Metabolic Interactive Nodular Network for Omics (MINNO): Refining and investigating metabolic networks based on empirical metabolomics data
Notice bibliographique
Résumé
ABSTRACT Metabolomics is a powerful tool for uncovering biochemical diversity in a wide range of organisms, and metabolic network modeling is commonly used to frame results in the context of a broader homeostatic system. However, network modeling of poorly characterized, non-model organisms remains challenging due to gene homology mismatches. To address this challenge, we developed Metabolic Interactive Nodular Network for Omics (MINNO), a web-based mapping tool that takes in empirical metabolomics data to refine metabolic networks for both model and unusual organisms. MINNO allows users to create and modify interactive metabolic pathway visualizations for thousands of organisms, in both individual and multi-species contexts. Herein, we demonstrate an important application of MINNO in elucidating the metabolic networks of understudied species, such as those of the Borrelia genus, which cause Lyme disease and relapsing fever. Using a hybrid genomics-metabolomics modeling approach, we constructed species-specific metabolic networks for three Borrelia species. Using these empirically refined networks, we were able to metabolically differentiate these genetically similar species via their nucleotide and nicotinate metabolic pathways that cannot be predicted from genomic networks. These examples illustrate the use of metabolomics for the empirical refining of genetically constructed networks and show how MINNO can be used to study non-model organisms. GRAPHICAL ABSTRACT MINNO tool facilitates refining of metabolic networks, multi omics integration and investigation of cross-species interactions.
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 | 0,003 |
| 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 | 0,000 |
| 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) | 0,009 | 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 ».