MagMet: A fully automated web server for targeted nuclear magnetic resonance metabolomics of plasma and serum
Notice bibliographique
Résumé
Abstract Nuclear magnetic resonance (NMR) spectral analysis of biofluids can be a time‐consuming process, requiring the expertise of a trained operator. With NMR becoming increasingly popular in the field of metabolomics, there is a growing need to change this paradigm and to automate the process. Here we introduce MagMet, an online web server, that automates the processing and quantification of 1D 1 H NMR spectra from biofluids—specifically, human serum/plasma metabolites, including those associated with inborn errors of metabolism (IEM). MagMet uses a highly efficient data processing procedure that performs automatic Fourier Transformation, phase correction, baseline optimization, chemical shift referencing, water signal removal, and peak picking/peak alignment. MagMet then uses the peak positions, linewidth information, and J‐couplings from its own specially prepared standard metabolite reference spectral NMR library of 85 serum/plasma compounds to identify and quantify compounds from experimentally acquired NMR spectra of serum/plasma. MagMet employs linewidth adjustment for more consistent quantification of metabolites from higher field instruments and incorporates a highly efficient data processing procedure for more rapid and accurate detection and quantification of metabolites. This optimized algorithm allows the MagMet webserver to quickly detect and quantify 58 serum/plasma metabolites in 2.6 min per spectrum (when processing a dataset of 50–100 spectra). MagMet's performance was also assessed using spectra collected from defined mixtures (simulating other biofluids), with >100 previously measured plasma spectra, and from spiked serum/plasma samples simulating known IEMs. In all cases, MagMet performed with precision and accuracy matching the performance of human spectral profiling experts. MagMet is available at http://magmet.ca .
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 | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,030 | 0,028 |
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 ».