通过使用基于概率的图书馆搜索算法,通过LC-QqTOF改善尿液中的药物识别
Jennifer M Colby1, Jeffery Rivera2, Lyle Burton2
1Department of Pathology, Microbiology, and Immunology, Vanderbilt University Medical Center, Nashville, TN, USA.
Clinical mass spectrometry (Del Mar, Calif.)
|August 28, 2024
概括
一个新的基于概率的图书馆搜索算法 (ProLS) 提高了药物检测效率和精度在质谱分析人类尿液样本. 这种增强的评分可以减少分析师识别小分子的手动审查时间.
科学领域:
- 分析化学 分析化学
- 生物化学 生物化学
- 法医科学 法医科学 法医科学
背景情况:
- 化合物识别通常依赖于将质谱与光谱库进行比较.
- 这种识别的准确性受到光谱库,测试频谱质量和所使用的搜索算法的影响.
研究的目的:
- 引入和评估一个重新设计的基于概率的图书馆搜索算法 (ProLS).
- 将ProLS的性能与现有算法 (NIST,LV/MV) 进行比较,用于在人体尿样中识别药物.
主要方法:
- 质谱法 (四极飞行时间) 用于分析人类尿液样本的药物含量.
- 开发了ProLS算法,并与NIST和LibraryView/MasterView算法中的AMDIS进行了比较.
- 对光谱数据进行了搜索,并与公司内部的光谱图书馆进行了对比.
主要成果:
- 与NIST和LV/MV相比,ProLS在药物检测方面表现出更高的效率.
- ProLS表现出一个改进的得分配置文件,为缺席的化合物产生较低的匹配得分.
- 提高得分准确性有可能减少分析师手动数据审查时间.
结论:
- 重新设计的ProLS算法显著影响了生物矩阵中小分子识别的准确性.
- 改进的搜索算法可以提高生物分析方法的整体效用.
- 这项工作凸显了搜索算法在基于质谱的识别中所扮演的不被重视的角色.
更多相关视频
10:17High-throughput and Comprehensive Drug Surveillance Using Multisegment Injection-Capillary Electrophoresis-Mass Spectrometry
Published on: April 23, 2019
9.6K
09:04Identifying Per- and Polyfluorinated Chemical Species with a Combined Targeted and Non-Targeted-Screening High-Resolution Mass Spectrometry Workflow
Published on: April 18, 2019
12.4K
