Predicting the Ionization Behavior of Drugs in Tissue in MALDI and MALDI-2 Mass Spectrometry Imaging Using Machine Learning
Notice bibliographique
Résumé
Matrix-assisted laser desorption/ionization mass spectrometry (MALDI-MS) and its most common application, MALD-MS imaging (MSI), are widely used techniques in the analysis of intact biomolecules. In the context of pharmaceutical research, MALDI-MSI is often used to investigate the distribution of drugs and their metabolites within tissue section. While postionization strategies such as MALDI-2 have helped to increase signal intensities, ion yields in MALDI(-2) analysis are notoriously hard to predict. In many cases, this can complicate the planning and execution of pharmaceutical studies with regard to the expected limits of detection. To mitigate these challenges, we present a first approach to utilizing machine learning (ML) for the prediction of ionization efficiency. For this, we use data from a previously published data set containing MALDI and MALDI-2 data in positive and negative ion modes of ca. 1200 drug-like compounds acquired under imaging like conditions. To identify the optimal mode of action, we tested six different ML models and utilized selected physicochemical properties and 2-dimensional structures, both available for all employed compounds, for teaching. Subsequent SHAP analysis confirmed the involvement of a large number of parameters in the prediction as opposed to a dominant role of the presence or absence of a limited number of functional groups. In this, our proof-of-concept study highlights the usefulness of the multifactorial nature of ML to predict ion yields in MALDI(-2)-MSI. Beyond pharmacological application, the approach could, in the future, also assist in predicting ionizability in general MALDI-/MALDI-2-MSI measurements.
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».