Dual UHPLC-HRMS Metabolomics and Lipidomics and Automated Data Processing Workflow for Comprehensive High-Throughput Gut Phenotyping
Notice bibliographique
Résumé
In recent years, feces has surfaced as the matrix of choice for investigating the gut microbiome-health axis because of its non-invasive sampling and the unique reflection it offers of an individual’s lifestyle. In cohort studies where the number of samples required is large, but availability is scarce, a clear need exists for high-throughput analyses. Such analyses should combine a wide physicochemical range of molecules with a minimal amount of sample and resources and downstream data processing workflows that are as automated and time efficient as possible. We present a dual fecal extraction and ultra high performance liquid chromatography-high resolution-quadrupole-orbitrap-mass spectrometry (UHPLC-HR-Q-Orbitrap-MS)-based workflow that enables widely targeted and untargeted metabolome and lipidome analysis. A total of 836 in-house standards were analyzed, of which 360 metabolites and 132 lipids were consequently detected in feces. Their targeted profiling was validated successfully with respect to repeatability (78% CV < 20%), reproducibility (82% CV < 20%), and linearity (81% R 2 > 0.9), while also enabling holistic untargeted fingerprinting (15,319 features, CV < 30%). To automate targeted processing, we optimized an R-based targeted peak extraction (TaPEx) algorithm relying on a database comprising retention time and mass-to-charge ratio (360 metabolites and 132 lipids), with batch-specific quality control curation. The latter was benchmarked toward vendor-specific targeted and untargeted software and our isotopologue parameter optimization/XCMS-based untargeted pipeline in LifeLines Deep cohort samples ( n = 97). TaPEx clearly outperformed the untargeted approaches (81.3 vs 56.7–66.0% compounds detected). Finally, our novel dual fecal metabolomics–lipidomics–TaPEx method was successfully applied to Flemish Gut Flora Project cohort ( n = 292) samples, leading to a sample-to-result time reduction of 60%.
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 | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| 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 | 0,001 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,004 |
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 ».