Untargeted ‘SWATH’ mass spectrometry-based metabolomics for studying chronic and intermittent exposure to xenobiotics in cohort studies
Notice bibliographique
Résumé
Humans are exposed to numerous chemicals daily, for example through nutrition, therapies, and lifestyle choices, which may exert beneficial or toxicological responses. In cohort studies, exposures are frequently assessed using questionnaires, although mass spectrometry-based metabolomics has recently emerged as complementary technique capable of yielding molecular evidence of exposures. Corresponding data processing workflows, however, have been mostly developed for detecting (omnipresent) endogenous metabolites, whereas detection of exogenous chemicals would benefit from fit-for-purpose strategies. In this work, we describe novel strategies for improved exposure detection and their application to data from an untargeted metabolomics study on urine samples from the TransplantLines Food and Nutrition Biobank and Cohort Study (NCT identifier 'NCT02811835'), which includes kidney transplant recipients, potential living kidney donors, and living kidney donors (post-donation). Specifically, we describe a reference spectra generation workflow using exposure-positive samples to detect more and also previously-undetected chronic exposures, and we present a novel approach to establish detection limits based on targeted signal extraction for more reliable and lower-level detection of intermittent exposures. These approaches can contribute to unlocking additional exposure-related information from small-molecule profiling datasets thus increasing data usefulness in metabolomics research and in environmental, food, clinical, and forensic toxicology.
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 | 0,008 | 0,007 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».