SCALiR: A Web Application for Automating Absolute Quantification of Mass Spectrometry-Based Metabolomics Data
Notice bibliographique
Résumé
Quantitative liquid chromatography–mass spectrometry (LC-MS)-based metabolomics is becoming an important approach for studying complex biological systems but presents several technical challenges that limit its widespread use. Computing metabolite concentrations using standard curves generated from standard mixtures of known concentrations is a labor-intensive process that is often performed manually. Currently, there are few options for open-source software tools that can automatically calculate metabolite concentrations. Herein, we introduce SCALiR (standard curve application for determining linear ranges), a new web-based software tool specifically built for this task, which allows users to automatically transform LC-MS signals into absolute quantitative data ( https://www.lewisresearchgroup.org/software ). SCALiR uses an algorithm that automatically finds the equation of the line of best fit for each standard curve and uses this equation to calculate compound concentrations from the LC-MS signal. Using a standard mix containing 77 metabolites, we show a close correlation between the concentrations calculated by SCALiR and the expected concentrations of each compound ( R 2 = 0.99 for a y = x curve fitting). Moreover, we demonstrate that SCALiR reproducibly calculates concentrations of midrange standards across ten analytical batches (average coefficient of variation 0.091). SCALiR can be used to calculate metabolite concentrations either using external calibration curves or by using internal standards to correct for matrix effects. This open-source and vendor agnostic software offers users several advantages in that (1) it requires only 10 s of analysis time to compute concentrations of >75 compounds, (2) it facilitates automation of quantitative workflows, and (3) it performs deterministic evaluations of compound quantification limits. SCALiR therefore provides the metabolomics community with a simple and rapid tool that enables rigorous and reproducible quantitative metabolomics studies.
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 | 0,004 | 0,006 |
| Méta-épidémiologie (sens strict) | 0,003 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,034 | 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 ».