一个代谢物合并策略 (MMS):协调,使研究能够相互比较.
Héctor Villalba1, Maria Llambrich2,3, Josep Gumà1,4
1Department of Oncology, Hospital Universitari Sant Joan de Reus, Institut d'Investigació Sanitària Pere Virgili (IISPV), CERCA, 43204 Reus, Spain.
Metabolites
|December 22, 2023
概括
代谢物合并策略 (MMS) 使用InChIKeys统一各种代谢学数据集,以改善交叉研究比较. 这种协调揭示了隐藏的代谢途径,提高了研究中的可重现性.
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.
- 数据科学数据科学数据科学
背景情况:
- 代谢学研究在比较数据集方面面临挑战,原因是代谢物命名和数据报告不一致.
- 缺乏标准化的数据协调,阻碍了可复制性和跨研究生物见解的发现.
研究的目的:
- 引入一个系统的框架,即代谢物合并战略 (MMS),用于协调各种代谢学数据集.
- 为了提高研究间的可比性,并促进在不同研究中识别显著的代谢途径.
主要方法:
- MMS使用InChIKeys进行数据集成和代谢物名称翻译.
- 使用InChIKeys检索代谢物属性和化学特性,链接各种标识符 (例如PubChem,HMDB,KEGG).
- 包括一个三步策划过程,以纠正差异,缺失数据和同义词检查.
主要成果:
- 在一个尿路喘代谢物的案例研究中,MMS程序被成功应用到尿路喘代谢物.
- 使用MMS的协调揭示了显著的代谢途径,这些途径在没有数据集合并的情况下是看不到的.
- 证明了数据可比性的改进,以及在代谢学中加强发现的潜力.
结论:
- 标准化和统一的代谢物数据集对于提高代谢学研究的可复制性和可比性至关重要.
- 代谢物合并战略 (MMS) 为实现这种协调提供了一个强大的框架.
- 实施MMS可以释放以前因数据异质性而模糊的更深层次的生物学见解.
更多相关视频
11:25Multi-step Preparation Technique to Recover Multiple Metabolite Compound Classes for In-depth and Informative Metabolomic Analysis
Published on: July 11, 2014
33.7K
09:38Single-throughput Complementary High-resolution Analytical Techniques for Characterizing Complex Natural Organic Matter Mixtures
Published on: January 7, 2019
8.6K
