Current Practices in LC-MS Untargeted Metabolomics: A Scoping Review on the Use of Pooled Quality Control Samples
Notice bibliographique
Résumé
Untargeted metabolomics is an analytical approach with numerous applications serving as an effective metabolic phenotyping platform to characterize small molecules within a biological system. Data quality can be challenging to evaluate and demonstrate in metabolomics experiments. This has driven the use of pooled quality control (QC) samples for monitoring and, if necessary, correcting for analytical variance introduced during sample preparation and data acquisition stages. Described herein is a scoping literature review detailing the use of pooled QC samples in published untargeted liquid chromatography–mass spectrometry (LC-MS) based metabolomics studies. A literature query was performed, the list of papers was filtered, and suitable articles were randomly sampled. In total, 109 papers were each reviewed by at least five reviewers, answering predefined questions surrounding the use of pooled quality control samples. The results of the review indicate that use of pooled QC samples has been relatively widely adopted by the metabolomics community and that it is used at a similar frequency across biological taxa and sample types in both small- and large-scale studies. However, while many studies generated and analyzed pooled QC samples, relatively few reported the use of pooled QC samples to improve data quality. This demonstrates a clear opportunity for the field to more frequently utilize pooled QC samples for quality reporting, feature filtering, analytical drift correction, and metabolite annotation. Additionally, our survey approach enabled us to assess the ambiguity in the reporting of the methods used to describe the generation and use of pooled QC samples. This analysis indicates that many details of the QC framework are missing or unclear, limiting the reader's ability to determine which QC steps have been taken. Collectively, these results capture the current state of pooled QC sample usage and highlight existing strengths and deficiencies as they are applied in untargeted LC-MS metabolomics.
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 | 0,111 | 0,267 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,002 |
| Méta-épidémiologie (sens large) | 0,005 | 0,007 |
| Bibliométrie | 0,036 | 0,029 |
| Études des sciences et des technologies | 0,002 | 0,004 |
| Communication savante | 0,009 | 0,009 |
| Science ouverte | 0,005 | 0,005 |
| Intégrité de la recherche | 0,004 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,002 |
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 ».