相关实验视频
Updated: Jul 26, 2026

A Strategy for Sensitive, Large Scale Quantitative Metabolomics
Published on: May 27, 2014
MassCube提高了从原始文件到表型分类器的代谢学数据处理的准确性
Huaxu Yu1, Jun Ding2, Tong Shen1
1West Coast Metabolomics Center, University of California Davis, Davis, CA, USA.
MassCube是一个新的开源框架,用于质谱 (MS) 数据处理,它提供了在代谢学中的强大而高效的非定位峰值检测. 它在速度和准确性方面优于现有的工具,使先进的奥米克和生物医学研究成为可能.
科学领域:
- 分析化学 分析化学
- 计算生物学 计算生物学
- 代谢学 代谢学 代谢学
背景情况:
- 在液体染色学-质谱学 (LC-MS) 代谢学中非目标性峰值检测需要强大且具有基准的方法.
- 现有的算法往往缺乏对大型数据集进行全面的基准测试和效率.
研究的目的:
- 介绍MassCube,一个开源的Python框架用于MS数据处理.
- 系统地将MassCube与其他算法和数据类型进行比较.
- 提供一种用于代谢组信息的表型预测的工具.
主要方法:
- 通过信号聚类和高斯过器边缘检测进行质量跟踪构造,用于峰值识别.
- 峰值的分组用于添加和源内碎片检测.
- 使用身份和模糊搜索进行复合注释,然后进行质量控制.
主要成果:
- 通过全面的色谱元数据报告,MassCube实现了100%的信号覆盖.
- 在速度,同位素检测和准确性方面优于MS-DIAL,MZmine3和XCMS.
- 有效地处理大型数据集 (笔记本电脑上在64分钟内处理105GB),比其他替代方案快得多.
- 尽管有批量效应,但在小鼠大脑代谢数据中成功识别了年龄,性别和区域差异.
结论:
- MassCube为基于LC-MS的代谢学峰值检测提供了一个强大,高效和准确的解决方案.
- 它的性能和速度使得它适合大规模的电子和生物医学研究.
- 该框架可用于直接使用或集成到更大的研究应用中.
更多相关视频
09:38Single-throughput Complementary High-resolution Analytical Techniques for Characterizing Complex Natural Organic Matter Mixtures
Published on: January 7, 2019
08:27Large-Scale Multi-Omics Genome-Wide Association Studies Mo-GWAS: Guidelines for Sample Preparation and Normalization
Published on: July 27, 2021
相关概念视频
Improving Translational Accuracy
How Data are Classified: Numerical Data
Quantitative data may be either discrete or continuous. All quantitative data that take on only specific numerical...
Improving Translational Accuracy
Mass Analyzers: Overview
Mass Analyzers: Common Types
Aggregates Classification
Petrographic classification groups aggregates based on common mineralogical characteristics. Some of the common mineral groups found in aggregates are...