The MassBank contributions of the mFam Consortium
Notice bibliographique
Résumé
The analysis of metabolic profiles using high resolution mass spectrometry (MS) data gives deep insights into the biological processes. In metabolomics, MS generates a large number of features that represent metabolites. However, identifying specific metabolites from these features can be challenging. One of the major bottlenecks in the metabolomics field is the identification of MS features, which is a prerequisite for any biochemical interpretation. By identifying similarities and differences within a family, evaluating MS features at the metabolite family level can help assign functional roles to individual MS features. This data can help interpret metabolic pathways and processes within a biological system. For the assignment of metabolite families to MS features, it is very important to have good quality, reliable, and diverse spectral libraries. We initiated a global effort to collect high-resolution MS/MS spectra of metabolites from all biological origins, including mammals, microorganisms, and plants. The mFAM-MS/MS Collection delivers valuable training data to assign machine-readable classified information on the unknown metabolites. The mFam Consortium used a standardized metadata template and has developed a globally curated MS/MS spectral library of 7,872 spectra with 2,126 unique metabolites. This library was compiled from 47 datasets contributed by 25 laboratories and leverages 12 instrument types, including QTOF, Orbitrap, and Ion Mobility systems. It comprises 4,646 spectra in positive mode and 3,226 in negative mode. This standardized resource significantly enhances metabolite identification capabilities, supports the development of machine learning-based annotation tools, and accelerates the discovery of novel metabolites. All spectra are available under the collective contributor label mFam in the MassBank system, including the web interface and the 2025.10 data release available at GitHub and Zenodo.
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 | 0,009 | 0,026 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,011 | 0,012 |
| Études des sciences et des technologies | 0,003 | 0,001 |
| Communication savante | 0,008 | 0,010 |
| Science ouverte | 0,004 | 0,009 |
| Intégrité de la recherche | 0,003 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,097 | 0,095 |
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 ».