利波CLEAN:一种机器学习过器,可以提高非目标脂质识别信心

科学领域:

• 利皮多米克 (Lipidomics) 是一种消化剂.
• 质谱测量质量谱测量
• 生物信息学是一种生物信息学.

背景情况:

• 在非目标脂管学中,自动化脂质识别软件产生了许多需要手动验证的假定识别.
• 目前的软件工具并不能充分利用所有可用的数据来评估脂质识别质量.

研究的目的:

• 开发一种机器学习模型,用于脂质识别的整体质量评分.
• 为了提高脂质识别在非向脂质组学中的准确性和可靠性.

主要方法:

• 实施了一种机器学习模型,集成未充分利用的指标,如同位素比率和色谱行为.
• 开发了一种多维救援方法,用于脂质识别质量评估.
• 在不同的染色学方法和质谱仪器上测试了模型的概括性.

主要成果:

• 大约50%的自动化脂质识别使用双重质谱检测被发现是不正确的.
• 多维恢复方法将错误发现减少到7%,同时保留了80%的真实阳性.
• 开发的方法证明了在各种染色学和MS仪器家族中具有广泛的适用性.

结论:

• 基于机器学习的质量评分显著提高了脂质识别的可靠性.
• 利波CLEAN为改善脂管学研究数据质量提供了一个强大的解决方案.
• 该工具是公开可用的,促进更广泛的采用和可重复性.