MétaCan
Menu
Retour à la cohorte
Enregistrement W4394392656 · doi:10.6084/m9.figshare.7579778

Fecal Metabolites_original.XLSX

2019· dataset· en· W4394392656 sur OpenAlexaboutno aff
Michelle C. Coleman, Noah D. Cohen, Canaan Whitfield-Cargile, Rodolfo Madrigal

Notice bibliographique

RevueFigshare · 2019
Typedataset
Langueen
DomaineAgricultural and Biological Sciences
ThématiquePlant and fungal interactions
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésFecesMicrobiologyBiology

Résumé

récupéré en direct d'OpenAlex

Fecal and serum samples were maintained at -80<sup>◦</sup>C until metabolic profiling was performed. Global non-targeted mass spectrometry metabolomics analysis was performed at Metabolon, Inc (Metabolon, Inc, Durham, NC), a commercial supplier of metabolic analysis, which has developed a platform that integrates chemical analysis (including identification and relative quantification), data-reduction, and quality assurance. To maximize compound detection and accuracy, 3 separate analytical methods were utilized including ultra-high performance liquid chromatography-tandem mass spectrometry (UHPLC-LC-MS) in both positive and negative ion modes and gas chromatography/mass spectrometry (GC-MS) (40, 41). Following receipt, samples were inventoried, accessioned into the Metabolon Laboratory Information Management System (LIMS), assigned a unique identifier, and stored at -80<sup>◦</sup>C until analyzed. Sample preparation was performed by the automated Mircolab STAR system (Hamilton Company, Salt Lake City, UT, USA). Extraction solvents (<i>i.e.</i>, methanol containing recovery standards) were added to each sample. <i> </i>Extraction was carried out by shaking using a Geno/Grinder 2000 (Glen Mills, Clifton, NJ) followed by centrifugation. The resulting extract was divided into 5 fractions: 2 for analysis by 2 separate reverse phase (RP) LC/MS methods with positive ion mode electrospray ionization (ESI), 1 for analysis by RP LC/MS with negative ion mode ESI, 1 for GC/MC analysis, and 1 reserve aliquot. Samples were placed on a TurboVap® (Zymark, Midland, Ontario, Canada) to remove organic solvent and were stored overnight under nitrogen before preparation for analysis. <b> </b> All UPLC-MS/MS methods utilized a Waters Acquity UPLC (Walters, Milford, MA, USA) and a Q-Exactive high resolution/accurate mass spectrometer interfaced with heated electrospray ionization (HESI-II) source and Orbitrap mass analyzer operated at 35,000 mass resolution (Thermo Scientific, Walthram, MA, USA). Sample extracts were reconstituted in solvents compatible to each method employed. The MS analysis alternated between MS and data-dependent MS<sup>n</sup> scans using dynamic exclusion. The scan range varied slighted between methods but covered mass to charge ratios of 70 to1000 <i>m/z</i>. Raw data were archived and extracted. For GC/MS<i>, </i>derivatized samples were separated on a 5% phenyldimethyl silicone column with helium carrier gas. Data were analyzed on a Thermo-Finnigan Trace DSQ MS (Thermo Fisher) operated at a unit mass resolving power with electron impact ionization. Detection, identification, integration, and clustering of all ion features into individual compounds was performed using a library of conserved chemical standards using a software developed by Metabolon (42). Authenticated standards within the library contain retention time/index (RI), mass to charge ratio (<i>m/z)</i>, and chromatographic data (including MS/MS spectral data). At present, 3,000 commercially available purified standards are registered into the LIMS for distribution to both the LC and GC platforms for determination of their analytical characteristics. Compound abundance was quantified by calculation of area under the curve for the quantification ion of the compound. Quality control measurements were used to individually check all compounds.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,570
Score d'incertitude au seuil0,918

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,6530,083

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.

Tête enseignante Opus0,073
Tête enseignante GPT0,268
Écart entre enseignants0,195 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetPlant and fungal interactionsTravaux en français237 207