洞察差异性移动性谱测中的调剂效应:用于代谢学和性学的数据科学方法
Stepan Stepanovic1,2, Lysi Ekmekciu1, Bandar Alghanem1,3
1Life Sciences Mass Spectrometry, Department of Inorganic and Analytical Chemistry, University of Geneva, Geneva, Switzerland.
Journal of mass spectrometry : JMS
|May 15, 2024
概括
这项研究揭示了影响代谢物和的差分运动谱-质谱 (DMS-MS) 信号抑制的因素. 机器学习模型使用DMS-MS在类分析中识别了影响信号损失的关键分子性质.
科学领域:
- 分析化学 分析化学
- 生物化学 生物化学
- 频谱测量是一种光谱测量.
背景情况:
- 差分运动谱-质谱 (DMS-MS) 是分析复杂生物样本的强大技术.
- 了解影响信号强度的因素对于准确量化和解释DMS-MS数据至关重要.
- 信号抑制是基于质谱学的分析中常见的挑战,它影响了小分子和.
研究的目的:
- 调查DMS-MS.中对补偿电压的修饰器效应.
- 为了识别导致代谢物和中的信号抑制的因素.
- 在分析中开发信号抑制的预测模型.
主要方法:
- 采用数据驱动方法来分析DMS-MS数据.
- 使用统计分析来发现影响小分子信号抑制的因素.
- 机器学习模型的开发是为了将性质与信号抑制相关联.
主要成果:
- 确定了导致小分子中信号抑制的特定因素,以及涉及的分析物和机制.
- 机器学习模型展示了分子重量,拓极地表面积,质电荷和中质子转移诱导的信号抑制之间的关系.
- 这些模型在预测信号抑制方面表现强.
结论:
- 这项研究为DMS-MS的信号抑制现象提供了宝贵的见解.
- 这些发现适用于使用DMS-MS的代谢产物和三性的分析.
- 开发的模型可以帮助优化DMS-MS应用的实验条件和数据解释.


