可复制的MS/MS图书馆清洁管道在匹配中
Niek F de Jonge1, Helge Hecht2, Michael Strobel3
1Bioinformatics Group, Wageningen University & Research, 6708 PB, Wageningen, the Netherlands. niek.dejonge@wur.nl.
Journal of cheminformatics
|July 29, 2024
概括
我们开发了一个新的管道来清理并联质谱图书馆,改善机器学习和图书馆搜索的数据质量. 该工具增强了质谱数据的策划和科学研究中的可重复性.
科学领域:
- 分析化学 分析化学
- 计算生物学 计算生物学
- 生物信息学是一种生物信息学.
背景情况:
- 质谱库对于质谱注释和训练机器学习 (ML) 算法至关重要.
- 公共质谱数据库往往缺乏足够的元数据策划和协调,影响ML模型培训.
- 数据质量的变化给在质谱学中开发强大的机器学习模型带来了挑战.
研究的目的:
- 呈现一个用户友好的,灵活的,可重复的管道,用于清理双重质谱 (MS/MS) 图书馆数据.
- 提高公共质谱图书馆的质量,以改善图书馆搜索和ML培训数据集.
- 为了验证结构注释和纠正现有的图书馆数据.
主要方法:
- 开发一条新型的图书馆清洁管道,专门用于并列质谱数据.
- 实施包括易用性,灵活性和可重复性在内的原则.
- 整合用于策划,纠正和验证注释库的功能.
主要成果:
- 这条管道有效地清除了双重质谱图书馆数据.
- 公共质谱图书馆数据质量的提高.
- 从这些库中获得的ML培训数据集的准确性和可靠性提高.
结论:
- 开发的管道为清理MS/MS库提供了高质量的解决方案.
- 它有可能成为该领域的标准工具,提高可重复性和数据完整性.
- 更清洁的图书馆将推动基于质谱的研究,特别是在机器学习应用中.
更多相关视频
14:42Liquid Chromatography Coupled to Refractive Index or Mass Spectrometric Detection for Metabolite Profiling in Lysate-based Cell-free Systems
Published on: September 23, 2021
4.8K
09:24Automated Sample Multiplexing by using Combined Precursor Isotopic Labeling and Isobaric Tagging cPILOT
Published on: December 18, 2020
5.5K
