Methods for Quantifying the Metabolic Boundary Fluxes of Cell Cultures in Large Cohorts by High-Resolution Hydrophilic Liquid Chromatography Mass Spectrometry
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Metabolomics is a mainstream approach for investigating the metabolic underpinnings of complex biological phenomena and is increasingly being applied to large-scale studies involving hundreds or thousands of samples. Although metabolomics methods are robust in smaller-scale studies, they can be challenging to apply to larger cohorts due to the inherent variability of liquid chromatography mass spectrometry (LC-MS). Much of this difficulty results from the time-dependent changes in the LC-MS system, which affects both the qualitative and quantitative performances of the instrument. Herein, we introduce an analytical strategy for addressing this problem in large-scale microbial studies. Our approach quantifies microbial boundary fluxes using two zwitterionic hydrophilic interaction liquid chromatography (ZIC-HILIC) columns that are plumbed to enable offline column equilibration. Using this strategy, we show that over 397 common metabolites can be resolved in 4.5 min per sample and that metabolites can be quantified with a median coefficient of variation of 0.127 across 1100 technical replicates. We illustrate the utility of this strategy via an analysis of 960 strains of Staphylococcus aureus isolated from bloodstream infections. These data capture the diversity of metabolic phenotypes observed in clinical isolates and provide an example of how large-scale investigations can leverage our novel analytical strategy.
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 | 0,003 |
| 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 | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| 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 ».