一个结构导向的分子网络战略全球非定向的代谢学数据注释
Xinxin Wang1,2,3, Chao Li1,4,2,3, Zaifang Li1,2,3
1CAS Key Laboratory of Separation Science for Analytical Chemistry, Dalian Institute of Chemical Physics, Chinese Academy of Sciences, Dalian 116023, P.R. China.
Analytical chemistry
|July 26, 2023
概括
一个新的结构导向分子网络策略 (SGMNS) 增强了非目标代谢学中的代谢物注释. 这种方法通过利用化学结构相似性进行光谱预测来提高深度注释的准确性.
科学领域:
- 代谢学 代谢学 代谢学
- 生物信息学是一种生物信息学.
- 分析化学 分析化学
背景情况:
- 大规模的代谢物注释在非目标代谢学中是一个重大挑战.
- 目前基于网络的方法面临的局限性是由于MS/MS参考光谱不足.
研究的目的:
- 开发一种结构引导分子网络策略 (SGMNS),用于深度注释非目标超高性能液体染色学高分辨率质谱 (MS) 代谢学数据.
- 通过利用化学结构信息来克服现有的注释方法的局限性.
主要方法:
- 基于化学结构的分子指纹相似性构建了一个全球连接分子网络 (GCMN).
- 采用网络注释传播,使用已知的代谢物作为种子,将"伪"光谱分配给邻居.
- 通过对实验数据进行预测的保留时间,MS1和"伪"光谱的搜索来代地传播注释.
主要成果:
- SGMNS在代谢组注释方面表现出独特的优势.
- 在多种生物样本 (细胞,便,血,组织,尿液) 中成功注释了大量代谢物,精度高 (>83%) 和低可变性 (RSD <2%).
- 标注 701 (细胞),1557 (便),1147 (血),1095 (组织),1237 (尿液) 和2041 (汇总) 的代谢物.
结论:
- SGMNS有效地利用现有代谢组的化学空间进行深度代谢物注释.
- 该策略克服了在非目标代谢学中缺乏MS/MS参考光谱的瓶.
- 这种方法显著提高了全面的代谢物识别能力.
更多相关视频
07:11Author Spotlight: Emerging Technologies and Advanced Tools for Decoding Metabolomics Data Analysis
Published on: November 10, 2023
2.4K
09:38Single-throughput Complementary High-resolution Analytical Techniques for Characterizing Complex Natural Organic Matter Mixtures
Published on: January 7, 2019
8.7K
