用AutoAnnotatoR进行草药化合物注释的自动LC-MS/MS数据分析工作流:对Fritillaria物种的十种植物起源的案例研究
Ya-Ling An1, Jia-Yuan Li2, Wen-Long Wei2
1Shanghai Research Center for Modernization of Traditional Chinese Medicine, National Engineering Research Center for TCM Standardization Technology, Shanghai Institute of Materia Medica, Chinese Academy of Sciences, Haike Road 501, Shanghai, 201203, China; University of Chinese Academy of Sciences, No.19A Yuquan Road, Beijing, 100049, China.
概括
使用AutoAnnotatoR的自动化工作流显著加快了植物天然产品的注释. 该方法从大型数据集准确地识别出数千种化学成分,包括新型化合物.
科学领域:
- 自然产品化学 自然产品化学
- 分析化学 分析化学
- 计算化学计算化学
背景情况:
- 来自植物天然产品的大规模数据集是常见的.
- 复合注释是耗时的,需要专业知识.
研究的目的:
- 引入植物天然产品注释的自动化工作流.
- 提高数据分析的效率,准确性和速度.
主要方法:
- 开发了一个自动化的LC-MS/MS数据分析工作流程,使用AutoAnnotatoR.
- 启用了MS2和MS1数据与复合库的自动匹配.
- 优化碰撞能量,用于全面的碎片化数据.
主要成果:
- 应用工作流向来自10个Fritillaria物种的化物.
- 暂时描述了2684种化学成分.
- 通过标准验证了23种化合物;确定了2434种可能的新化学物质.
结论:
- 工作流提供了复杂的自然产品的快速和准确的注释.
- 数据分析在几个小时内完成,准确度很高.
- AutoAnnotatoR是一个开源的R包,可在GitHub上使用.
