Ion-to-Image, i2i, a Mass Spectrometry Imaging Data Analysis Platform for Continuous Ionization Techniques
Notice bibliographique
Résumé
High Resolution Image Download MS PowerPoint Slide Mass spectrometry imaging (MSI) techniques generate data that reveal spatial distributions of molecules on a surface with high sensitivity and selectivity. However, processing large volumes of mass spectrometry data into useful ion images is not trivial. Furthermore, data from MSI techniques using continuous ionization sources where data are acquired in line scans require different data handling strategies compared to data collected from pulsed ionization sources where data are acquired in grids. In addition, for continuous ionization sources, the pixel dimensions are influenced by the mass spectrometer duty cycle, which, in turn, can be controlled by the automatic gain control (AGC) for each spectrum (pixel). Currently, there is a lack of data-handling software for MSI data generated with continuous ionization sources and AGC. Here, we present ion-to-image (i2i), which is a MATLAB-based application for MSI data acquired with continuous ionization sources, AGC, high resolution, and one or several scan filters. The source code and a compiled installer are available at https://github.com/LanekoffLab/i2i . The application includes both quantitative, targeted, and nontargeted data processing strategies and enables complex data sets to be processed in minutes. The i2i application has high flexibility for generating, processing, and exporting MSI data both from simple full scans and more complex scan functions interlacing MS n and SIM scan data sets, and we anticipate that it will become a valuable addition to the existing MSI software toolbox.
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 | 0,001 | 0,004 |
| 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 | 0,002 | 0,002 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,040 | 0,024 |
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 ».