最佳的运输用于自动对准非目标代谢数据的最佳运输

科学领域:

• 代谢学 代谢学 代谢学
• 分析化学 分析化学
• 生物信息学是一种生物信息学.

背景情况:

• 使用液态染色体质谱法 (LC-MS) 的非向代谢分析对药物开发,疾病诊断和风险预测至关重要.
• 合并多个LC-MS数据集对于强大的生物标志物发现至关重要,但由于低吞吐量和数据变化而受到阻碍.
• 现有的数据聚合方法由于对数据变化的敏感性和依赖超参数而面临局限性.

研究的目的:

• 介绍GromovMatcher,这是一个用于自动合并LC-MS数据集的新算法.
• 为了提高数据对齐在非目标代谢学中的准确性和稳定性.
• 通过有效整合各种LC-MS数据来促进生物标志物发现.

主要方法:

• 开发了GromovMatcher,一种利用最佳运输的算法,用于自动LC-MS数据集合并.
• 借助特征强度相关结构,实现更高的对齐精度和稳定性.
• 创建了一个数据集分割程序,用于生成验证对来评估对齐算法.

主要成果:

• 与现有方法相比,GromovMatcher显示出更高的对齐准确度和稳定性.
• 该算法有效地扩展到数千个功能,最小的超参数调整.
• 应用到患者研究中,GromovMatcher在肝癌和胰腺癌中确定了与酒精摄入相关的代谢特征.

结论:

• 格罗莫夫Matcher提供了一个灵活,用户友好的解决方案,用于结合LC-MS数据集,克服当前方法的局限性.
• 该算法有助于发现与生活方式风险因素相关的生物标志物,例如癌症中的酒精消耗.
• 这种方法在复杂的生物学和临床研究中推进了用于生物标志物发现的非向代谢学.