从人类生物流体中自动预处理非目标LC-MS基础代谢学特征列表
Amy Hughes1, Pablo Vangeenderhuysen2, Marilyn De Graeve2,3
1Institute for Global Food Security, School of Biological Sciences, Queen's University Belfast, Belfast BT9 5DL, Northern Ireland.
Analytical chemistry
|January 6, 2025
概括
使用IPO和AutoTuner对XCMS参数的自动优化显著提高了从生物流体中提取代谢物和脂质特征. 与手动选择相比,这种方法产生了更高质量的,可识别的特征,改进了LC-MS数据分析.
科学领域:
- 代谢学和脂质学
- 生物信息学和计算生物学
- 分析化学 分析化学
背景情况:
- 使用液体染色学质谱法 (LC-MS) 从生物流体样本中精确地提取特征至关重要,但具有挑战性.
- 手动优化XCMS参数用于LC-MS数据预处理是耗时的,可能不会产生最佳结果.
- 高质量,非冗余的特征识别对于强大的代谢和脂质组学研究至关重要.
研究的目的:
- 为了自动化优化XCMS参数设置,以便从生物流体中提取更好的代谢物和脂质特征.
- 在功能质量,识别和实用性方面,比较自动化参数优化与手动选择的性能.
- 评估自动化XCMS预处理对整体LC-MS数据分析工作流的影响.
主要方法:
- 使用R包IPO和AutoTuner来优化XCMS参数设置以检索功能.
- 在两种电离模式中分析了两个队列 (n = 621) 的便和尿液样本.
- 根据功能质量,人类新陈代谢数据库 (HMDB) 注释和功能实用性 (例如,强度值,基于PCA的过) 将自动化功能列表与手动选择的功能列表进行比较.
主要成果:
- 自动参数选择导致所有数据集中观察到的特征增加了1.3到3.7倍.
- 较高的特征百分比显示变化系数 (CV) <30% (平均为51%对45%).
- 观察到便代谢物 (7.6-10.4%) 的暂时注释显著增加,并且在强度更高的容器中发现了更多的特征.
结论:
- 自动优化XCMS参数显著改善了从LC-MS数据中提取高质量,可识别的代谢物和脂质特征.
- 与手动参数选择相比,这种自动化方法提高了功能质量,注释率和整体数据实用性.
- 自动化预处理方法对于减少分析时间和最大限度地提高LC-MS系统产生的数据价值至关重要.
