natural Products Social Molecular Networking (GNPS) platform. Overall, integrating IMS increased both metabolite detection and the quality of MS 2 spectra, particularly for samples analyzed in DIA mode.
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 | 0,003 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| 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 | 0,002 |
| 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 | 0,000 |
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 ».