PANAMA enabled high sensitivity dual nanoflow LC/MS metabolomics and proteomics analysis
Notice bibliographique
Résumé
Summary High sensitivity nanoflow liquid chromatography (nLC) is seldom employed in untargeted metabolomics because current sample preparation techniques are inefficient to prevent nanocapillary column performance degradation. Here, we describe an nLC-based tandem mass spectrometry workflow that enables seamless joint analysis and integration of metabolomics (including lipidomics) and proteomics from the same samples without instrument duplication. This workflow is based on robust solid phase micro-extraction step for routine sample clean-up and bioactive molecule enrichment. Our method, termed PANAMA, improves compound resolution and detection sensitivity without compromising depth of coverage as compared with existing widely used analytical procedures. Notably, PANAMA can be applied to a broad array of specimens including biofluids, cell line and tissue samples. It generates high quality, information rich metabolite-protein datasets while bypassing the need for specialized instrumentation. Motivation The ability to routinely, sensitively and reproducibly analyze both cellular proteins and metabolite mixtures from the same biospecimens can enhance the discovery of biomolecules associated with basic biochemical processes and pathobiological states. Yet existing mass spectrometry-based profiling methods rely on specialized protocols and duplicated instrumentation platforms, resulting in increased time, sample consumption and costs. We sought to generate an effective platform for both metabolomic and proteomic studies on the same samples by enabling nanoflow liquid chromatography for small molecules. The resulting approach was extensively optimized and benchmarked to provide in depth molecular coverage, along with improved chromatographic separations, sensitivity and reliability as compared to existing methods. The cost benefit ratio of PANAMA is substantial because the platform bypasses the need for specialized instrumentation stemming from incompatible procedures.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».