MetCohort:在大规模的队列研究中,精确的特征检测和针对非目标代谢的对应

科学领域:

• 分析化学 分析化学
• 计算生物学 计算生物学
• 生物化学 生物化学

背景情况:

• 使用LC-HRMS的非向代谢学对于大型队列研究至关重要.
• 当前的数据处理方法复杂,存在挑战.
• 准确的分析对于理解生物系统至关重要.

研究的目的:

• 介绍MetCohort,这是一个用于LC-HRMS代谢学数据的新型计算工具.
• 为应对大规模样本分析,特征检测和量化方面的挑战.
• 提高代谢数据处理的准确性和效率.

主要方法:

• 开发了MetCohort,整合了染色图形配置对齐和局部匹配.
• 采用异常值去除算法来保持时间对齐.
• 利用二维ROI矩阵和图像处理技术进行特征检测和量化.

主要成果:

• 在大型样本集中实现了准确的保留时间对齐.
• 启用了自动对应功能检测和量化.
• 通过整体特征检测,减少了假阳性和改善了低强度化合物的检测.

结论:

• MetCohort显著提高了代谢数据处理的准确性.
• 该工具提高了分析大规模LC-HRMS队列数据的效率.
• 对于复杂的代谢学数据挑战,MetCohort提供了一个强大的解决方案.