Hyperspectral Visualization-Based Mass Spectrometry Imaging by LMJ-SSP: A Novel Strategy for Rapid Natural Product Profiling in Bacteria
Notice bibliographique
Résumé
Mass spectrometry imaging (MSI) has been widely used to discover natural products (NPs) from underexplored microbiological sources. However, the technique is limited by incompatibility with complicated/uneven surface topography and labor-intensive sample preparation, as well as lengthy compound profiling procedures. Here, liquid micro-junction surface sampling probe (LMJ-SSP)-based MSI is used for rapid profiling of natural products from Gram-negative marine bacteria Pseudoalteromonas on nutrient agar media without any sample preparation. A conductance-based autosampling platform with 1 mm spatial resolution and an innovative multivariant analysis-driven method was used to create one hyperspectral image for the sampling area. NP discovery requires general spatial correlation between m / z and colony location but not highly precise spatial resolution. The hyperspectral image was used to annotate different m / z by straightforward color differences without the need to directly interrogate the spectra. To demonstrate the utility of our approach, the rapid analysis of Pseudoalteromonas rubra DSM6842, Pseudoalteromonas tunicata DSM14096, Pseudoalteromonas piscicida JCM20779, and Pseudoalteromonas elyakovii ATCC700519 cultures was directly performed on Agar. Various natural products, including prodiginine and tambjamine analogues, were quickly identified from the hyperspectral image, and the dynamic extracellular environment was shown with compound heatmaps. Hyperspectral visualization-based MSI is an efficient and sensitive strategy for direct and rapid natural product profiling from different Pseudoalteromonas strains.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| 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 | 0,001 |
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 ».