Retention time indexing in RP-LC-MS based metabolomics for enhancing metabolite identification. A cross-lab trial
Notice bibliographique
Résumé
Metabolite identification is still the major bottleneck in non-targeted metabolomics. Different levels of identifications have been proposed by the Metabolomics Society Identification Task group (Sumner et al 2007, plus paper with refined levels). The highest level of identification can be only achieved by comparison with an authentic standard using two independent properties such as retention times and MS/MS spectra. Having reference standards for all possible metabolites in a single laboratory is nearly impossible and not feasible. Several public repositories storing MS/MS spectra have been created, also covering various instrumentations including MS analyzers (e.g., Q-ToF, IT or ICR) (MassBank, Metlin etc.). MS/MS spectra represent only one part of an accurate identification and can be ambiguous in case of isomeric compounds, wrong collision energy queries, etc. Retention times could provide valuable information in LC-MS based metabolomics but are comparable only over a certain range. Even when using the same column and mobile phase chemistries and column dimensions, retention times can vary between labs due to different LC instrumentation. The concept of retention time indexing (RTI), already widely used in GC-MS, can help simplify the process by converting retention times to the dimensionless retention index, which is only dependent on stationary phase chemistry and mobile phase composition. Here we present our first preliminary results from a ring-trial using a novel RTI system based on a homologous series of substances purposely designed for LC-MS and several metabolite standards measured in 5 different laboratories using different LC-MS systems.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
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 tête enseignante, 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 ».