MétaCan
Menu
Retour à la cohorte
Enregistrement W4308857735 · doi:10.1021/jasms.2c00082

Large-Scale Interlaboratory DI-FT-ICR MS Comparability Study Employing Various Systems

2022· article· en· W4308857735 sur OpenAlexafffund
Sara Forcisi, Franco Moritz, Christopher J. Thompson, Basem Kanawati, Jenny Uhl, Carlos Afonso, Chantal D. Bader, Aiko Barsch, Berin A. Boughton, Rosalie Chu, Justine Ferey, Francisco Fernandez‐Lima, Céline Guéguen, Dimitri Heintz, Mario Gomez-Hernandez, Kyoung‐Soon Jang, Nikolas Kessler, Vaughn Mangal, Rolf Müller, Ryo Nakabayashi, Édith Nicol, Simone Nicolardi, Magnus Palmblad, Ljiljana Paša‐Tolić, Jacob Porter, Isabelle Schmitz‐Afonso, Jong Bok Seo, Eduardo Sommella, Yuri E. M. van der Burgt, Claire Villette, Matthias Witt, Ashley M. Wittrig, Jeremy J. Wolff, Michael L. Easterling, Frank H. Laukien, Philippe Schmitt‐Kopplin

Notice bibliographique

RevueJournal of the American Society for Mass Spectrometry · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolomics and Mass Spectrometry Studies
Établissements canadiensTrent University
Organismes subventionnairesDeutsches Zentrum für DiabetesforschungH2020 Research InfrastructuresEuropean Regional Development FundRIKENExxonMobil Research and Engineering CompanyUniversität des SaarlandesInstitut National de Recherche pour l'Agriculture, l'Alimentation et l'EnvironnementNormandie UniversitéUniversité de ToulouseRégion NormandieLeids Universitair Medisch CentrumInstitut National des Sciences Appliquées RouenUniversité de RouenBiological and Environmental ResearchCentre National de la Recherche ScientifiqueKorea Basic Science InstituteUniversità degli Studi di SalernoPacific Northwest National LaboratoryMurdoch UniversityUniversiteit LeidenU.S. Department of EnergyEuropean CommissionTrent UniversityHarvard UniversityUniversité de StrasbourgIndian National Science AcademyAgence Nationale de la RechercheFlorida International UniversityInstitut Polytechnique de Paris
Mots-clésChemistryMass spectrometryAnalytical Chemistry (journal)ComparabilityFourier transform ion cyclotron resonanceElectrospray ionizationChromatographyMathematics

Résumé

récupéré en direct d'OpenAlex

Ultrahigh resolution mass spectrometry (UHR-MS) coupled with direct infusion (DI) electrospray ionization offers a fast solution for accurate untargeted profiling. Fourier transform ion cyclotron resonance (FT-ICR) mass spectrometers have been shown to produce a wealth of insights into complex chemical systems because they enable unambiguous molecular formula assignment even if the vast majority of signals is of unknown identity. Interlaboratory comparisons are required to apply this type of instrumentation in quality control (for food industry or pharmaceuticals), large-scale environmental studies, or clinical diagnostics. Extended comparisons employing different FT-ICR MS instruments with qualitative direct infusion analysis are scarce since the majority of detected compounds cannot be quantified. The extent to which observations can be reproduced by different laboratories remains unknown. We set up a preliminary study which encompassed a set of 17 laboratories around the globe, diverse in instrumental characteristics and applications, to analyze the same sets of extracts from commercially available standard human blood plasma and Standard Reference Material (SRM) for blood plasma (SRM1950), which were delivered at different dilutions or spiked with different concentrations of pesticides. The aim of this study was to assess the extent to which the outputs of differently tuned FT-ICR mass spectrometers, with different technical specifications, are comparable for setting the frames of a future DI-FT-ICR MS ring trial. We concluded that a cluster of five laboratories, with diverse instrumental characteristics, showed comparable and representative performance across all experiments, setting a reference to be used in a future ring trial on blood plasma.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,021
score de la tête « metaresearch » (Gemma)0,014
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,021
Score d'incertitude au seuil0,112

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0210,014
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,002
Communication savante0,0020,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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.

Tête enseignante Opus0,012
Tête enseignante GPT0,269
Écart entre enseignants0,258 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of the American Society for Mass SpectrometryMême sujetMetabolomics and Mass Spectrometry StudiesTravaux en français237 207